注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 深度学习CNN端到端字符识别

  2. 利用5层CNN构建端到端OCR产生、训练和测试程序，对1-3个字符构成的特定投影变换扭曲字体识别率接近100%，独热编码。

  3. 所属分类：Python

    • 发布日期：2017-09-29
    • 文件大小：7340032
    • 提供者：u010627377

  1. 利用tensorflow实现的卷积神经网络来进行MNIST手写数字图像的分类.py

  2. 利用tensorflow实现的卷积神经网络来进行MNIST手写数字图像的分类。 #导入numpy模块 import numpy as np #导入tensorflow模块，程序使用tensorflow来实现卷积神经网络 import tensorflow as tf #下载mnist数据集，并从mnist_data目录中读取数据 from tensorflow.examples.tutorials.mnist import input_data mnist = inpu

  3. 所属分类：深度学习

    • 发布日期：2020-03-18
    • 文件大小：8192
    • 提供者：aotomo740

  1. one-hot_coding.py

  2. 从excel导入数据到转换为独热编码，傻瓜式运行，适合入门机器学习阶段。独热编码适合该特征内的数据没有大小关系，在机器学习中很常用的处理手段

  3. 所属分类：互联网

  1. 利用自动编码器实现手写数字图像数据集的二维平面的展示.py

  2. 利用自动编码器实现手写数字图像数据集的二维平面的展示 import tensorflow as tf import matplotlib.pyplot as plt from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=False)#独热编码设为False # xs, ys = mnist.train.ne

  3. 所属分类：教育

    • 发布日期：2020-06-20
    • 文件大小：5120
    • 提供者：aotomo740

  1. Verilog中状态机编码方式的选择

  2. 在Verilog中最常用的编码方式有二进制编码(Binary)、格雷码(Gray-code)编码、独热码(One-hot)编码。

  3. 所属分类：其它

    • 发布日期：2020-08-27
    • 文件大小：64512
    • 提供者：weixin_38621427

  1. TensorFlow手写数字识别预处理代码

  2. TensorFlow手写数字识别预处理代码，备注详细可以直接运行，为后续具体算法的 实现提供了可靠、规范的数据源。处理内容包括MNIST数据的下载、读取、整形、归一化、标签独热编码以及画图显示等。

  3. 所属分类：机器学习

    • 发布日期：2020-09-11
    • 文件大小：2048
    • 提供者：qq_43005387

  1. 浅谈keras中的keras.utils.to_categorical用法

  2. 主要介绍了浅谈keras中的keras.utils.to_categorical用法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：35840
    • 提供者：weixin_38708707

  1. Python实现FM算法解析

  2. 1. 什么是FM？ FM即Factor Machine，因子分解机。 2. 为什么需要FM？ 1、特征组合是许多机器学习建模过程中遇到的问题，如果对特征直接建模，很有可能会忽略掉特征与特征之间的关联信息，因此，可以通过构建新的交叉特征这一特征组合方式提高模型的效果。 2、高维的稀疏矩阵是实际工程中常见的问题，并直接会导致计算量过大，特征权值更新缓慢。试想一个10000*100的表，每一列都有8种元素，经过one-hot独热编码之后，会产生一个10000*800的表。因此表中每行元素只有100个值

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：334848
    • 提供者：weixin_38604653

  1. Tensorflow学习实战之mnist手写体识别

  2. Tensorflow学习实战之mnist手写体识别数据准备构建模型训练模型评估结果可视化显示 Tensorflow继续学习，今天是入门级的mnist手写体识别，改变前两次的线性回归，这次是逻辑回归，这样随之改变的是损失函数等 Tensorflow里面有一个examples的MNIST的手写，直接运行会自动下载。 训练了20次，效果还不错，慢慢的理解，把以前不懂得好多东西，学习中慢慢得到补充 收获： reshape，行优先，逐行排列，相当于把一整行数字排列后按reshape得行列填充进去，我的理解

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：481280
    • 提供者：weixin_38601446

