据说大佬都喜欢黑色！

理解深度学习中的学习率及多种选择策略

谷歌提出新分类损失函数：将噪声对训练结果影响降到最低训练数据集里的标签通常不会都是正确的，比如图像分类，如果有人错误地把猫标记成狗，将会对训练结果造成不良的影响。如何在不改变训练样本的情况下，尽可能降低这类噪声数据对机器学习模型的影响呢？最近，谷歌提出了一个新的损失函数，解决了机器学习算法受噪声困扰的一大问题。逻辑损失函数的问题机器学习模型处理带噪声训练数据的能力，在很大程度上取决于训练...

UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0xad in position 1160: illegal multibyte sequence大概意思是：UnicodeDecodeError：'gbk’编解码器无法解码1160位的字节0xad：非法多字节序列据说是因为python3 区分了 unicode str 和 byte arrar...

由于我没有系统的学习过是直接看代码的，所以这些基础的概念理解的很模糊，查了之后参考下面大佬的概念，但是因为我是学习pytorch的，所以又查了pytorch中张量的概念和运用。python学习笔记一文读懂PyTorch张量基础（附代码）...

之前一直使用命令conda install torchvision来安装torchvision，也查了很多方法，但是总是显示找不到包，用了下面的方法就安装成功了，运行的时候也不会出现下面的错误了：Anaconda:conda install torchvision -c soumithpip:pip install torchvision...

原论文下载地址：论文原代码下载地址：官方pytorch代码比较完整的论文理解：ResNet论文笔记及代码剖析这里我只讲他的核心理念，残差块，也是我理解了很久的地方，请原谅我描述的如此口语化，希望能帮助大家理解，如果有理解的不对的地方，欢迎指正ImageNet的一个更深层次的残差函数F。左图：一个积木块(56×56个特征图)，如图3所示，用于ResNet-34。右图：ResNet-50/1...

一：比较容易理解的比喻原文：敏感性和特异性以糖尿病人的筛查为例。第一个钟形代表正常人，第二个钟形代表糖尿病人。理想中，如果正常人和糖尿病人的血糖范围完全没有重合就好了。这样我就把标准定在中间那个最低点。低于此点的，就是正常人；高于此点的，就是糖尿病人。多好！可惜，现实中，是这样的：由于人人都是任性的小公举，所以正常人的血糖范围和糖尿病人的血糖范围有一部分是重叠的。那么应该把标准画在哪里比较好呢...

运行网络的时候出现了这个错误，虽然之前已经解决过了，还是出现的问题下面是原来的代码：别人说在load这个checkpoint之前要加上net = torch.nn.DataParallel(net, device_ids=range(torch.cuda.device_count()))cudnn.benchmark = Trueif resume: # Load checkp...

在PyCharm2019中同目录下import其他模块，会出现No model named …的报错这是因为PyCharm不会将当前文件目录自动加入source_path。在当前目录右键make_directory as–>Sources Root然后我的问题就解决了...

详解

看了很多原因，下面的方法解决了我的问题由于keras版本不同，"normalize_data_format"位置有变化，下面的两句都可以试试，不一定哪句是正确的位置~把对应导入的那句换成下面两句中的其中一句：from keras.utils.conv_utils import normalize_data_formatfrom keras.backend.common import no...

看了很多，感觉这一篇讲的非常容易理解PyTorch中permute的用法

课程地址：https://study.163.com/course/courseLearn.htm?courseId=1004570029#/learn/video?lessonId=1050718284&courseId=1004570029我直接从Octave的基础操作开始，因为前面的内容的课堂ppt都讲的很详细了原文链接：Octave简要语法记录Octave是一个科学计算及数...

ex1.m%% Machine Learning Online Class - Exercise 1: Linear Regression% Instructions% ------------%% This file contains code that helps you get started on the% linear exercise. You will need...

参考：吴恩达机器学习作业Python实现(三)：多类分类和前馈神经网络这里是用python来实现，亲测可以运行成功因为对python不熟练并且对概念还不算深度理解，等到之后再回来看会觉得简单很多一、 多类分类(多个logistic回归)我们将扩展我们在练习2中写的logistic回归的实现，并将其应用于一对多的分类（不止两个类别）。import numpy as npimport pa...

新手入门推荐书籍：简单好懂易操作：书中的数据集地址（只是用来测试性能）测试数据集100个标记样本：训练数据集10个标记样本下载方式（谷歌浏览器）：正规的训练集（包含6万个标记样本）正规测试集（包含1万个标记样本）一、初始化网络,设置输入层节点,隐藏层节点和输出层节点import numpyimport scipy.specialimport matplotlib.pyplo...

在Anaconda prompt中1.这个命令列出了我创建的虚拟环境（因为当时不知道，搞了一堆乱七八糟的，打算全部删掉，因为一般只要在一个虚拟环境里进行操作）运行之后输入y，同意继续2.这个命令是让我创建了一个新的虚拟环境eleven,然后进入python的解释器3.退出python解析器4.这个时候你就可以在这个虚拟环境里面导入包了，如果你想要在一个虚拟环境里跑代码，就要把这个...

Ini 文件操作中有一个优势是它能够直接被Python分区，并且update. 否则如果是普通的txt文件，我们会需要read line by line. 但是在ini 的操作中我们只需要阅读分区，然后再update分区就好。例如下面的这个ini文件:[Mandatory]file = C:\Users\xhan\Desktop\a.file[Scenarios]enabled = ...

懒得复制了，只取了我遇到的情况01. 省略号也是对象… 这是省略号，在Python中，一切皆对象。它也不例外。在 Python 中，它叫做 Ellipsis 。在 Python 3 中你可以直接写…来得到这玩意。>>> ...Ellipsis>>> type(...)<class 'ellipsis'>而在 2 中没有…这个语法，...

建立一个4×2的矩阵c, c.shape[1] 为第一维的长度，c.shape[0] 为第二维的长度。但是用维度来解释总是觉得很绕，尤其是在我看到shape[3]的时候所以，我索性这么理解，在pytorch中的图片一般是以(Batch_size,通道数，图片高度，图片宽度)或者(Batch_size,通道数，图片宽度，图片高度)，那么shape[0]可以理解为Batch_size,shape[...

如何检查pytorch是否正在使用GPU？

遇到一个错误：RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=‘cpu’ ...

对于这一类分类问题：拿到数据先将它绘制出来，看数据在图片的分布，如果明显是两极化的，就用普通的逻辑回归，比如下图：如果数据的分布比较特别，就加入正则化，所谓正则化就是加入惩罚项，使得结果不容易过度拟合，所以两者只有代价函数不一样比如下图：当然还有更高级的回归算法，这是比较常用且简单的算法1.1 plotData.m这个函数是用来绘制数据的function plotData(X,...