本然233的博客

前言开始做毕设了，从零入门深度学习，打算把这个过程记录下来，fighting！前置信息：我是mac系统，使用默认python2.71.安装R语言环境2.R语言基础3.安装Keras包补充：pip相关4.入门Demo-数字识别1.mac下安装R语言环境登陆[官网](https://www.r-project.org)，找到左侧Download下方CRAN，CRAN是用于安...

在深度学习的项目中使用Keras，可以将精力放置在如何构建模型上。序贯模型（Sequential）是多个网络层的线性堆叠，实在深度学习中很常见的一种模型。当创建一个序贯模型时，按照希望执行计算的顺序向其添加图层。一旦完成定义，通过使用底层框架编译模型来优化模型计算。在编译模型时。可以指定要使用的损失函数和优化器来优化模型。一旦完成模型编译，就可以使用数据集来训练模型。魔性训练可以一次使用一批数据...

数据集下载链接:https://pan.baidu.com/s/1duoc2qaEyowuwWUs7gRs8Q 密码:pe9yfrom keras.models import Sequentialfrom keras.layers import Denseimport numpy as np# 设定随机数种子np.random.seed(7)# 导入数据dataset = np...

参考：https://www.cnblogs.com/skyfsm/p/8467613.html机器学习最常见的模型评估指标，包括：precisionrecallF1-scorePRCROC 和 AUCIOU混淆矩阵理解：第一个字母表示本次预测的正确性，T是正确，F是错误；第二个字母表示由分类器预测的类别，P代表预测为正例，N代表预测为反例。True Positive ...

Q1 训练过程中loss为负数【原因】输入的训练数据没有归一化造成【解决方法】把输入数值通过下面的函数过滤一遍，进行归一化#数据归一化def data_in_one(inputdata): inputdata = (inputdata-inputdata.min())/(inputdata.max()-inputdata.min()) return inputdataQ...

就，记录自己报的那些错吧啊啊啊啊每一个问题都有 一丢丢收获mac 运行tensorflow，报错：2019-04-24 15:07:06.421041: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not...

使用keras 的 datasets 中电影评论数据集时，imdb.load_data(num_words=top_words)，加载数据是，报以下错误：raise ValueError("Object arrays cannot be loaded when "ValueError: Object arrays cannot be loaded when allow_pickle=Fals...

参考：Matplotlib图表不能在Pycharm中显示的问题在pycharm中使用 %matplotlib inline 语句会报错但是删掉又会不显示图表解决：删掉这行代码，用 plt.show() 展示图表...

实验数据集：2096*351，第一列为Y，余下350列为特征xdataset = np.loadtxt('../data/ecoli_training_new.csv', delimiter=',')# 分割输入x和输出Yx = dataset[:, 1: 351]Y = dataset[:, 0]# 打乱训练集index = [i for i in range(len(datas...

文章目录一、效果展示1. FASTA文件蛋白质序列文件2. 数据可视化二、使用R语言实现1、读入FASTA文件：R语言-Biostrings包1.1 安装：1.2 使用2. 绘制seq logo图：R语言-ggseqlogo包2.1 安装2.2 读数据2.3 可视化2.4 自定义3. Demo三、使用在线工具[Weblogo](http://weblogo.threeplusone.com/cre...

一、数学概念参考：方差、标准差和协方差三者之间的定义与计算1. 方差方差是各个数据与平均数之差的平方的平均数。在概率论和数理统计中，方差（英文Variance）用来度量随机变量和其数学期望（即均值）之间的偏离程度。在许多实际问题中，研究随机变量和均值之间的偏离程度有着很重要的意义。2. 标准差方差开根号。3. 协方差在概率论和统计学中，协方差用于衡量两个变量的总体误差。而方差是协方差...

mac环境下使用keras进行深度学习开发，环境搭建记录。文章目录一、Python二、TensorFlow1 介绍2 安装3 验证三、Keras1 介绍2 安装3 验证四、Pycharm配置一、Pythonmac系统默认带python2.7，且不能轻易删除，想要安装python3，保留两个python版本随时切换使用，参见我的另一篇博客记Mac 装 python3 的过程，如何在多版本切换...

