MeisterMorxrc的学习小屋

label smoothing背景:当我们将交叉熵损失函数用于分类任务的时候,我们期望真实的标签为1,而其他虚假的标签为0。换句话来说,我们认为原始数据的标注是准确无误的。但是，真实情况并不是这样，在某些领域，或者使用一些数据增强的方法时,都会存在着一些标注错误的问题出现。因此,label smoothing的方法可以降低我们对于标签的信心，比如我们将损失目标的值从1降低到0.9，当然与此同时我们需要稍微增加一下其他label(label==0)的目标值。这种方法被称为标签平滑。操作方式:impor

from keras.models import Model, load_modelfrom keras.layers import Input, BatchNormalization, Activation, Add, Multiply, Dotfrom keras.layers import Embedding, Permute, Reshape, GaussianNoisefrom ...

kaggle-地震预测-LANL Earthquake Prediction比赛记录1.baseline加入这次比赛的时间比较晚，所以直接先follow了别人的一个baseline来start找找思路，链接如下：https://www.kaggle.com/artgor/seismic-data-eda-and-baseline2.比赛记录时间：2019/04/17,10:35AM ...

解决方法：都用tensorflow导入即可：from tensorflow.keras import Sequentialfrom tensorflow.keras.layers import Dense,TimeDistributed,LSTM,Dropoutfrom tensorflow.keras.optimizers import RMSpropfrom tensorflo...