调参第22页

SVM核函数概述

此外，因为训练样例一般是不会独立出现的，它们总是以成对样例的内积形式出现，而用对偶形式表示学习器的优势在为在该表示中可调参数的个数不依赖输入属性的个数，通过使用恰当的核

奔跑的乌班·2023-01-03 11:56

BM立体匹配算法（带滑块调参）

#-*-coding:utf-8-*-fromcv2importcv2importnumpyasnpimportcamera_configs#frompcimportcamera_configs#importcamera_configs#摄像头的标定数据cap=cv2.VideoCapture(0)cap.set(3,2560)cap.set(4,720)#cam1=cv2.VideoCaptur

小小帅呀·2023-01-03 11:41

对智慧海洋数据进行模型建立

模型学习、调参与对智慧海洋数据建立相应模型一、模型训练与预测导入需要的工具库importgcimportmultiprocessingasmpimportosimportpickleimporttimeimportwarningsfromcollectionsimportCounterfromcopyimportdeepcopyfromdatetimeimportdatetimefromfunct

黎明之道·2023-01-03 10:50

深入理解卷积与模型大小问题，解决显存不足

基础知识卷积神经网络参数参数的显存占用梯度与动量的显存占用输入输出的显存占用节省显存的方法减少卷积层的计算量常用模型显存/计算复杂度/准确率建议前言：在训练自己的模型时常常出现显存不足等问题，这个时候我们常用的方法就是调参

Jayden yang·2023-01-03 07:11

9.11_neural-style

如果要照片达到理想中的样式，经常需要尝试大量不同的组合，其复杂程度不亚于模型调参。

给算法爸爸上香·2023-01-02 16:19

NLP几种常用的对抗训练方法

NLP几种常用的对抗训练方法对抗训练本质是为了提高模型的鲁棒性，一般情况下在传统训练的基础上，添加了对抗训练是可以进一步提升效果的，在比赛打榜、调参时是非常重要的一个trick。

华师数据学院·王嘉宁·2023-01-02 13:03

GridSearchCV实例：对Xgboost回归任务进行网格调参

在Xgboost调参过程中，可以使用GridSearchCV()进行网格调参，不用很麻烦的进行手动调参。

AnnnnnJie·2023-01-02 10:19

Xgboost模型调参

第一步：导包importmathimportdatetimeimporttimeimportnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltfromsklearn.metricsimportroc_curve,auc,accuracy_score,classification_report,confusion_matrixfromsklea

独孤剑客6·2023-01-02 10:47

使用GridSearch对xgboost进行调参（全部流程）

jho9o5·2023-01-02 10:44

sklearn sklearn中的模型调参利器 gridSearchCV（网格搜索）

sklearnsklearn中的模型调参利器gridSearchCV（网格搜索）代码：importpandasaspd#数据科学计算工具importnumpyasnp#数值计算工具importmatplotlib.pyplotasplt

郭庆汝·2023-01-02 10:13

【机器学习】：Xgboost/LightGBM使用与调参技巧

机器学习模型当中，目前最为先进的也就是xgboost和lightgbm这两个树模型了。那么我们该如何进行调试参数呢？哪些参数是最重要的，需要调整的，哪些参数比较一般，这两个模型又该如何通过代码进行调用呢？下面是一张总结了xgboost，lightbgm，catboost这三个模型调试参数的一些经验，以及每个参数需要的具体数值以及含义，供大家参考：一.Xgboost配合gridsearch进行网格搜

Geeksongs·2023-01-02 10:12

XGBoost模型调参：GridSearchCV方法网格搜索优化参数

文章目录一、前言二、数据处理三、XGBoost参数调优3.1常见可调参数3.2GridSearchCV调参函数3.3一般调参顺序3.4调参结果可视化四、总结一、前言本篇文章是继上一篇文章：使用K-Fold

Dark universe·2023-01-02 10:11

关于如何调节Mahony AHRS算法的参数

文章目录一、Mahony算法的控制系统特征多项式二、Kp,Ki参数调节方法三、自适应调参我在之前的博客AHRS互补滤波（Mahony）算法及开源代码中曾提及Mahony算法的难点在于如何调节PI参数。

