- 博客(15)
- 收藏
- 关注
RSS订阅原创 如何创建模型对应的环境
【说明】：其中-f https://download.pytorch.org/whl/torch_stable.html 是指定到pytoch官网下载对应的包，然后-i https://pypi.tuna.tsinghua.edu.cn/simple 是指定镜像；.）,注意，cuda是可以向下兼容的，所以如果你cuda版本是12.1，你也可以装cuda 9.2的pytoch！（有时候是这样的，作者的文件夹删了一些，然后上传，最后有些文件夹没找到，就会报这个错误）到此，环境安装成功，我们去测试一下代码！
2023-07-04 11:40:08
424
2
原创 TransE代码理解
论文地址：https://proceedings.neurips.cc/paper_files/paper/2013/hash/1cecc7a77928ca8133fa24680a88d2f9-Abstract.html。由此可以看出，这里是把实体（关系）用一个50维的嵌入向量表示，一个思路就是嵌入维度越大，所能表示的特征越多。参考代码地址：https://github.com/zulihit/TransE。
2023-05-11 16:40:15
344
1
原创 数据不平衡——类加权
简单介绍了Tensorflow深度学习框架的运算流程之后，引入一个具体案例，并使用Tensorflow对数据进行 分析。在数据分类的研究中，普遍存在类别分布不平衡的问题，即某一类别的样本数量远远多于另一类，具有这样特征的数据集视为不平衡。我们将使用Kaggle 上托管的 Credit Card Fraud Detection 数据集，目的是从总共 284,807 笔交易中检测出仅有的 492 笔欺诈交易。我们需要做的就是定义模型和类权重，从而帮助模型从不平衡数据中学习。具体流程：数据处理与浏览
2023-04-27 21:30:03
633
原创 2-数据分析
创建一个数值列的集合。在传参的时候使用 functools.partial，functools.partial 由使用每个列的均值进行标准化的函数构成。使用 tf.feature_column API 创建一个 tf.feature_column.indicator_column 集合，每个 tf.feature_column.indicator_column 对应一个分类的列。将这两个特征列的集合相加，并且传给 tf.keras.layers.DenseFeatures 从而创建一个进行预处理的输入层。
2023-04-21 15:27:04
318
原创 TensorFlow入门
将 optimizer 类设置为 adam，将 loss 设置为您之前定义的 loss_fn 函数，并通过将 metrics 参数设置为 accuracy 来指定要为模型评估的指标。使用 losses.SparseCategoricalCrossentropy 为训练定义损失函数，它会接受 logits 向量和 True 索引，并为每个样本返回一个标量损失。这个未经训练的模型给出的概率接近随机（每个类为 1/10），因此初始损失应该接近 -tf.math.log(1/10) ~= 2.3。
2023-04-20 20:56:22
105
原创 关于C++全排列问题
关于C++全排列问题一、全排列是什么？二、使用步骤1.引入库2.库函数求解全排列代码3.递归求解全排列总结文章目录一、全排列是什么？二、使用步骤1.引入库2.库函数求解全排列代码3.递归求解全排列总结一、全排列是什么？从n个不同元素中取出m个元素的一个排列。当m=n时所有的排列情况叫全排列。例：A B C的全排列A B CA C BB A CB C AC A BC B A即所有的情况为n的阶乘(n!)二、使用步骤1.引入库代码如下：#include<iostream&g
2020-09-06 22:20:11
2027
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