04 2020 档案
摘要：网上有不少解释，包括下面这张图片 光靠图片理解还是不够，而且特别容易理解反了。这里用一个实例进行讲解。 一个非常简单的数据集，包含...
阅读全文
摘要：AttributeError: module ‘tensorflow_core._api.v2.config’ has no att...
阅读全文
摘要：卸载 sudo apt-get purge teamviewer 下载任意版本 wget https://download.teamviewer.com/download/linux/version_14x/teamviewer_amd64.deb ...
阅读全文
摘要：卸载 下载任意版本 安装 可能出现以下报错，可以忽略 配置 其他常用命令
阅读全文
摘要：```source activate myenvpython -m ipykernel install --user --name myenv --display-name "Python (myenv)"```
阅读全文
摘要：source activate myenvpython -m ipykernel install --user --name myenv --display-name "Python (myenv)"
阅读全文
摘要：The parameters clipnorm and clipvalue can be used with all optimizers to control gradient clipping。 Keras的所有optimizer都可以使用clipno...
阅读全文
摘要：The parameters and can be used with all optimizers to control gradient clipping。 Keras的所有optimizer都可以使用 和`clipvalue`来防止梯度过大。
阅读全文
摘要：partial函数可以提高代码利用率和简洁性： from functools import partialdef power(base, exponent, bias): return base * exponent + biassquared =...
阅读全文
摘要：f = lambda X, y: X f(2,2)2 f([1,1]) () missing 1 required positional argument: 'y' f([1,1],[2,2])[1,1]
阅读全文
摘要：``` f = lambda X, y: X ``` ``` f(2,2) 2 ``` ``` f([1,1]) () missing 1 required positional argument: 'y' ``` ``` f([1,1],[2,2]) [1,1] ```
阅读全文
摘要：`prefetch`可以使CPU和GPU的使用率最大化。
阅读全文
摘要：def csv_reader_dataset(filepaths, repeat=1, n_readers=5, n_read_threads=None, shuffle_buffer_size=10000, ...
阅读全文
摘要：导入数据 X = pd.read_csv('./datasets/housing/housing.csv')X = X.sample(n=10)X.drop(columns = X.columns.difference(['longitude']), i...
阅读全文
摘要：导入数据 为了避免报错，先进行格式转换： 图解： 将数据集重复3次， 每次输出一个包括10个元素的batch。 如果不能刚好等分，例如 最后一个batch将包含剩下的元素 函数 函数 使用 函数前需要先
阅读全文
摘要：以如下模型为例， 两个Dense层都带有regularizer，因此都有regularization loss项。 访问 可以得到当前的regularization loss 当前状态下第一层和第二层的regularization loss分别是0.07213736和0.06456626。 下面验证
阅读全文
摘要：以如下模型为例， l2_reg = keras.regularizers.l2(0.05)model = keras.models.Sequential([ keras.layers.Dense(30, activation="elu", kern...
阅读全文
摘要：参考文献：Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Sy...
阅读全文
摘要：参考文献：Hands On Machine Learning with Scikit Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems 由于模型中存在regulariz
阅读全文
摘要：Loss函数 定义： 用法很简单，就是计算均方误差平均值，例如 Metrics函数 Metrics函数也用于计算误差，但是功能比Loss函数要复杂。 定义 这个定义过于简单，举例说明 输出结果 这个结果等价于 这是因为Metrics函数是 状态函数 ，在神经网络训练过程中会持续不断地更新状态，是有记
阅读全文
摘要：Loss函数 定义： keras.losses.mean_squared_error(y_true, y_pred) 用法很简单，就是计算均方误差平均值，例如 loss_fn = keras.losses.mean_squared_error a...
阅读全文
摘要：with tf.GradientTape(persistent=True) as tape: z1 = f(w1, w2 + 2.) z2 = f(w1, w2 + 5.) z3 = f(w1, w2 + 7.) z = [z1,z...
阅读全文
摘要：输出结果 输出结果 总结：如果对一个list 求微分，其结果将 自动求和 ，而不是返回 、`z2 z3 [w1,w2]`的微分。
阅读全文
摘要：``` A = np.matrix('3 1; 8 2') B = np.matrix('6 1; 7 9') ``` ``` A@B matrix([[25, 12], [62, 26]]) ```
阅读全文
摘要：A = np.matrix('3 1; 8 2')B = np.matrix('6 1; 7 9') A@Bmatrix([[25, 12], [62, 26]])
阅读全文
摘要：自定义损失函数 In statistics, the Huber loss is a loss function used in robust regression, that is less sensitive to outliers in data ...
阅读全文
摘要：自定义损失函数 In statistics, the Huber loss is a loss function used in robust regression, that is less sensitive to outliers in data than the squared error
阅读全文
摘要：输出结果 注意：如果key相同，第二个dict的item会覆盖第一个dict的item。
阅读全文
摘要：x = {'a': 1, 'b': 2} y = {'b': 3, 'c': 4} z = {**x, **y} 输出结果 {'a': 1, 'b': 3, 'c': 4} 注意：如果key相同，第二个dict的item会覆盖第一个dict的item...
