文本分类训练集

yolov8实战之torchserve服务化：使用yolov8x来预打标

实测yolov8x在数据集上的效果比小模型要好不少，所以想法是用yolov8x来预打标，然后选择一些置信度高的样本加到训练集来训练yolov8n，减少标注的成本。
CodingInCV·2023-08-26 11:21

【NLP保姆级教程】手把手带你RNN文本分类(附代码)

本文首发于微信公众号：NewBeeNLP写在前面这是NLP保姆级教程的第二篇----基于RNN的文本分类实现（TextRNN）参考的的论文是来自2016年复旦大学IJCAI上的发表的关于循环神经网络在多任务文本分类上的应用
kaiyuan_nlp·2023-08-26 11:25

使用管道工具

HuggingFace本身就是一个模型库，包括了很多经典的模型，比如文本分类、阅读理解、完形填空、文本生成、命名实体识别、文本摘要、翻译等，这些模型即使不进行任何训练也能直接得出比较好的预测结果。
NLP日志录·2023-08-26 10:07

Prompt Tuning 和instruct tuning

以bert作为举例，假设任务是文本分类。“今天天气很好。”我们想判断一下这句话的情感是正面还是负面fine-tune的方法是在bert之后接一个head，然后调整整个模型。
泯灭XzWz·2023-08-26 10:04

【深度学习_TensorFlow】过拟合

此时，算法在训练集上表现一般，但在测试集上表现较差，泛化性能不佳。过拟合：是指模型在训练数据上表现很好，但在测试数据上表现不佳。这是由于模型过于复杂，记住了训练数据中的噪声和模式，而没有学到一般规则。
畅游星辰大海·2023-08-26 09:19

土豆叶病害识别（Python代码，pyTorch框架，深度卷积网络模型，很容易替换为其它模型，带有GUI识别界面）

晚期枯萎病）Healthy（正常））Early_Blight照片（有1303张）Late_Blight照片（有1132张）Healthy照片（有816张）2，本次项目文件夹data文件夹存放的是未被划分训练集和测试集的原始照片
深度学习的奋斗者·2023-08-26 06:19

超越界限：大模型应用领域扩展，探索文本分类、文本匹配、信息抽取和性格测试等多领域应用

超越界限：大模型应用领域扩展，探索文本分类、文本匹配、信息抽取和性格测试等多领域应用随着ChatGPT和GPT-4等强大生成模型出现，自然语言处理任务方式正在逐步发生改变。
汀、人工智能·2023-08-26 05:36

Bagging 和 Boosting

区别：1）样本选择上：Bagging：训练集是在原始集中有放回选取的，从原始集中选出的各轮训练集之间是独立的。Boosting：每一轮的训练集不变，只是训练集中每个样例在分类器中的权重发生变化。
苏啦啦哇咔咔·2023-08-26 04:54

基于Python的机器学习实践（portein）

（5）查看模型（6）模型预测（7）结果输出数据集https://download.csdn.net/download/llf000000/86724465简介机器学习最担心的事情：过拟合（训练出模型在训练集里准确率非常高
pythonSuperman·2023-08-26 03:40

数据增强：提高机器学习性能的有效技巧

文章目录1.数据增强的概念和意义2.常用的数据增强技巧2.1图像数据增强2.2文本数据增强3.数据增强在机器学习中的应用3.1图像分类3.2目标3.3语义分割3.4文本分类3.5生成对抗网络（GAN）4
IT·陈寒·2023-08-25 22:04

learning time-series shapelets论文阅读

LearningTime-SeriesShapelets前言在最早期的shapelets模型中，一条shaplets是从一个时间序列训练集中的所有时间序列中抽取一个最具代表性的。
TTTRX·2023-08-25 21:16

tensorflow 中batch normalize 的使用

但是最近在调slim中的resnet的时候，发现训练集有很高的accuracy（如90%），但是测试集的accuracy还是很低（如0%，1%），这肯定不是由于欠拟合或者过拟合导致的。
LanWong·2023-08-25 20:50

sklearn实战01：决策树

使用流程fromsklearnimporttree#导入需要的模块clf=tree.DecisionTreeClassifier()#实例化clf=clf.fit(X_train,y_train)#用训练集数据训练模型
不会产品的码农不是好的运营·2023-08-25 14:23