路痴导航员·2023-01-02 09:17

52. 一些Q&A

调参的意思是不是最大了？A1:增加数据确实是提高泛化性最简单也是最有效的方法，但是增加数据不是指差不多的数据，而是对数据的质量有要求。

chnyi6_ya·2023-01-02 08:58

神经网络层数、神经元数、梯度下降学习率和训练次数都会影响神经网络的效果

一般来说，在调参合理的情况下，层

Love, Day After Tomorrow·2023-01-02 07:08

gridSearchCV（网格搜索）的参数、方法及示例

sklearn.model_selection.GridSearchCV.html#sklearn.model_selection.GridSearchCVGridSearchCV，它存在的意义就是自动调参

weixin_34342578·2023-01-01 15:46

SKLearn中SVM参数自动选择的最简单示例（使用GridSearchCV）

大家都知道，SVM如果在调参比较好的情况下，可以达到很好的分类效果，不过SVM也确实参数比较多，例如在这里介绍的：https://blog.csdn.net/xiaodongxiexie/article

蛐蛐蛐·2023-01-01 15:14

《机学零》机学概述 —— 机器学习基础知识、进行机器学习的流程

机器学习算法分类二、需明确问题（1）算法是核心，数据和计算是基础（2）找准定位：大部分复杂模型的算法设计都是算法工程师在做，而我们要做的是：1.分析很多的数据2.分析具体的业务3.应用常见的算法4.特征工程、调参数

深蓝冰河·2023-01-01 14:55

如何通俗易懂的描述机器学习的流程？

机器学习和深度学习算法流程终于考上人工智能的研究僧啦，不知道机器学习和深度学习有啥区别，感觉一切都是深度学习挖槽，听说学长已经调了10个月的参数准备发有2000亿参数的T9开天霹雳模型，我要调参发T10

昇思MindSpore·2023-01-01 14:20

训练集，验证集，测试集，泛化误差总结

模型参数包含两类：模型参数，超参数；我们的任务是通过调整超参数使得模型参数更好的拟合数据如果不需要调整模型的超参数，那可以不用验证集；验证集的作用是模拟测试集，我们是在验证集上调参的，如果超参适合验证集

石头猿rock·2023-01-01 14:47

深度学习调参tricks总结

寻找合适的学习率(learningrate)学习率是一个非常非常重要的超参数，这个参数呢，面对不同规模、不同batch-size、不同优化方式、不同数据集，其最合适的值都是不确定的，我们无法光凭经验来准确地确定lr的值，我们唯一可以做的，就是在训练中不断寻找最合适当前状态的学习率。比如下图利用fastai中的lr_find()函数寻找合适的学习率，根据下方的学习率-损失曲线得到此时合适的学习率为1

小殊小殊·2023-01-01 09:06

深度学习调参 tricks 总结

作者丨山竹小果来源丨NewBeeNLP编辑丨极市平台本文总结了一系列深度学习工作中的调参策略，并含有多个训练技巧，非常实用。

机器学习算法那些事·2023-01-01 09:26

深度学习调参 tricks 总结！

寻找合适的学习率(learningrate)学习率是一个非常非常重要的超参数，这个参数呢，面对不同规模、不同batch-size、不同优化方式、不同数据集，其最合适的值都是不确定的，我们无法光凭经验来准确地确定lr的值，我们唯一可以做的，就是在训练中不断寻找最合适当前状态的学习率。比如下图利用fastai中的lr_find()函数寻找合适的学习率，根据下方的学习率-损失曲线得到此时合适的学习率为1

机器学习算法那些事·2023-01-01 09:55

卷积神经网络调参技巧（2）--过拟合（Dropout）

Dropout(丢弃)首先需要讲一下过拟合，训练一个大型网络时，因为训练数据有限，很容易出现过拟合。过拟合是指模型的泛化能力差，网络对训练数据集的拟合能力很好，但是换了其他的数据集，拟合能力就变差了。在训练深层网络模型时，按照一定的概率，暂时将神经元丢弃，得到一个更加简单的网络模型，即每一个batch训练的网络模型都是不一样的，都是原始网络的子集，这些子网络共享权值，与原始网络的层数、参数数目相等

