Keras过拟合

ML机器学习理解

连续型有监督：有真值，数据分组：训练与测试，训练所得到的模型在实际测试值的时候会有差错，那么就应该对其进行调整，但本质原因是我们搜集到的数据无法避免的包含其他因素；另外，训练的不理想结果也是有两个：欠拟合与过拟合欠拟合
一灵一·2023-11-14 01:04

Keras-learn-note(3)

Mayyoubefaithfultoyourself,liveearnestlyandlaughfreel.Keras实现矩阵分解推荐系统算法简介这里简单介绍下推荐系统中最为主要的协同过滤算法，大致分为如下几类
鲸可落·2023-11-13 18:36

实用机器学习-学习笔记

文章目录3.5多层感知机3.5.1手动提取特征到学习特征3.5.2线性方法到多层感知机3.5.3代码实现4.2过拟合和欠拟合4.2.1模型选择4.2.2总结9.1模型调参9.1.1思考与总结9.1.2基线
雨浅听风吟·2023-11-13 18:27

keras转onnx，TensorFlow转tf.keras.models.load_model，onnx精度转换

/models/model.h5'#模型文件model=tf.keras.models.load_model(model_path)model.save('tfmodel',sav
XD742971636·2023-11-13 15:19

AttributeError: ‘NoneType‘ object has no attribute ‘_inbound_nodes‘解决方法

几周前要用自动编码器模拟一个通信系统，开始学习tensorflow，后来发现Keras对新手更加友好，便入坑Keras，但由于keras集成度很高，很多细节不是很好实现，导致模拟模拟通信系统的过程出现了些小问题
路人zhang·2023-11-13 05:54

论文阅读：Fast-BEV: Towards Real-time On-vehicleBird’s-Eye View Perception

4）对图像和BEV空间的数据增强(DataAugmentation)策略，以避免过拟合。5）一种多帧融合机制利用空间信息。Intr
BlueagleAI·2023-11-12 13:29

吴恩达机器学习第8-9章

吴恩达机器学习第8-9章第8章8-1非线性假设对于一个复杂的样本模型，如果用logistc回归算法的话，很容易产生过拟合，当特征数很大的时候，会使特征空间急剧膨胀，用增加特征数，来建立非线性分类器，并不是一个好做法
爱编程的西瓜·2023-11-12 13:55

深度学习模型加载和测试

我将使用TensorFlow和Keras作为示例框架进行说明。请注意，不同的深度学习框架可能有略微不同的API和步骤。1.模型加载在这个示例中，我们将使用Keras加载一个之前保存的模型。
喝凉白开都长肉的大胖子·2023-11-12 11:41

深度学习模型加载和测试

我将使用TensorFlow和Keras作为示例框架进行说明。请注意，不同的深度学习框架可能有略微不同的API和步骤。1.模型加载在这个示例中，我们将使用Keras加载一个之前保存的模型。
喝凉白开都长肉的大胖子·2023-11-12 11:11

Nl2sql学习（1）：基于bert的baseline

本文转载自https://kexue.fm/archives/6771，加入了自己对代码的标注理解importjsonfromkeras_bertimportload_trained_model_from_checkpoint
一枚小白的日常·2023-11-12 10:47

用于CIFAR-10数据集的代码

以下是一个简单的用于CIFAR-10数据集的Python代码，它使用TensorFlow框架：importtensorflowastffromtensorflowimportkerasfromtensorflow.kerasimportlayers
AllyBo·2023-11-12 10:15

official.nlp.transformer调研

加上框架不同，TensorFlow、keras、pytorch都分别有不同出名的库。
卢容和·2023-11-12 04:54

用Python做信号处理

用Python做信号处理声明：本文中设计的知识和代码大部分来自：芥末的无奈的博客_CSDN博客-音频处理,c++,keras领域博主以及凌逆战-博客园(cnblogs.com)两位大神所写，非常感谢开源精神
M_psycho·2023-11-12 02:38

