东九南三之小记

最新推荐文章于 2025-07-23 07:50:33 发布

原创最新推荐文章于 2025-07-23 07:50:33 发布 · 604 阅读

·

0

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

小记专栏收录该内容

1 篇文章

订阅专栏

最近，很想很想做很多的事情，貌似总少根弦%……

已经两个月了，C++整了一个月，模式识别算法也弄了很久，HMM,CRF,SVM……，看了很多，程序也整了不少，只可惜没有时间来整理，暗下决心，年前一定全部整理出来……，但愿会如愿……

最近做了一个项目，涉及到了RS485上位机，和GPRS通信，还有一些数字电路设计，……，没有太大的困难，一切如愿……

都说魔都很诱人，夜很美，而我似乎只感受到冷，……

博客等级

码龄13年

12
原创

12
点赞

84
收藏

7
粉丝

关注

私信

热门文章

分类专栏

展开全部收起

上一篇：: HMM模型之序言

下一篇：: 封装分类问题

最新评论

GitHub深度神经网络DBNs有关输入矩阵，标签矩阵，相关参数设置疑问，求指点！！！！！
似真似幻: 你好，我最近想使用DBN进行数据降维也遇到了这个问题，标签矩阵不知道如何设置请问大佬可以传授下经验吗[code=python] def test_dbn(pretrain_lr=0.1, pretraining_epochs=100, k=1, \ finetune_lr=0.1, finetune_epochs=80): x = numpy.array([[1, 1, 1, 0, 0, 0], [1, 0, 1, 0, 0, 0], [1, 1, 1, 0, 0, 0], [0, 0, 1, 1, 1, 0], [0, 0, 1, 1, 0, 0], [0, 0, 1, 1, 1, 0]]) y = numpy.array([[1, 0], [1, 0], [1, 0], [0, 1], [0, 1], [0, 1]]) # generates random numbers for bias and weights for machine learning rng = numpy.random.RandomState(123) # 关注输入矩阵及其维度6，Label矩阵及其维度2，至于隐藏层大小自己设置 # construct DBN dbn = DBN(input=x, label=y, n_ins=6, hidden_layer_sizes=[3, 3], n_outs=2, numpy_rng=rng) [/code] 源代码中的 Y是标签矩阵我想把 X Y 换成我的数据但不知道Y如何设置
Linux-DTS基础
join_sheng: 我可以转载一下吗？
GitHub深度神经网络DBNs有关输入矩阵，标签矩阵，相关参数设置疑问，求指点！！！！！
-阿发: 小弟计算机专业硕士，最近被老师要求看深度学习，刚好用到这个DBN工具，不过我也是机器学习的新手，谈谈我个人对你提出的几个疑问的理解把，希望对你有帮助。疑问1 answer: train_x中的矩阵为60000*784 表明有60000个训练样本，每一个样本提取了784个特征，你的设置没问题。疑问2 answer: train_y中的矩阵为60000*10，说说这个矩阵吧，其实这个测试代码是用来训练手写数字分类器的，数字0-9有10个，因此每一个样本都有10种可能，train_y是和train_x一一对应的，train_y中每个样本的设置要按照train_x中样本所属的类别设置，即将对应类别设为1，其它为0，举例:若train_x中第一个样本为数字5提取的特征，那么train_y中第一个样本设置为0000010000若train_x中第二个样本为数字0的特征，train_y中的第二个样本设置为1000000000。只要保证同一类别的样本在train_y中的设置一致就可以，并且不与其他类别样本设置发生冲突。你的设置也是没问题的。疑问3 answer: dbn.size 代表的是隐含层的结点数，样例代码中的各层结点数为784*100*100*10，分为四层输入层784(特征784)，隐含层100 100 有两个隐含层，通过dbn.size设置。输出层10(数字0-9有10种结果), 通过nn = dbnunfoldtonn(dbn, 10);设置，因此你的输出应该为8个。故应该这样设置nn = dbnunfoldtonn(dbn, 8); 疑问4，5，6，7 .我现在还不是太清楚具体的设置，不过觉得和训练性能、准确度优化有关吧。另外你最后一个疑问: 这个我给你解释一下吧，因为DBN最后一步为有监督的BP神经网络，因此数据集要分为训练集和测试集，顾名思义，训练集是用来训练分类器，测试集用来测试分类器的准确度。因此要对原始数据进行划分，一般的划分是70%训练集 30%测试集。因此，你要将你的424的样本分为训练集和测试集。

大家在看

最新文章

目录

展开全部

收起

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。