阅读全文
摘要：官方说明： If both x and y are None, then this operation returns the coordinates of true elements of condition. The coordinates are r...
阅读全文
摘要：官方说明： If both x and y are None, then this operation returns the coordinates of true elements of condition. The coordinates are returned in a 2 D tenso
阅读全文
摘要：如果t是二维数组， 等价于 ；如果是三维数值， 等价于 。 和`np.newaxis`功能相同，都是增加维度。
阅读全文
摘要：如果t是二维数组，t[...,1]等价于t[:,1]；如果是三维数值，t[...,1]等价于t[:,:,1]。 tf.newaxis和np.newaxis功能相同，都是增加维度。 t=tf.constant([[1,2,3],[4,5,6]]) t[...
阅读全文
摘要：tf.keras.backend.learning_phase() The learning phase flag is a bool tensor (0 = test, 1 = train) to be passed as input to any K...
阅读全文
摘要：The learning phase flag is a bool tensor (0 = test, 1 = train) to be passed as input to any Keras function that uses a different behavior at train tim
阅读全文
摘要：from keras.models import Sequentialfrom keras.layers import Dense, Activationmodel = Sequential([ Dense(32, input_shape=(784,...
阅读全文
摘要：mdl_A = keras.models.load("mdl_A.hf")mdl_B_on_A = keras.models.Sequential(mdl_A.layers[:-1])mdl_B_on_A.add(keras.layers.Dense(1,...
阅读全文
摘要：需要注意的是，此时 和`mdl_B clone mdl_A mdl_B`互不影响。 只拷贝网络结构，不会拷贝权重等训练好的参数，因此 之后需要用 把`mdl_A`的参数也一同拷贝过去。
阅读全文
摘要：概率密度函数（PDF） 以高斯分布的概率密度函数（PDF）为例， $f(x)=\frac{1}{\sigma\sqrt{2\pi}} e^{ \frac{1}{2}\left(\frac{x \mu}{\sigma}\right)^2}$ 期望值$\mu$和方差$\sigma$确定之后，$f(x)$
阅读全文
摘要：概率密度函数（PDF） 以高斯分布的概率密度函数（PDF）为例， \(f(x)=\frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{1}{2}\left(\frac{x - \mu}{\sigma}\right)^2}\) 期望...
阅读全文
摘要：Wide & Deep 神经网络 2016年谷歌公司的Cheng等人发表的文章Wide & Deep Learning for Recommender Systems介绍了一种新的架构，Wide & Deep ANNs. 通过将输入层的部分或全部信...
阅读全文
摘要：Wide & Deep 神经网络 2016年谷歌公司的Cheng等人发表的文章Wide & Deep Learning for Recommender Systems介绍了一种新的架构，Wide & Deep ANNs. 通过将输入层的部分或全部信息直接与输出层相连接，简单的特征可以通过捷径（sho
阅读全文
摘要：参考文献：Géron, Aurélien. Hands On Machine Learning with Scikit Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems
阅读全文
摘要：参考文献：Géron, Aurélien. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Bui...
阅读全文
摘要：参考文献：Géron, Aurélien. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Bui...
阅读全文
摘要：最近准备写一篇关于自组织映射 (Self organizing map)的文章。SOM的代码很多，研究了一圈之后目前使用最顺手的是R语言的kohonen包。 这个kohonen包功能很丰富，但是接口不是特别合理。R语言包大部分是统计学家写的，功能强大，数学上严谨，但是不怎么考虑代码的规范和简洁。 k
阅读全文
摘要：最近准备写一篇关于自组织映射 (Self-organizing map)的文章。SOM的代码很多，研究了一圈之后目前使用最顺手的是R语言的kohonen包。 这个kohonen包功能很丰富，但是接口不是特别合理。R语言包大部分是统计学家写的，功能强大，数...
阅读全文
摘要：```python -c 'print("Hi")'Hi```
阅读全文
摘要：a=[2400,156000]b=[1950,126750]np.linalg.norm(a-b)29253.461333661013 a=[240,15600]b=[195,12675]np.linalg.norm(a-b)2925.346133366...
阅读全文
摘要：require(caTools)set.seed(101) sample = sample.split(data$anycolumn, SplitRatio = .75)train = subset(data, sample == TRUE)test =...
阅读全文
摘要：# reverse color rampcolors <- function(n, alpha = 1) { rev(heat.colors(n, alpha))} plot(NBA.SOM1, type = "counts", palette.n...
阅读全文
摘要：frac = .3df.groupby('b').apply(pd.DataFrame.sample, frac=.3) a bb 0 6 7 01 0 1 1 df.groupby('b', group_keys=Fal...
阅读全文
摘要：https://github.com/pages themes/cayman/issues/29 Disabling the "View on GitHub" button
阅读全文
摘要：https://github.com/pages-themes/cayman/issues/29 Disabling the "View on GitHub" button github: is_project_page: false ...
阅读全文
摘要：plt.pcolor(som.distance_map().T, cmap='bone_r') # plotting the distance map as background 这里的转置.T只是为了使得distnace小的地方颜色深，大的地方深色浅...
阅读全文
