无穷酱的博客

问题描述： 将ResNet18修改为ResNet101时报告以下错误 RuntimeError: Function AddmmBackward returned an invalid gradient at index 1 -got [64, 4096] but expected shape compatible with [64,17408] 原因： 看了网上的帖子，主要有两方面的原因。 1.由于反向传播时的device不一致问题。训练过程中，前向传播时我们需要模型、输入位于同一设备上（都在

1.Root mean square error (RMSE): 2.Mean absolute error(MAE): 3.R-Square ($R^2$): 4.Median Absolute Deviation (MAD): ##########导入sklearn工具包########## from sklearn import metrics RMSE = np.sqrt(mean_squared_error(y_true, y_predict)) MAE=...

1. 安装SHAP pip 安装： pip install shap conda 安装： conda install -c conda-forge shap 2.理论与Python实现 -------------后续更新，敬请等待！

1.创建Anaconda虚拟环境 conda create -n name python=3.7 2.进入环境 conda activate name 3.安装GPU版本的TensorFlow conda install tensorflow-gpu 4.安装Keras conda install keras

目录 一、标准化（Z-Score） 二、归一化 三、正则化 一、标准化（Z-Score） 公式为：(X-mean)/std 计算时对每个属性/每列分别进行。 将数据按期属性（按列进行）减去其均值，并处以其方差。得到的结果是，对于每个属性/每列来说所有数据都聚集在0附近，方差为1。 实现时，有两种不同的方式： 使用sklearn.preprocessing.scale()函数，可以直接将给定数据进行标准化。sklearn.preprocessing.scale 使用sklear.

一、理论知识： 要理解 Pearson 相关系数，首先要理解协方差（Covariance）。协方差表示两个变量 X，Y 间相互关系的数字特征，其计算公式为： 当 Y = X 时，即与方差相同。当变量 X，Y 的变化趋势一致时，如果某个 Xi 大于 X¯，相应的 Yi 也大于 Y¯；如果某个 Xi小于 X¯，相应的 Yi 也小于¯Y¯，那么 COV(X,Y)COV(X,Y) 就是正值，...

目录 1.数据预处理 1.1 中心化 1.2 标准化 1.3 PCA 1.4 白噪声 2. 权重初始化 2.1 全0初始化 2.2 随机初始化 2.3 稀疏初始化 2.4 初始化偏置 2.5 批标准化 3. 防止过拟合 3.1 正则化 3.2 Dropout 1.数据预处理 1.1 中心化 每个特征维度都减去相应的均值实现中心化，这样可以使得数据变成0均值，尤其是...

目录 1.模拟神经元 2.单层神经网络的分类器 3.激活函数 4.神经网络的结构 为什么要使用激活函数? 5.模型的表示能力与容量 1.模拟神经元 神经网络最开始是受到了模拟脑神经元的启发。 图1 脑神经元与神经网络的相似之处 脑中的一个计算单元是一个...

目录 补充：超参数和模型参数 python实现： KNN(K-Nearest Neighbors) K近邻算法 实现 手写 数据集的 分类问题 导入 手写数据集（digits）数据集 通过上面的分析，我们可以知道，怎么将现实中的东西以数据的形式表示 下面是 KNN 模型的 实例 step1：将数据切分为 训练集 和测试集 调用 sklearn 中的KNN算法 直接调用score，...