几个nlp的小项目（文本分类）

几个nlp的小项目（文本分类）导入加载数据类、评测类查看数据集精确展示数据测评方法设置参数tokenizer，token化的解释对数据集进行预处理加载预训练模型进行训练设置训练模型的参数一个根据任务名获取
码manba·2023-08-25 07:51

【机器学习7】特征缩放

特征缩放特征缩放的重要性归一化标准化更高级的缩放方法导入数据集&将数据集划分为训练集和测试集Sklearn-Learn算法实现归一化Sklearn-Learn算法实现标准化特征缩放的重要性特征缩放是数据预处理中一个容易被遗忘的步骤
釉色清风·2023-08-25 05:52

单一验证、k折交叉验证（特例：留一法（LOOCV））、交叉验证确定最优超参数

一、单一验证1、单一训练集和测试集最简单的样本集划分就是只有训练集和测试集，而没有验证集，因此无法利用验证集反过来对模型参数进行调整。
马尔代夫Maldives·2023-08-24 23:26

NLP（三十）利用ALBERT和机器学习来做文本分类

在文本分类中，有两个大的思路，一个是机器学习，主要是利用n-gram等特征将文本转化为特征向量，这种方法便于
山阴少年·2023-08-24 23:38

FCOS 代码 （train过程）

原代码采用的训练集是coco_2014_trainDATASETS:TRAIN:("coco_2014_train","coco_2014_valminusminival")TEST:("coco_2014
匿名的魔术师·2023-08-24 20:20

使用 T5 模型来做文本分类任务的一些总结

文章目录T5text2text模型如何做textclassification？优化器和调度器(optimizerandscheduler)学习率设置完整训练代码ReferenceT5paper：ExploringtheLimitsofTransferLearningwithaUnifiedText-to-TextTransformerT5本身是一个Text-to-Text模型，但其不仅仅能做传统的
friedrichor·2023-08-24 15:58

超越界限：大模型应用领域扩展，探索文本分类、文本匹配、信息抽取和性格测试等多领域应用

超越界限：大模型应用领域扩展，探索文本分类、文本匹配、信息抽取和性格测试等多领域应用随着ChatGPT和GPT-4等强大生成模型出现，自然语言处理任务方式正在逐步发生改变。
·2023-08-24 15:22

3.贝叶斯分类器

贝叶斯定理设试验E的样本空间为S,A为E的事件,为样本空间S的一个划分,且,则有朴素贝叶斯算法输入1.训练集2.实例输出算法步骤1.先验概率的极大似然估计2.条件概率的极大似然估计3.朴素贝叶斯法假设：
BlueFishMan·2023-08-24 12:31

苹果叶病害识别（Python代码，pyTorch框架，预训练好的VGG16模型，也很容易替换为其它模型，带有GUI识别界面）

Torch>=1.13.1即可1.数据集介绍：AppleScab类文件夹图片BlackRot类文件夹图片CedarAppleRust文件夹healthy文件夹2.整个项目data文件夹存放的是未被划分训练集和测试集的原始照片
深度学习的奋斗者·2023-08-24 04:20

甜椒叶病害识别（Python代码，pyTorch框架，深度卷积网络模型，很容易替换为其它模型，带有GUI识别界面）

代码运行要求：Torch>=1.13.1即可1.数据集介绍：第一个文件夹是细菌斑叶（3460张）第二个文件夹是健康（4024张）2.整个文件夹data文件夹存放的是未被划分训练集和测试集的原始照片picture
深度学习的奋斗者·2023-08-24 04:50

苹果叶病害识别（Python代码，pyTorch框架，深度卷积网络模型，很容易替换为其它模型，带有GUI识别界面）

Torch>=1.13.1即可1.数据集介绍：AppleScab类文件夹图片BlackRot类文件夹图片CedarAppleRust文件夹healthy文件夹2.整个项目data文件夹存放的是未被划分训练集和测试集的原始照片
深度学习的奋斗者·2023-08-24 04:20

Datawhale零基础入门NLP赛事 - Task1 赛题理解

赛题理解赛题名称：零基础入门NLP之新闻文本分类赛题目标：通过这道赛题可以引导大家走入自然语言处理的世界，带大家接触NLP的预处理、模型构建和模型训练等知识点。
AugBoost·2023-08-24 02:30

