您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. VIPLFaceNet网络超参数设置py文件

  2. 一个训练集为CASIA-web的神经网络VIPLFaceNet的网络设置超参数
  3. 所属分类:深度学习

    • 发布日期:2018-05-20
    • 文件大小:3072
    • 提供者:qq_27777171
  1. 自动超参数优化:算法和应用综述论文.pdf

  2. 本文对HPO中最基本的主题进行了综述。第一部分介绍了与模型训练和结构相关的关键超参数,并讨论了它们的重要性和定义值范围的方法。然后,研究了主要的优化算法及其适用性,包括它们的效率和准确性,特别是对于深度学习网络。本研究接下来将回顾HPO的主要服务和工具包,比较它们对最先进的搜索算法的支持、与主要深度学习框架的可行性以及用户设计的新模块的可扩展性。
  3. 所属分类:机器学习

    • 发布日期:2020-03-16
    • 文件大小:1048576
    • 提供者:syp_net
  1. 使用上千个优化任务学习超参数搜索策略【Google 大脑】.pdf

  2. 我们提供TaskSet,一个用于训练和评估优化器的任务数据集。TaskSet在规模和多样性上都是独一无二的,它包含了超过1000个任务,从使用全连接或卷积神经网络的图像分类,到变分自编码器,再到各种数据集上的非卷保存流。作为此类数据集的一个示例应用程序,我们将探索元学习一个超参数的有序列表并按顺序进行尝试。
  3. 所属分类:机器学习

    • 发布日期:2020-03-14
    • 文件大小:1048576
    • 提供者:syp_net
  1. 超参数与交叉验证视频教程.wmv

  2. 超参数与交叉验证视频教程,希望能够学习者提供帮助,实现超参数与交叉验证知识的掌握与理解,为后续学习做好铺垫
  3. 所属分类:深度学习

    • 发布日期:2020-02-06
    • 文件大小:19922944
    • 提供者:zsb8888
  1. 基于潜狄利克雷分配模型的遥感影像聚类算法超参数敏感性分析

  2. 基于潜狄利克雷分配模型的遥感影像聚类算法超参数敏感性分析,齐银凤,唐宏,本文研究了基于潜狄利克雷分配(Latent Dirichlet Allocation,LDA)的遥感影像聚类算法中模型超参数的敏感性。首先,介绍基于LDA的遥感影像
  3. 所属分类:其它

    • 发布日期:2020-01-10
    • 文件大小:937984
    • 提供者:weixin_38547409
  1. 第十四章_超参数调整.pdf

  2. 关于训练深度学习模型最难的事情之一是你要处理的参数的数量。无论是从网络本身的层宽(宽度)、层数(深度)、连接方式,还是损失函数的超参数设计和调试,亦或者是学习率、批样本数量、优化器参数等等。这些大量的参数都会有网络模型最终的有效容限直接或者间接的影响。面对如此众多的参数,如果我们要一一对其优化调整,所需的无论是时间、资源都是不切实际。结果证实一些超参数比其它的更为重要,因此认识各个超参数的作用和其可能会造成的影响是深度学习训练中必不可少的一项重要技能。
  3. 所属分类:深度学习

    • 发布日期:2020-07-27
    • 文件大小:813056
    • 提供者:hkd_ywg
  1. 改善深层神经网络:超参数调试、正则化以及优化——课程视频及讲义、作业等

  2. 内容包含有:1.深度学习的实用层面、2.优化算法、3.超参数调试、Batch正则化和程序框架。以及相应的作业、讲义。
  3. 所属分类:深度学习

    • 发布日期:2020-07-31
    • 文件大小:700448768
    • 提供者:d179212934
  1. OpenCV python sklearn随机超参数搜索的实现

  2. 主要介绍了OpenCV python sklearn随机超参数搜索的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
  3. 所属分类:其它

    • 发布日期:2020-09-18
    • 文件大小:43008
    • 提供者:weixin_38739942
  1. 使用TensorBoard进行超参数优化的实现

  2. 主要介绍了使用TensorBoard进行超参数优化的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
  3. 所属分类:其它

    • 发布日期:2020-09-16
    • 文件大小:619520
    • 提供者:weixin_38689338
  1. 机器学习“傻瓜式”理解(4)KNN算法(数据处理以及超参数)

  2. 数据处理以及超参数的理解 首先我们需要了解到,我们在进行机器学习的过程中寻求的不是让训练处的在现有的数据集上达到最佳,而是我们需要让其在真实环境中达到最佳的效果。在上一节中我们将全部的数据集全部用于训练模型中,对于我们所训练出的模型无法知道其具体的准确度便投入真实环境使用,这样的做法极具风险性,而且我们也不推荐。 解决方案:机器学习最常用的解决方案便是实现测试集和训练集的相互分离(此方法仍具有局限性,后续会补充)。具体的操作方式是:将全部数据集的80%当做训练数据集,训练出来模型后我们通过另外2
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:727040
    • 提供者:weixin_38721252
  1. 机器学习“傻瓜式”理解(4)KNN算法(数据处理以及超参数)

