- 博客(9)
- 收藏
- 关注
RSS订阅原创 出现 ‘StatefulPartitionedCall_2‘ libdevice not found at ./libdevice.10.bc [[{{node StatefulPartition
[{{node StatefulPartitionedCall_2}}]] [Op:__inference_train_function_743]错误，发现是在keras构建神经网络的adam优化改为rmsprop后报错，应该是没有成功导入。[[{{node StatefulPartitionedCall_2}}]] [Op:__inference_train_function_743]错误。https://www.jianshu.com/p/de003ab935d1尝试一下这个用法。......
2022-08-14 02:59:27
1822
原创 ## 使用keras用gpu报错Num GPUs Available:0
确定安装了tensorflow-gpu版本cuda，cudnn（既有tensorflow，又有tensorflow-gpu不会有影响，因为我卸载tensorflow后在安装tensorflow-gpu在pip list后又会出现tensorflow）在pip install --user -i https://pypi.douban.com/simple/ tf-nightly-gpu。实用keras用gpu报错Num GPUs Available:0。需要安装tf-nightly-gpu。........
2022-08-12 23:03:35
2214
原创 机器学习一（4）特征降维与主成分
学习目标知道特征选择的嵌入式、过滤式以及包裹氏三种方式应用VarianceThreshold实现删除低方差特征了解相关系数的特点和计算应用相关性系数实现特征选择4.1 特征选择数据中包含冗余或无关变量（或称特征、属性、指标等），旨在从原有特征中找出主要特征。方法 Filter(过滤式)：主要探究特征本身特点、特征与特征和目标值之间关联方差选择法：低方差特征过滤相关系数- 特征与特征之间的相关程度皮尔逊相关系数取值范围：–1≤ r ≤+1 .
2020-11-06 21:16:32
904
原创 机器学习一（3）特征预处理
3.1概念含义：通过一些转换函数将特征数据转换成更加适合算法模型的特征数据过程，包含归一化、标准化目标：了解数值型数据、类别型数据特点应用MinMaxScaler实现对特征数据进行归一化应用StandardScaler实现对特征数据进行标准化意义：特征的单位或者大小相差较大，或者某特征的方差相比其他的特征要大出几个数量级，容易影响（支配）目标结果，使得一些算法无法学习到其它的特征。所以要无量纲化，使不同规格的数据转换到同一规格导入模块from sklearn.preprocessing i
2020-11-06 21:15:50
220
原创 机器学习一（2)特征提取（字典、中英文等）
- 目标应用DictVectorizer实现对类别特征进行数值化、离散化应用CountVectorizer实现对文本特征进行数值化应用TfidfVectorizer实现对文本特征进行数值化2.1特征提取将任意数据（如文本或图像）转换为可用于机器学习的数字特征，特征值化是为了计算机更好的去理解数据特征提取APIsklearn.feature_extraction2.2 字典特征提取作用：对字典数据进行特征值化sklearn.feature_extraction.DictVect
2020-11-06 21:14:16
1358
1
原创 机器学习一（1）特征工程介绍
机器学习（1）特征工程1.1数据集构成：特征值+目标值参考书籍：机器学习 -”西瓜书”- 周志华统计学习方法 - 李航深度学习 - “花书1.2 sklearn数据集sklearn.datasetsload_* 获取小规模数据集： sklearn.datasets.load_iris()fetch_* 获取大规模数据集： sklearn.datasets.fetch_20newsgroups(data_home=None,subset=‘train’)数据集的返回值： d
2020-11-06 17:29:37
207
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人