个人总结：机器学习模型评估与调优 余弦相似度 余弦距离 欧氏距离 A/B测试 交叉验证 自助法 | 网格搜索 随机搜索 贝叶斯优化 过拟合欠拟合

模型评估余弦相似度对于两个向量A和B，其余弦相似度定义为，即两个向量夹角的余弦，关注的是向量之间的角度关系，并不关心绝对大小，其取值范围为[-1,1]。有着“相同时为1，正交时为0，相反时为-1”的性质。当一对文本在长度相似度很大，但内容相近时，如果使用词频或者词向量作为特征，它们在特征空间的欧氏距离通常很大；而如果使用余弦相似度的话，它们之间的夹角可能很小，因而相似度高。如果希望得到类似于距离的
yyhhlancelot·2023-11-11 22:00

数据不均衡 | 过拟合| 模型评价指标 | 分箱 | 模型融合

数据不均衡从数据角度扩大数据集数据集重采样人工产生数据样本：SMOTESMOTE算法的基本思想就是对少数类别样本进行分析和模拟，并将人工模拟的新样本添加到数据集中，进而使原始数据中的类别不再严重失衡。该算法的模拟过程采用了KNN技术，模拟生成新样本的步骤如下：采样最邻近算法，计算出每个少数类样本的K个近邻;从K个近邻中随机挑选N个样本进行随机线性插值;构造新的少数类样本;将新样本与原数据合成，产生
儒雅的晴天·2023-11-11 22:28

人工智能基础_机器学习022_使用正则化_曼哈顿距离_欧氏距离_提高模型鲁棒性_过拟合_欠拟合_正则化提高模型泛化能力---人工智能工作笔记0062

然后我们再来看一下,过拟合和欠拟合,现在,实际上欠拟合,出现的情况已经不多了,欠拟合是在训练集和测试集的准确率不高,学习不到位的情况.然后现在一般碰到的是过拟合,可以看到第二个就是,完全就把红点蓝点分开了
脑瓜凉·2023-11-11 22:19

Permission denied:的解决办法（windows系统)

在跑yolo3的tain的代码时遇到了一下问题，Permissiondenied:'D:\yolo3-keras’的报错提示，如图检查后发现，我的yolo-huawei文件是由我的yolo3-keras
踩坑专业户·2023-11-11 22:35

深度学习 python opencv 火焰检测识别 火灾检测 计算机竞赛

文章目录0前言1基于YOLO的火焰检测与识别2课题背景3卷积神经网络3.1卷积层3.2池化层3.3激活函数：3.4全连接层3.5使用tensorflow中keras模块实现卷积神经网络4YOLOV54.1
Mr.D学长·2023-11-11 18:24

深度学习 python opencv 火焰检测识别 计算机竞赛

文章目录0前言1基于YOLO的火焰检测与识别2课题背景3卷积神经网络3.1卷积层3.2池化层3.3激活函数：3.4全连接层3.5使用tensorflow中keras模块实现卷积神经网络4YOLOV54.1
Mr.D学长·2023-11-11 18:24

深度学习 python opencv 动物识别与检测 计算机竞赛

文章目录0前言1深度学习实现动物识别与检测2卷积神经网络2.1卷积层2.2池化层2.3激活函数2.4全连接层2.5使用tensorflow中keras模块实现卷积神经网络3YOLOV53.1网络架构图3.2
Mr.D学长·2023-11-11 18:54

深度学习 python opencv 实现人脸年龄性别识别 计算机竞赛

文章目录0前言1项目课题介绍2关键技术2.1卷积神经网络2.2卷积层2.3池化层2.4激活函数：2.5全连接层3使用tensorflow中keras模块实现卷积神经网络4Keras介绍4.1Keras深度学习模型
Mr.D学长·2023-11-11 18:16

机器学习读书笔记之11 - 岭回归 & LASSO回归

：（1）参数稳定性和精度问题如果观测数据和参数之间有比较明显的线性关系，最小二乘回归会有很小的偏倚；如果观测数据个数N远大于参数个数P时，最小二乘回归能得到较小的方差，如果N和P数量接近时，噪声会导致过拟合的产生
linolzhang·2023-11-11 17:50

循环神经网络、注意力机制、Seq2Seq、Transformer与卷积神经网络（打卡2）

一、过拟合和欠拟合接下来，我们将探究模型训练中经常出现的两类典型问题：一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）；另一类是模型的训练误差远小于它在测试数据集上的误差
机器小白猫·2023-11-11 10:12

keras复现ResNet_18

而使用keras复现的时候由于卷积层输入输出大小的计算公式不熟悉，误打误撞，虽然复现后的模型plot_model、甚至是model.summary()出来的结果都是一模一样的，但是却不是真正的ResNet
qq_36346625·2023-11-11 10:58