  2. 数据处理以及超参数的理解 首先我们需要了解到,我们在进行机器学习的过程中寻求的不是让训练处的在现有的数据集上达到最佳,而是我们需要让其在真实环境中达到最佳的效果。在上一节中我们将全部的数据集全部用于训练模型中,对于我们所训练出的模型无法知道其具体的准确度便投入真实环境使用,这样的做法极具风险性,而且我们也不推荐。 解决方案:机器学习最常用的解决方案便是实现测试集和训练集的相互分离(此方法仍具有局限性,后续会补充)。具体的操作方式是:将全部数据集的80%当做训练数据集,训练出来模型后我们通过另外2
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:727040
    • 提供者:weixin_38675506
  1. 从零基础入门Tensorflow2.0 —-二、5.1 超参数搜索

  2. every blog every motto: Love is not a maybe thing. You know when you love someone. 0. 前言 手动实现超参数搜索,下一节我们将讲利用skleran实现 1. 代码部分 1. 导入模块 import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline import numpy as np import sklearn import
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:245760
    • 提供者:weixin_38660802
  1. 从零基础入门Tensorflow2.0 —-5.3 实战sklearn超参数搜索

  2. every blog every motto: Until you make peace with who you are, you’ll never be content with what you have. 0. 前言 实战sklearn超参数搜索。 注: 训练时间较长。 1. 代码部分 1. 导入模块 import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline import numpy as np
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:87040
    • 提供者:weixin_38592548
  1. 【调参01】如何使用网格搜索寻找最佳超参数配置

  2. 本文介绍了如何使用网格搜索寻找网络的最佳超参数配置。 文章目录1. 准备数据集2. 问题建模2.1 训练集测试集拆分2.2 转化为监督学习问题2.3 前向验证2.4 重复评估2.5 网格搜索2.6 实例化3. 使用网格搜索寻找CNN最佳超参数3.1 超参数配置3.2 消除季节性影响3.3 问题建模3.4 完整代码 代码环境: python -3.7.6 tensorflow -2.1.0 假设现在已经定义好了网络模型,但需要对模型中的超参数进行微调。常用的方法是穷尽网格搜索(Exhaus
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:151552
    • 提供者:weixin_38623009
  1. 关于经验贝叶斯的超参数估计:对MacKay算法的重新审视

  2. 关于经验贝叶斯的超参数估计:对MacKay算法的重新审视
  3. 所属分类:其它

    • 发布日期:2021-03-24
    • 文件大小:112640
    • 提供者:weixin_38691194
  1. Fluid:通用的资源感知超参数调整执行引擎-源码

  2. 流体:资源感知的超参数调整引擎 Fluid充当的替代执行器。要在Ray Tune中使用它,请将实例作为附加关键字参数传递给tune.run : from fluid . executor import MyRayTrialExecutor from fluid . scheduler import FluidBandScheduler tune . run ( MyTrainable , scheduler = FluidBandScheduler (...), tri
  3. 所属分类:其它

    • 发布日期:2021-03-21
    • 文件大小:103424
    • 提供者:weixin_42127369
  1. DO-Conv:深度超参数化卷积层-源码

  2. DO-Conv:深度超参数化卷积层 由金明曹,创建,孙铭超,, ,,和。 介绍 DO-Conv是深度过参数化的卷积层,可在训练阶段用作CNN中常规卷积层的替代,以实现更高的精度。在推理阶段,DO-Conv可以融合到常规卷积层中,从而导致计算量与常规卷积层的计算量完全相同。 有关更多详细信息,请参见的,其中我们展示了DO-Conv在各种基准数据集/任务上的优势。 我们高度欢迎的问题 我们非常欢迎与DO-Conv相关的问题,而不是电子邮件,而不是电子邮件。 此外,如果在发行中提供最少的可复制示例代码
  3. 所属分类:其它

    • 发布日期:2021-03-20
    • 文件大小:14336
    • 提供者:weixin_42119281
  1. star-clustering:自动确定簇数并且无需超参数微调即可工作的聚类算法-源码

  2. 星团聚类 介绍 恒星聚类算法是一种聚类技术,其灵感很松散,类似于恒星系统的形成过程。它的目的是作为一种替代性的聚类算法,它不需要事先知道聚类的数量或进行任何超参数调整。 安装 应安装以下依赖项: 麻木 科学的 设置 建议您使用Scikit-Learn,因为此处提供的实现旨在与Scikit-Learn配合使用,以替代其他算法。 实际的算法位于star_clustering.py中,可以由import语句调用: from star_clustering import StarCluster 然后创
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:1028096
    • 提供者:weixin_42136365
  1. diabetes-onset-detection:使用网格搜索,Keras模型,scikit学习,辍学正则化和最佳超参数检测糖尿病-源码

  2. 糖尿病发作检测 machinelearning{han2021cs, title={Diabetes Onset Detection using Keras Model}, author={Nguyen, Han}, year={2021}, associate={Personal Project} } 简要描述;简介 该项目是一个基于机器学习的应用程序,通过Keras模型和寻找最佳超参数的训练方法(使用网格搜索和scikit-learn并优化神经元数量)来预测个人是否患有糖尿病
  3. 所属分类:其它

    • 发布日期:2021-03-16
    • 文件大小:23552
    • 提供者:weixin_42132354
  1. Deep-Learning-Models-Optimization:使用深度学习和贝叶斯优化进行超参数调整-源码

  2. 深度学习模型优化 使用深度学习和贝叶斯优化进行超参数调整
  3. 所属分类:其它

    • 发布日期:2021-03-09
    • 文件大小:129024
    • 提供者:weixin_42133918
« 12 3 4 5 6 7 8 9 10 ... 50 »