调参

LightGBM+Optuna 建模自动调参教程

在kaggle机器学习竞赛赛中有一个调参神器组合非常热门，在很多个top方案中频频出现LightGBM+Optuna。
Python数据挖掘·2023-08-02 00:54

动手学深度学习——实战Kaggle比赛：预测房价（代码详解+调参优化）

目录1.下载和缓存数据集2.Kaggle3.访问和读取数据集4.数据预处理5.训练6.K折交叉验证7.模型选择8.提交Kaggle预测9.调参优化1.下载和缓存数据集数据集百度云：链接：https://
緈福的街口·2023-08-01 21:24

[Pytorch]手写数字识别——真·手写！

/pytorchTutorials/tree/main本教程创建于2023/7/31，几乎所有代码都有对应的注释，帮助初学者理解dataset、dataloader、transform的封装，初步体验调参的过程
雕雀桑·2023-08-01 11:45

自然语言处理，Datawhale 夏令营，学习笔记7.27

前言因为大学上过商业数据分析，这个活动的任务一文本二分类，对我而言只是从几个熟悉的模型（逻辑回归、SVC、朴素贝叶斯等）里跑跑分调调参。任务二：从论文标题、摘要作者等信息，提取出该论文关键词。
m0_65095388·2023-08-01 10:49

Python pytorch的一个简单封装(最简调参,自适应Size)

文章目录什么是PytorchTorchTools功能及其简介构成实例代码可使用对象数据网络结构Utils代码什么是PytorchPyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。2017年1月，由Facebook人工智能研究院（FAIR）基于Torch推出了PyTorch。它是一个基于Python的可续计算包，提供两个高级功能：1、具有强大的GPU加速的
纸墨青鸢·2023-07-31 15:21

2020-06-05-pytorch调参

1.学习率 非常重要，设得太大，模型会发散，直接崩了；过小，则一直震荡，无法跳出局部最优解。看这里来通过一定的手段学习最佳学习率。deffind_lr(init_value=1e-8,final_value=10.,beta=0.98):num=len(trn_loader)-1mult=(final_value/init_value)**(1/num)lr=init_valueoptimizer
一个好梦·2023-07-31 15:21

模型调参原则及基本策略

文章目录炼丹总原则不同情况下的炼丹策略1.训练集效果很差2.训练集效果好、验证集效果差3.训练集效果好、验证集效果好、测试集效果差参考炼丹总原则图来自参考链接[1]首先对于所有的深度学习模型，我们都希望达到的最终目的：它能够真正解决实际问题。这也就意味着不仅需要它们在见过的数据集上表现好(训练集、甚至包括测试集)，还要在未来的生产环境中对未知数据的表现也要足够好，这对我们“炼丹”工程师也就提出了要
我是大黄同学呀·2023-07-31 15:21

pytorch使用Ray-tune对原有训练模型的代码改写，自动调参（一）

借助Ray-tune可以对pytorch自动调参，下面就一步步地改写，从原始的训练代码慢慢变为可以自动调参的代码的教程•保姆级：文章目录安装依赖pytorch模型改写至自动调参步骤1：原有代码要跑通步骤
呆萌的代Ma·2023-07-31 15:51

pytorch 优化器 机器学习 调参

torch.optim如何使用optimizer构建为每个参数单独设置选项进行单次优化optimizer.step（）optimizer.step(closure)算法如何调整学习率torch.optim是实现各种优化算法的包。最常用的方法都已经支持，接口很常规，所以以后也可以很容易地集成更复杂的方法。如何使用optimizer要使用torch.optim，您必须构造一个optimizer对象。这
weixin_ry5219775·2023-07-31 15:20

【pytorch】深度学习模型调参策略（一）：选择架构，优化器及批大小

目录指导假设1.选择模型架构2.选择优化器3.选择批量大小为什么不应该调整批量大小来直接提高验证集性能？确定可行的批处理大小并估算训练吞吐量更改批处理大小通常需要重新调整大多数超参数模型调优的基本策略选择初始配置增量调整策略探索与利用指导假设已经完成了足够的问题形成、数据清洗等基本工作，因此花费时间在模型架构和训练配置上是有意义的。已经设置了一个管道来进行训练和评估，而且很容易执行各种感兴趣模型的
颢师傅·2023-07-31 15:50