神经网络使用的数据存储在多维Numpy数组中，也叫张量（tensor）。张量是一个数据容器，张量的维度（dimension）通常叫做轴（axis）。1. 标量（0D张量）仅含一个数字的张量叫做标量（scalar，也叫标量张量、零维张量、0D张量）。在Numpy中，一个float32或float64数字就是一个标量张量（或标量数组）。可以用ndim属性来查看一个Numpy张量的轴的个数。标量张...

前言神经网络主要围绕以下四个方面：1）层，多个层组合成网络（或模型）2）输入数据和相应的目标3）损失函数，即用于学习的反馈信号4）优化器，决定学习过程如何进行1. 层神经网络的基本数据结构是层。层是一个数据处理模块，将一个或多个输入张量转换为一个或多个输出张量。有些层是无状态的，但大多数的层是有状态的，即层的权重。权重是利用随机梯度下降学到的一个或多个张量，其中包括网络的知识。简单...

稍后补充

前言在R和Python之间如何进行选择一直是一个热议的话题。机器学习世界也被不同语言偏好所划分。但是随着深度学习的盛行，天平逐渐向Python倾斜，因为截至目前为止Python具有大量R所没有的深度学习的资源库和框架。但是随着Keras在R中的实现，语言选择的斗争又重新回到舞台中央。Python几乎已经慢慢变成深度学习建模的默认语言，但是随着在R中以TensorFlow(CPU和GPU均兼容)...

在回归问题中，我们的目标是预测连续值的输出，如价格或概率。将此与分类问题进行对比，分类的目标是预测离散标签（例如，图片包含苹果或橙色）。问题描述我们将要预测20世纪70年代中期波士顿郊区房屋价格的中位数，已知当时郊区的一些数据点，比如犯罪率、当地房产税率等。本次用到的数据集包含的数据点相对较少，只有506个，分为404个训练样本和102个测试样本。输入数据的每个特征（比如犯罪率）都有不同的取...

1.机器学习的四个分支2.1.机器学习的四个分支1）监督学习给定一组样本（通常由人工标注），它可以学会将输入数据映射到已知目标[也叫标注（annotation）]。2）无监督学习在没有目标的情况下寻找输入数据的有趣变换，目的在于数据可视化、数据压缩、数据去燥或者更好的理解数据中的相关性。eg：降维和聚类3）自监督学习自监督学习是没有人工标注的标签的监督学习，可以将它看作没有人...

深度学习模型不会接收原始文本作为输入，它只能处理数值张量。文本向量化（vectorize）是指将文本转换为数值张量的过程。1. 单词和字符的one-hot编码1）单词级import numpy as npsamples = ['The cat sat on the mat.', 'The dog ate my homework.'] # 初始数据，本例中是一个句子，当然也可以是一篇文章...

一、R包的安装（3种方式）1 在R中直接输入代码在CRAN上查找安装install.packages("package name")多个包可以用c()来列出多个包的名字install.packages(c("package 1","package 2",···))2 从CRAN、Bioconductors或其他网站上下载R包的压缩文件后使用命令install.packages("E...

参考官网demo：lstm_text_generation一、问题描述本文记录使用 使用lstm 进行文本生成，数据来源为尼采著作。注意为了使生成的文本连贯，至少需要20个纪元。因此建议在GPU上运行这个脚本，因为循环网络的计算量非常大。如果在新数据上尝试此脚本，请确保您的语料库至少有100k个字符。 1米是更好的。二、实现1. 引包关于R语言如果引包，可以参见我哦另一篇博客：R语言...

参考：深度学习中的Epoch，Batchsize，Iterations，都是什么鬼梯度下降法梯度下降法是机器学习中经典的优化算法之一，用于寻求一个曲线的最小值。所谓"梯度"，即一条曲线的坡度或倾斜率，"下降"指代下降递减的过程。梯度下降法是迭代的，也就是说我们需要多次计算结果，最终求得最优解。梯度下降的迭代质量有助于使输出结果尽可能拟合训练数据。梯度下降法中有一个称为学习率的参数，如上图...

文章目录前言1. 验证集曲线震荡前言本文：训练过程的可视化包括训练集和验证集的acc和loss曲线，根据曲线的不同特点进行超参数调节，可以不断优化网络，总结以下一些曲线特点。开发环境：TensorFlow + Keras + Python问题类型：二分类问题数据集：训练集7170个样本 正负各一半 分类为1/0，验证集划分0.15独立测试集共600个样本 正负各一半1. 验证集曲...