大程子ii·2022-12-31 19:23

基于python的XGBoost模型建立和调参

1.创建模型类（关于预测问题）classXGB(object):def__init__(self):importxgboostasxgbfromsklearn.preprocessingimportStandardScalerself.StandardScaler=StandardScalerself.xgb=xgbdeffit(self,X,y):scaler_x=self.StandardSc

！！！！永无止境！！！！·2022-12-31 15:59

【动手学深度学习】0

What：深度学习里有哪些技术How：如何实现调参Wh

Roar_Ryoma·2022-12-31 15:17

深度学习-生成动漫头像

其中大多数代码为参考已有的博客，只在调参部分有所不同。

龙今天超越了自己·2022-12-31 12:48

模型融合方法概述

在比赛中提高成绩主要有3个地方特征工程调参模型融合1.Voting模型融合其实也没有想象的那么高大上，从最简单的Voting说起，这也可以说是一种模型融合。

GlassySky0816·2022-12-31 12:13

2021-06-25 RL 算法总结

discreteactionspace的算法常用网络估计Q值期望估计Q值分布过渡：从离散到连续动作空间的跨越连续的动作空间continuousactionspace确定策略随机策略混合的动作空间hybridactionspace调参算法比较常用算法介绍离散的动作空间

薄羽蜉蝣·2022-12-30 18:40

【学习笔记】机器学习算法（三）基于LightGBM的分类预测

这里写自定义目录标题一、LightGBM简介优缺点二、学习目标三、实例：基于英雄联盟数据集的LightGBM分类实践3.1代码流程3.2数据集3.3模型训练3.4利用LightGBM进行特征选择3.5调参一

HLLOVELZ·2022-12-30 11:07

AutoGluon-教程1-简单的入门模型

写在前面因为本人实在是懒，而且有关于机器学习和深度学习的基础知识不是很牢固，但又想着借着人工智能高大上的旗号整出一些好玩的模型，这边听说有一个模块能简简单单的就构建出深度学习模型，而且调参出的效果还比较好

愿航·2022-12-30 08:55

G1D36-import-keras.save_model-code-沐沐的调参课

1、python导入函数https://zhuanlan.zhihu.com/p/64893308服了https://blog.csdn.net/weixin_45195364/article/details/119857246?spm=1001.2101.3001.6650.6&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefaul

甄小胖·2022-12-30 07:46

O2O优惠券使用预测项目总结

O2O优惠券使用预测笔记前言项目介绍数据评价方式赛题分析基本思路数据集划分特征工程模型选取过程及代码导入python库导入与划分数据集特征工程模型训练与调参预测测试集总结前言笔者希望通过本篇文章总结阿里天池

Hikikaya·2022-12-30 01:25

Nevergrad调参用

快速上手importnevergradasngdefsquare(x):returnsum((x-0.5)**2)#optimizationonxasanarrayofshape(2,)optimizer=ng.optimizers.NGOpt(parametrization=2,budget=100)recommendation=optimizer.minimize(square)#bestva

Blossom Flight·2022-12-29 17:01

分割预研 -- 2022.5

target=https%3A//github.com/open-mmlab/mmsegmentation研究现状受到阈值分割方法的启发，在早期图像分割常用传统的阈值分割方法结合具体的使用场景手动设计特征并调参进行场景分割

祝小梦·2022-12-29 14:49

超参数优化专题之工具—microsoft/nni(1)

超参数优化专题之工具—microsoft/nni这篇博客主要讲述模型的调参的一些基本知识，主要两个方面，调参的工具和相应的算法。

发呆的比目鱼·2022-12-29 12:08

NNI优化超参数

使用步骤及示例2.1编写程序2.2设置参数搜索空间2.3更改源程序2.4定义配置文件3.参数空间设置4.命令行命令4.1创建AutoML4.2继续AutoML4.3可视化AutoML5.NNI使用细节6.调参结果

Suppose-dilemma·2022-12-29 12:28

深度循环神经网络

总体而言，深度循环神经网络需要大量的调参（如学习率和修剪）来确保合适的收敛，模型的初始化也需要谨慎。之前讨论过具有一个单向隐藏层的循环神经网络（循环神经网络（MLP——＞RNN，困惑度)