【STM32】使用HAL库进行电机速度环PID控制，代码+调参

主控：STM32F103C8T61.电机测速在进行速度控制之前，我们首先需要进行速度采样，这里参见这篇博文2.电机驱动这里不细说电机驱动模块的选型和使用，而是说一个常见的误区。我们驱动电机要使用两路PWM，一般是一路给PWM信号，一路是纯低电平。但这其实是不好的，正确的做法是一路给PWM，另一路给纯高电平。此时PWM的占空比越低，电机的速度越快。如果大家使用的是类似于A4950或者DRV8870这
骇客小狗·2023-07-31 14:31

【xgboost】XGBoost

保留部份GBDT属性1.5Boosting算法的改进历程2.sklearn接口(回归)2.1导库&数据2.2sklearnapi普通训练2.3sklearnapi交叉验证2.4查看属性接口2.5参数意义&调参指导
rejudge·2023-07-30 20:08

2023最新ChatGPT商业运营版网站源码+支持ChatGPT4.0+GPT联网+支持ai绘画(Midjourney)+支持Mind思维导图生成

支持GPT3模型、GPT4模型Midjourney专业绘画（全自定义调参）、Midjourney以图生图、Dall-E2绘画Mind思维导图生成应用工作台（Prompt）AI绘画广场自定义聚合套餐风控系统
只恨天高·2023-07-30 16:58

【AutoGluon_02】更优精度与特征重要性

autogluon2、快速使用3、模型训练4、更高的输出精度5、模型评估（1）模型排行榜（2）输出各特征重要性（3）模型性能可视化6、输出最终模型7、预测除了autogluon最基础的模型之外，还可以对其进行调参等操作
fzu-wenxin·2023-07-29 10:17

模型调参及优化

调参调权重参数，偏置参数训练数据集用来训练参数w，b调超参数验证数据集用来选择超参数学习率lr，隐藏层大小等如何调参当泛化误差和训练误差都没有降下去说明欠拟合；当训练误差降下去，但泛化误差出现上升形式，
他是一个俗人啊·2023-07-29 06:24

深度学习调参指南

1.选择合适的模型架构模型的结构(层数和宽度)，参数配置，尽量用已经有效的模型2.选择优化器针对具体的问题，从选择常用的优化器开始，进行比较3.选择BatchSize1).BatchSize决定训练速度，但是不影响验证集性能2).通常选择最大可支持的BacthSize3).增加BatchSize减少训练时间，但是资源消耗不一定变化4).任意BatchSize都可以得到相同的最终性能(当超参数调整好
Tancenter·2023-07-29 05:03

深度学习调参指南

深度学习调参指南：优化性能与资源消耗的平衡欢迎来到深度学习调参的指南！本篇博客适用于对最大化深度学习性能感兴趣的工程师和研究人员，前提是你具备机器学习和深度学习概念的基本知识。
妹妹打羽毛球吗️·2023-07-28 22:32

【Python机器学习】实验04(2) 机器学习应用实践--手动调参

文章目录机器学习应用实践1.1准备数据此处进行的调整为：要所有数据进行拆分1.2定义假设函数Sigmoid函数1.3定义代价函数1.4定义梯度下降算法gradientdescent(梯度下降)此处进行的调整为：采用train_x,train_y进行训练1.5绘制决策边界1.6计算准确率此处进行的调整为：采用X_test和y_test来测试进行训练1.7试试用Sklearn来解决此处进行的调整为：采
Want595·2023-07-28 22:59

GBDT的参数空间与超参数优化

定义目标函数、参数空间、优化函数、验证函数step4：训练贝叶斯优化器step5：修改搜索空间step6：继续修改搜索空间丰富的超参数为集成算法提供了无限的可能，以降低偏差为目的的Boosting算法们在调参之后的表现更是所向披靡
talle2021·2023-07-28 16:08

x264低时延低码率高质量调参

h264解码延迟优化_H264编码参数优化：参考文章：VideoCodecsAnalysisandTuning，文档下载地址：http://www.yuvsoft.com/pdf/x264_parameters_comparison.pdf文章中详细比较了48种不同x264参数组合，比较得到如下6类最优的x264编译参数，我将文章中的x264参数转化为ffmpge命令参数如下：1)fastestp
百鸣·2023-07-27 12:23

机器学习前言

机器学习通常更注重对大规模数据的处理和复杂模型的构建，而统计学则更加强调参数估计、假设检验等统计推断的理论基
Studying 开龙wu·2023-07-27 07:38

cartographer学习之调参小结

cartographer使用过程中也涉及到了很多的参数调整，不同的参数对算法的影响是不同的。这里简单记录一下一些常调的参数以及一些比较重要的参数。1、常调的参数TRAJECTORY_BUILDER_2D.min_range=0.3TRAJECTORY_BUILDER_2D.max_range=100TRAJECTORY_BUILDER_2D.min_z=0.2雷达参数的最大最小距离，以及z轴的高度
一叶执念·2023-07-26 19:11