《Machine Learning Yearning》笔记

设置开发集与测试集在大数据时代来临前，机器学习中的普遍做法是使用70%/30%的比例来随机划分出训练集和测试集。
苏慕漓·2023-08-24 02:58

交叉熵、KL散度和极大似然

www.cnblogs.com/arkenstone/p/10524720.htmlA和B的KL散度=A和B的交叉熵-A的熵:a.当A的熵为常亮时，KL散度和交叉熵是等价的b.模型使用交叉熵作为损失函数，实际上是学习训练集的数据分布
7ccc099f4608·2023-08-24 01:44

机器学习之K近邻与支持向量机

2、数据了解和数据准备数据集包含着MASS包里面，一个数据框是Pima.tr，另一个是Pima.te，两个数据框的数据结构都是一样的，我们将他合并，再划分训练集和测试集。
changlugen·2023-08-23 21:42

DataLoader PyTorch 主要参数的含义

您给出的两个字典（dictionary）分别是训练集（trainset）和测试集（testset）的数据加载参数，下面我会逐一解释它们的含义和默认值：举例演示：假设prefetch_factor=2，batch_size
子燕若水·2023-08-23 14:41

机器学习笔记 - 使用 AugMix 增强图像分类模型的鲁棒性

例如，当使用不同的相机进行推理时，照明条件、对比度、颜色失真等可能与训练集不同，并显着影响模型的性能。为了应对这一挑战，Hendrycks等人提出了AugMix算法。
坐望云起·2023-08-23 12:41

【动手学深度学习】--18.图像增广

结合多种图像增广方法2.使用图像增广进行训练3.训练图像增广官方笔记：图像增广学习视频：数据增广【动手学深度学习v2】图像增广在对训练图像进行一系列的随机变化之后，生成相似但不同的训练样本，从而扩大了训练集的规模
小d<>·2023-08-23 12:08

pytorch_pretrained_bert换成transformers踩坑

本文以文本分类为例叙述步骤1、前向传播时，pytorch_pretrained_bert是以下内容_,pooled=self.bert(context,token_type_ids=types,attention_mask
余俊晖·2023-08-23 11:18

NLP | 基于LLMs的文本分类任务

比赛链接：讯飞开放平台来源：DataWhaleAI夏令营3（NLP）Roberta-base（BERT的改进）①Roberta在预训练的阶段中没有对下一句话进行预测（NSP）②采用了动态掩码③使用字符级和词级别表征的混合文本编码。论文：https://arxiv.org/pdf/1907.11692.pdfDataWhaleTopline的改进：特征1：平均池化MeanPooling(768维)-
秋田刀鱼·2023-08-23 07:36

nlp系列（7）三元组识别（Bi-LSTM+CRF）pytorch

模型介绍在实体识别中：使用了Bert模型，CRF模型在关系识别中：使用了Bert模型的输出与实体掩码，进行一系列变化，得到关系Bert模型介绍可以查看这篇文章：nlp系列（2）文本分类（Bert）pytorch_bert
牧子川·2023-08-23 07:06

第8章：集成学习

随机：一个是训练集的随机，一个是属性的随机（每次在当前属性中随机取
why151·2023-08-23 06:16

深度学习入门教学——二分分类

训练集由m个训练样本组成，即，其中表示样本1的输入和输出，以此类推。m_test：样本数量。多维矩阵X来表示数据集：，即nx*m维矩阵
恣睢s·2023-08-22 19:16

茶叶病害识别(Python代码，pyTorch框架，深度卷积网络模型，很容易替换为其它模型，带有GUI识别界面)

每个类都包含100多个图像)2.每类照片展示3整体文件夹data文件夹存放的是未被划分训练集和测试集的原始照片picture文件夹存放的
深度学习的奋斗者·2023-08-22 17:50

番茄（西红柿）叶病害识别（Python代码，pyTorch框架，深度卷积网络模型，很容易替换为其它模型，带有GUI识别界面）

Torch>=1.13.1即可1.数据集介绍：每一个文件夹里装有一类病害叶子的照片，一共10种类别，每种类别下有1100张照片从第一类到第十类分别如下图所示2.整体文件夹data文件夹存放的是未被划分训练集和测试集的原始照片
深度学习的奋斗者·2023-08-22 17:46