流萤数点·2022-12-29 12:28

九天毕昇训练yoloV5，50小时免费的v100

前言最近尝试了一下移动的免费云服务器，新用户可以免费用50个小时的v100，分享一下使用过程具体的yolov5训练可以先看别的帖子手把手带你调参Yolov5(v6.2)（一）【Yolov5】1.认真总结

斩尽牛杂_·2022-12-29 02:06

使用GridSearchCV给XGboost模型进行参数调优

首先，很幸运的是，Scikit-learn中提供了一个函数可以帮助我们更好地进行调参：sklearn.model_selection.GridSearchCV常用参数解读：estimator：所使用的分类器

黄佳俊、·2022-12-28 15:11

GridSearch调参xgb

importxgboostasxgbimportpandasaspdfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportroc_auc_scoretrain_data=pd.read_csv(‘train.csv’)#读取数据y=train_data.pop(‘30’).values#用pop方式将训练

zanlinux·2022-12-28 15:41

【小样本基础】异质图上的元学习模型：调参记录

BatchSize参数爆炸，占用cpu资源过多时，可以适当调小batchsizeloss震荡，可以增大batchsize将batchsize从5增加到50之后，明显平滑learningRate训练过程中loss和acc抖动很厉害，此时可以考虑将学习率从调小到0.001Epoch当模型已经收敛时（acc不在增加，loss不再减少时），为了加快模型的训练速度，可以适当降低epoch。当模型在所有的ep

vector<>·2022-12-28 15:38

lightGBMt和GridSearchCV调参代码

deftrain(x_train,y_train,X_test,y_test,systemCode):"""XGB"""my_cv=TimeSeriesSplit(n_splits=5).split(x_train)eval_set=[(X_test,y_test)]cv_params={'n_estimators':range(20,200,10),"max_depth":range(1,10,

hellobigorange·2022-12-28 15:08

XGBoost学习（五）：参数调优

安装及介绍XGBoost学习（三）：模型详解XGBoost学习（四）：实战XGBoost学习（五）：参数调优XGBoost学习（六）：输出特征重要性以及筛选特征完整代码及其数据Xgboost参数调优的一般方法调参步骤

安然烟火·2022-12-28 15:07

GridSearchCV调参过程展示 + 模型融合

由于调参过程展示这块容易忘，所以就索性直接在这记录一下，具体代码和效果如下（调参顺序可以不按以下顺序，建议先调学习率，然后确定学习率调整弱学习器个数，调参技巧可以查看我的此篇博客：机器学习-XGBoost

醉翁之意不在酒~·2022-12-28 15:35

torchvision.models.segmentation.deeplabv3_resnet50实战

最近在进行医学图像处理时，使用到了预训练好的deeplabv3-resnet50网络，在此记录一下应用（调参）的过程。

ThisisMyHorse·2022-12-28 15:04

OpenCV-Python】滑动条Trackbar的创建和使用（createTrackbar())

可以很明显的感受到交互，动态调参，针对寻找，rgb区间，hsv区间，等可以调整参数并查看效果的算法，滚动条算是很有用的一项工具二、核心函数解析核心函数一共有两个createTrackbar()，getTrackbarP

风吹落叶花飘荡·2022-12-27 14:30

python实现《直觉模糊集决策与对策分析方法》06直觉模糊矩阵对策解法

一个很简单的小问题，range函数不支持小数步长，因此需要改成np.arange形式才能进行调参。第二个问题是res返回所有的线性规划求解结果，比较冗长，如果仅需要x则可以通

七玄桐·2022-12-27 09:32

什么是国网综能服务集团虚拟电厂?——安科瑞严新亚

重庆举全社会之力挖掘电力保供潜力，其中有1525栋楼宇的中央空调参与了需求侧响应，单日压降负荷为15万千瓦。这背后，有着国网综合能源服务集团有限公司（以下简称“国网综能服务集团”）的身影。

yxy2881578426·2022-12-27 09:31

Stanford CS230深度学习（三）调参、正则化和优化算法

然后coursera中的课程主要讲实际的应用例如调参、正则化等，以及几个DL常用优化算法。

学吧学吧终成学霸·2022-12-27 03:40

推荐频道

调参