4月1号GBDT调参的实验报告

一实验目的：通过调参进一步熟悉GBDT的模型特性，方便下一步优化模型做回归的效能二实验内容：1.观察弱学习器个数（也就是决策树的个数）与GBDT模型预测的预测偏差（预测值与真实值的均方差MSE）以及模型运行速度的关系
伍之杨·2023-07-26 15:42

2023最新AI创作系统+支持思维导图生成+支持ChatGPT3模型/GPT4模型/Midjourney专业绘画（全自定义调参）/Dall-E2绘画/MJ以图生图

支持微信环境静默登录、浏览器中微信主动扫码登录、邮箱注册登录支持GPT3模型、GPT4模型、Midjourney专业绘画（全自定义调参）、Dall-E2绘画、MJ以图生图应用工作台、mind思维导图、绘画广场支持直接对接微信官方支付
只恨天高·2023-07-26 10:44

最新Ai创作源码ChatGPT商用运营源码/支持GPT4.0+支持ai绘画+支持Mind思维导图生成

支持GPT3模型、GPT4模型Midjourney专业绘画（全自定义调参）、Midjourney以图生图、Dall-E2绘画Mind思维导图生成应用工作台（Prompt）AI绘画广场自定义聚合套餐风控系统
只恨天高·2023-07-26 10:41

MMDetection3.0环境配置(ubuntu20.04 + miniconda)

MMDetection3.0环境配置配置环境试用SOLO之后，总感觉和MaskR-CNN比还差点意思，不论是精度还是速度，好像都没有作者说的那么强，不清楚是不是自建数据集的限制，或者因为没有调参影响了学习效果有兴趣的可以看原文配置训练试试实例分割
Pertance·2023-07-26 05:18

第十九章 番外篇：google-research《深度学习调参指南》

DeepLarningTuningPlaybook：深度学习调参指南为什么会有调参指南？
江米江米·2023-07-25 16:43

xgboost算法使用grid_search 来调参

xgboost算法调参XGBoost的作者把所有的参数分成了三类：1通用参数：宏观函数控制。
阿君聊风控·2023-07-25 14:25

强化学习从基础到进阶–案例与实践[8]：近端策略优化（proximal policy optimization，PPO）算法

【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理+项目实战、相关技巧（调参、画图等、趣味项目实现、学术应用项目实现专栏详细介绍：【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理
汀、人工智能·2023-07-25 08:54

每天五分钟机器学习：常用的参数寻优方法——k折交叉验证

训练集用于训练模型，验证集用于调参，测试集用于测试调参之后的模型效果。
幻风_huanfeng·2023-07-25 01:03

【机器学习】吃瓜教程 | 西瓜书 + 南瓜书 （1）

2、基本术语3、假设空间4、归纳偏好5、发展历程二、模型评估与选择A、一种训练集一种算法2.1经验误差与过拟合2.2评估方法a)留出法b)交叉验证法c)自助法d)调参与最终模型2.3性能度量a)错误率与精度
湫喃·2023-07-24 14:02

机器学习算法调参

1、机器学习算法中如何选取超参数https://www.cnblogs.com/bonelee/p/8578481.html2、梯度下降分类https://blog.csdn.net/legend_hua/article/details/80633525
是黄小胖呀·2023-07-24 12:40

【Linux】vm.min_free_kbytes内核参数

1简介vm.min_free_kbytes是用于linux内核的vm.min_free_kbytessysctl可调参数。
小白鸽i·2023-07-23 01:59

参加本尚书院运营的复盘+20210501

第一次会议：4月28晚碰头会议1.强调参加本尚书院打仗的重要性。
晴朗的天空_7f3f·2023-07-22 12:13

强化学习从基础到进阶--案例与实践[7.1]：深度确定性策略梯度DDPG算法、双延迟深度确定性策略梯度TD3算法详解项目实战

【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理+项目实战、相关技巧（调参、画图等、趣味项目实现、学术应用项目实现专栏详细介绍：【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理
汀、人工智能·2023-07-21 14:32