Pytorch-day04-模型构建-checkpoint

PyTorch模型构建1、GPU配置2、数据预处理3、划分训练集、验证集、测试集4、选择模型5、设定损失函数&优化方法6、模型效果评估#导入常用包importosimportnumpyasnpimporttorchfromtorch.utils.dataimportDataset
闪闪发亮的小星星·2023-08-22 15:22

机器学习参数优化数据改用所有数据还是训练集

参数优化过程中所用数据应该用训练集（占所有数据的一部分），如果用所有数据会导致模型评估的所有结果都偏高，因为这些评估都涉及测试集，如果用所有数据进行训练，导致测试集预测结果大部分都正确，所以准确率，auc
Z_W_H_·2023-08-22 11:13

YOLOv5源码中的参数超详细解析（5）— 验证部分val（test）.py

通常在机器学习或深度学习的任务中，我们会将数据集分为训练集和验证集，使用训练集来训练模型，然后使用验证集来评估模型的性能。val.py包含了验证集上的代码实现，用于评估模型的准确性、精度或其他指标。
小哥谈·2023-08-22 09:59

【大模型】二 、大语言模型的基础知识

它们通常通过在大量文本数据上进行预训练，学习到语言的各种模式和结构，然后可以进行微调，以适应各种具体的任务，如文本分类、情感分析、问答系统等。这些模型在理解复杂的
IT界的小小小学生·2023-08-22 03:22

YOLO目标检测——矿石数据集图片下载分享

矿石图片，其中训练集包括“玄武岩”、“花岗岩”、“大理石”、“石英岩”、“煤”、“石灰石”、“砂岩”七种矿石图片。测试集包括24张相应的七种矿石图像。
YOLO数据集工作室·2023-08-21 22:27

Dropout (nn.Dropout()) (为什么神经网络中的dropout可以作为正则化)(model.eval())(为什么Dropout可看作是一种集成学习)

Dropout的probability，实践中最常用的是0.5(或0.1，0.05)Dropout不能用于测试集，只能用于训练集！！！即就比如这样可以认出来这样依然可以一般情况，d
hxxjxw·2023-08-21 21:05

葡萄目标检测（yolov8模型，无需修改路径，python代码，解压缩后直接运行）

yolov8模型，无需修改路径，python代码，解压缩后直接运行）_哔哩哔哩_bilibili1.采用yolov8模型models文件夹保存的是yolov8的训练好的模型参数PinotNoir文件夹存放的是训练集
深度学习的奋斗者·2023-08-21 16:07

01.机器学习引言

1.机器学习的步骤1.数据搜集其中数据划分，是将数据集分为训练集、验证集和测试集（通常不考虑时间）2.数据清洗3.特征工程提取对象：原始数据（特征提取一般在特征选择之前）提取目的：自动地构建新的特征，将原始数据转换为一组具有明显物理意义
Tiny_G·2023-08-21 16:00

03.有监督算法——决策树

1.决策树算法决策树算法可以做分类，也可以做回归决策树的训练与测试：训练阶段：从给定的训练集构造出一棵树（从根节点开始选择特征，如何进行特征切分）测试阶段：根据构造出来的树模型从上到下走一遍一旦决策树构建好了
Tiny_G·2023-08-21 12:11

2023实习面经

如果文本分类的标签有多个，比如一个文本同时属于多个label那怎么办？
无枒·2023-08-21 11:04

数据集的划分，验证集参与训练了吗？

三、数据集的划分比例前言在周志华老师的《机器学习》这本书中，我们知道训练机器学习以及深度学习的模型的时候，对数据集需要进行划分，通常划分成训练集和测试集，一般我们还会对训练集进行再划分一部分作为验证集。
无枒·2023-08-21 11:33

头疼！卷积神经网络是什么？CNN结构、训练与优化一文全解

本文全面探讨了卷积神经网络CNN，深入分析了背景和重要性、定义与层次介绍、训练与优化，详细分析了其卷积层、激活函数、池化层、归一化层，最后列出其训练与优化的多项关键技术：训练集准备与增强、损失函数、优化器
·2023-08-21 10:18
上一页 29 30 31 32 33 34 35 36 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他