机器学习——实践

过拟合的处理——Dropout过拟合的处理——Earlystopping过拟合的处理——数据增强偏差和方差编辑一、数据集划分训练集（TrainingSet）：帮助我们训练模型，简单的说就是通过训练集的数据让我们确定拟合曲线的参数
七七喝椰奶·2023-11-11 09:34

深度学习之PyTorch实战计算机视觉--深度神经网络基础

深度神经网络基础3.1监督学习和无监督学习3.1.1监督学习3.1.2无监督学习3.2欠拟合和过拟合3.2.1欠拟合3.2.2过拟合3.3后向传播3.4损失和优化3.4.1损失函数3.4.2优化函数3.5
Monday______·2023-11-11 06:25

将Keras模型导出为SavedModel模型

将Keras模型导出为SavedModel模型keras模型结构defget_model_keras(self):"""构建多输入模型"""input_x=Input(shape=(self.feature_dim
丫头片子不懂事·2023-11-11 06:10

【Adversarial Robustness Toolbox (ART)】对抗性防御工具

ART支持所有流行的机器学习框架（TensorFlow，Keras，PyTorch，MXNet，scikit-le
prinTao·2023-11-11 01:38

吴恩达机器学习7-正则化

我们可以看出，若给出一个新的值使之预测，它将表现的很差，是过拟合，虽然能非常好地适应我们的训练集但在新输入变量进行预测时可能会效果不好；而中间的模型似乎最合适。在逻辑回归中也是如此：
小y同学在学习·2023-11-10 17:03

吴恩达机器学习4--正则化(Regularization)

过拟合问题看下面回归的例子第一个模型是一个线性模型，欠拟合，不能很好地适应我们的训练集；第三个模型是一个四次方的模型，过于强调拟合原始数据，而丢失了算法的本质。
吓得我泰勒都展开了·2023-11-10 17:33

吴恩达机器学习（十七）过拟合、正则化下的代价函数

文章目录1.过拟合2.正则化下的代价函数1.过拟合  包插线性回归和逻辑回归等的几种学习算法能够有效解决许多问题，但是当它们应用到某些特定的机器学习应用时，会遇到过度拟合的问题，导致它们表现欠佳。  
计算机视觉从零学·2023-11-10 17:33

欠拟合 过拟合 正则化-------吴恩达机器学习心得

欠拟合过拟合正则化模型训练过程中会出现“欠拟合”（Underfitting）“过拟合”(Overfitting)现象。
weixin_44102752·2023-11-10 17:33

吴恩达机器学习----正则化

（共18章，其中第3章“线性代数回顾”与第5章“Octava教程”的笔记就不总结了）第七章正则化(Regularization)1、过拟合的问题如果我们有非常多的特征,我们通过学习得到的假设可
huapusi·2023-11-10 17:01

吴恩达机器学习--正则化（4）

1过拟合（1）回归中的过拟合第一个模型是欠拟合，不能很好地适应训练集；第三个模型用四次方进行拟合，过于强调拟合原始数据，而丢失了预测新数据的能力。而中间的模型似乎最合适。（2）分类问题中的过拟合?
翔燕·2023-11-10 17:28

吴恩达机器学习笔记--第三周-4.解决过拟合问题

避免过拟合的方法：二、CostFunction在代价函数J中对每个参数theta加入正则化项（罚函数），从而使所有的参数变小。但是不对theta0增加正则化项。若正则化项中的系数l
Loki97·2023-11-10 17:28

机器学习（吴恩达）-5 过拟合问题及正则化

目录1.什么是过拟合？（1）过拟合介绍（2）解决过拟合可用的方法2.正则化（1）正则化介绍（2）正则化线性回归（3）正则化逻辑回归1.什么是过拟合？
音无八重·2023-11-10 17:20

吴恩达《机器学习》7-1-＞7-4:过拟合问题、代价函数、线性回归的正则化、正则化的逻辑回归模型

一、过拟合的本质过拟合是指模型在训练集上表现良好，但在新数据上的泛化能力较差。考虑到多项式回归的例子，我们可以通过几个模型的比较来理解过拟合的本质。
不吃花椒的兔酱·2023-11-10 17:18