万无一失的OpenMV识别矩形、圆形、三角形方法

给函数赋予的参数对最终识别效果影响非常大，一定一定要认真理解参数，然后耐心调参。我在用
Huiyeee·2023-07-21 03:29

tcp协议及工作原理浅析_CPU处理器架构和工作原理浅析

控制单元(controlunit,CU)协调参与机器指令执行的步骤序列。算术逻辑单元(arithmeticlog
weixin_39573136·2023-07-20 21:11

集成算法的参数空间与网格优化

目录1.探索参数空间1.1学习曲线1.2.决策树对象Tree2.使用网格搜索在随机森林上进行调参1.探索参数空间随机森林集成算法的超参数种类繁多、取值丰富，且参数之间会相互影响、共同作用于算法的最终结果
talle2021·2023-07-20 11:30

【杜威】第十章 兴趣和训练

兴趣特别强调参与性，及对结果的关注。与一个人对书法感兴趣，他就竭尽所能关注与书法相关的人与事，并
素以为绚兮2013·2023-07-20 03:02

Python数据分析与机器学习39-Xgboost算法实例

文章目录一.xgboost.XGBClassifier分类算法参数详解二.数据集介绍三.实战代码3.1一个简单的Xgboost实例3.2查看特征的重要性3.3对模型进行调参3.4交叉验证参考：一.xgboost.XGBClassifier
只是甲·2023-07-19 22:39

机器学习（14）--XGBoost

、GBDT（梯度提升树）4、GBDT在sklearn中的损失函数三、Sklearn中的GBDT1、加载模块2、划分数据集3、建模4、与随机森林和线性回归对比5、绘制学习曲线6、n_estimators调参
Struart_R·2023-07-19 22:34

pytorch 关于深度学习模型的拷贝问题

调参调了很久，知道最近才发现自己的训练过程是错误的，我一直把验证集丢到模型里面去训练（手动蠢死）。不过还好，错处不大。
永远的小白虾·2023-07-19 09:15

机器学习实战系列：工业蒸汽量预测

锅炉的燃烧效率的影响因素很多，包括锅炉的可调参数，如燃烧给量，一二次风，引风，返料风，给水水量；以及锅炉的工况，比如锅炉床温、床压，炉膛温度、压力，过热器的温度等。相关描述经脱敏后的锅炉传
qw_6918966011·2023-07-18 10:48

强化学习调参经验大集成：TD3、PPO+GAE、SAC、离散动作噪声探索、以及Off-policy 、On-policy 算法常见超参数

1.强化学习通用参数设置（1）强化学习算法选用目前推荐的使用的算法主要是：离散控制问题建议算法：①D3QN——D3指的是DuelingDoubleDQN，主要集成了DoubleDQN与DuelingDQN的方法架构，另可与NoisyDQN来配合γ-greedy方法来提升探索效率。②SAC-Discrete——提出的主要目标是用于解决混合动作空间中的决策问题，将输出的动作矢量当作每个动作的执行概率，
汀、人工智能·2023-07-18 09:59

证件照换底色实现方法（通用且效果好）

那种效果可想而知，仅能针对自己的图片慢慢调参。实践一番，我采用如下方法进行处理，可
lsjweiyi·2023-07-18 07:40

深度学习调参有哪些技巧？

先说下我的观点，调参就是trial-and-error.没有其他捷径可以走。唯一的区别是有些人盲目的尝试，有些人思考
LoveSkye·2023-07-18 02:39

第二章 模型评估和选择

文章目录第二章模型评估和选择2.1经验误差与过拟合2.2评估方法2.2.1留出法2.2.2交叉验证法2.2.3自助法2.2.4调参与最终模型2.3性能度量2.3.1错误率与精度2.3.2查准率、查全率和
Keep--Silent·2023-07-17 23:02

问卷星自动填写，智能验证和滑动块

@20-5-18最近发现最后那一步容易出现验证出错的情况，大概调调参数就行了。智能验证这个就是一个点
长虹剑·2023-07-17 19:07

vivado中的Video timing controller IP核参数计算方法

细调参数几乎用不到，我们主要说一下水平设置和垂直设置的8个参数如何配置。取LCD屏幕的典型值作为参考值，配置VTCIP的8个参数。
希言自然也·2023-07-17 16:17

少年侠客【InsCode Stable Diffusion美图活动一期】

、InsCodeStableDiffusion体验1.1界面很友好1.2小小体验一下1.3体验感受二、如何在InsCode给StableDiffusion安装Lora三、StableDiffusion调参基础
度假的小鱼·2023-07-17 09:34
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他