AI 编程工具带来了什么

注册地址为https://web.devchat.ai/signup/AI编程工具带来了什么深度学习框架：用于实现神经网络和深度学习模型的框架，如TensorFlow、PyTorch、Keras等。
贾斯汀玛尔斯·2023-11-10 15:24

机器学习：正则化

正则化1：为什么需要正则化在深度学习过程中容易出现过拟合的情况，就是模型在训练集上得到完全拟合，在测试集上效果很差。
fly_jx·2023-11-10 14:21

机器学习中L1正则化和L2正则化有什么区别？

1.正则化的作用机器学习中，如果参数过多，模型过于复杂，容易产生过拟合状态，故正则化的提出是为了一定程度上避免过拟合。比如，常见的L1和L2正则化。
五癫·2023-11-10 14:49

机器学习——正则化 （Regularizaiton-Regular-Regularize）

1、从使用正则化的目的角度：正则化是为了防止过拟合。我们先对该数据做线性回归，也就是左边第一张图。如果这么做，我们可以获得拟合数据的这样一条直线，但是，实际上这并不是一个很好的模型。
hapihapi~·2023-11-10 14:19

机器学习正则化

正则化作用在机器学习中，通常会在损失函数后加入正则项来防止模型过拟合。
忆南妄北·2023-11-10 14:18

[转载]什么是机器学习正则化？L1正则化？L2正则化？

机器学习中，如果参数过多，模型过于复杂，容易造成过拟合（overfit）。即模型在训练样本数据上表现的很好，但在实际测试样本上表现的较差，不具备良好的泛化能力。
江南蜡笔小新·2023-11-10 14:46

【机器学习】正则化到底是什么？

先说结论：机器学习中的正则化主要解决模型过拟合问题。如果模型出现了过拟合，一般会从两个方面去改善，一方面是训练数据，比如说增加训练数据量，另一方面则是从模型角度入手，比如，降低模型复杂度。
人工智能大讲堂·2023-11-10 14:41

Explaining and harnessing adversarial examples

Explainingandharnessingadversarialexamples----《解释和利用对抗样本》背景：早期的研究工作认为神经网络容易受到对抗样本误导是由于其非线性特征和过拟合。
今我来思雨霏霏_JYF·2023-11-10 01:30

loss 加权_keras 自定义loss损失函数,sample在loss上的加权和metric详解

是整体网络进行优化的目标，是需要参与到优化运算，更新权值W的过程的2.metric只是作为评价网络表现的一种“指标”，比如accuracy，是为了直观地了解算法的效果，充当view的作用，并不参与到优化过程在keras
weixin_39857899·2023-11-10 01:42

机器学习---决策树算法梳理

决策树算法梳理任务3-决策树算法梳理1、信息论基础（熵联合熵条件熵信息增益基尼不纯度）2.决策树的不同分类算法（ID3算法、C4.5、CART分类树）的原理及应用场景3、回归树原理4、决策树防止过拟合手段
言成苟文·2023-11-09 22:54

卷积神经网络-Python、TensorFlow和Keras p.3的深度学习基础

欢迎来到一个教程，在这里我们将讨论卷积神经网络(Convnet和CNN)，使用其中的一个用我们在上一教程中构建的数据集对狗和猫进行分类。卷积神经网络通过它在图像数据中的应用而获得了广泛的应用，并且是目前检测图像内容或包含在图像中的最先进的技术。CNN的基本结构如下：Convolution->Pooling->Convolution->Pooling->FullyConnectedLayer->Ou
派森师兄·2023-11-09 17:52

大语言模型的关键技术（二）

训练数据：增加训练数据的规模有助于模型更好地泛化到不同的数据分布，减少过拟合，并提高模型在各种任务上的性
嗯，这是一个好名字·2023-11-09 17:45

TensorFlow学习笔记--MLP多层感知机识别手写数字1-9

mnist数据集的识别importtensorflowastfimportnumpyasnp#数据的获取和预处理classMNISTLoader():def__init__(self):mnist=tf.keras.datasets.mnist
北航_Curry·2023-11-09 16:00
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他