  1. tensorflow2.1中独热编码函数tf.one_hot()的用法

  2. tf.one_hot() 函数是将input转化为one-hot类型数据输出 如果我们有一个5类分类问题，我们有数据 (Xi,Yi)(X_i,Y_i)(Xi​,Yi​)，其中类别YiY_iYi​有5种取值（因为是5分类问题），所以如果YjY_jYj​为第1类那么其独热编码为： [1,0,0,0,0][1,0,0,0,0][1,0,0,0,0]，如果是第2类那么独热编码为：[0,1,0,0,0][0,1,0,0,0][0,1,0,0,0]，也就是说只对存在有该类别数的位置上进行标记为1，其他皆为0

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：38912
    • 提供者：weixin_38595243

  1. 机器学习代码实战——One-Hot编码（独热编码）

  2. 文章目录1.实验目的2.训练+预测2.1.get_dummies方法2.2.OneHotEncoder方法 1.实验目的 根据csv文件已给属性（Car Model、Mileage、Sell Price($)、Age(yrs)）来预测汽车售价。下面将给出两种预测onehot编码方法，其中模型用LinearRegression。 汽车数据 密码:7izi 2.训练+预测 2.1.get_dummies方法 import pandas as pd df = pd.read_csv('carprice

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：193536
    • 提供者：weixin_38502929

  1. Pipeline的使用例子

  2. Pipelines:组织数据预处理和建模的方法，他捆绑了预处理和建模的步骤，使用Pipeline可以是你的代码更加简洁、直观、不容易出BUG、简单部署、有更多的模型验证选项。 假设你有训练数据验证数据：X_train, X_valid, y_train, and y_valid.这些数据包含有缺失值的变量和类别变量。 下面的代码是使用Pipeline进行预处理和建模的例子。 定义预处理步骤 1.对于数值型的缺失值我们估算（imputes）它（均值、众数、中位数、零等） 2.类别变量中的我们先估算

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：30720
    • 提供者：weixin_38677260

  1. NLP词向量介绍

  2. 全文均为笔者的理解，不权威也不一定准确，如有错误欢迎指正。 NLP的核心问题，就是学习不同语境下的语义表示，所谓的语义表示呢，就是以量化的方式来表示一个单词，即我们今天要说的——词向量。词向量作为一种预训练模型在NLP领域应用非常广泛，词向量可以看作是用来表达词的语义。在这个领域，一个重要的挑战为一个单词在不同的上下文里有可能表示不一样的语义，该如何解决这个问题呢？那就是加入了上下文信息来区分同一词的多个的意义。而词向量又是如何发展为能进行一词多义的语义消歧的呢，那就一起看看词向量的发展之路吧！

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：316416
    • 提供者：weixin_38530536

  1. 一文看懂词嵌入word embedding（2种算法+其他文本表示比较）

  2. 文本表示（Representation） 文本是一种非结构化的数据信息，是不可以直接被计算的。 文本表示的作用就是将这些非结构化的信息转化为结构化的信息，这样就可以针对文本信息做计算，来完成我们日常所能见到的文本分类，情感判断等任务。 文本表示的方法有很多种，下面只介绍 3 类方式： 独热编码 | one-hot representation 整数编码 词嵌入 | word embedding 独热编码 | one-hot representation 假如我们要计算的文本中一共出现了4个词

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：398336
    • 提供者：weixin_38703123

  1. NIP基础

  2. 1.词向量与语言模型 2.学习不同语境下的语义表示 3.基于LSTM 的词向量学习 4.深度学习中的层次表示以及Deep BI-LSTM 5.ELMO模型 在监督NLP任务中使用Elmo 6.总结 1.词向量与语言模型 NLU 文本的量化表示方式 独热编码：能否表示单词之间的相似度？ — 不能。因为通过任何一种方式（余弦相似度等）无法计算两两向量的相似度。 所以我们有了 词向量 （分布式表示的词向量） 独热编码： 稀疏向量，并且都是正交的。 词向量：稠密向量，分布式词向量。 类似的单词 都是聚集

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：93184
    • 提供者：weixin_38664469

  1. Tensorflow学习实战

  2. Tensorflow学习实战之mnist手写体识别 数据准备 构建模型 训练模型 评估结果 可视化显示 Tensorflow继续学习，今天是入门级的mnist手写体识别，改变前两次的线性回归，这次是逻辑回归，这样随之改变的是损失函数等 Tensorflow里面有一个examples的MNIST的手写，直接运行会自动下载。 训练了20次，效果还不错，慢慢的理解，把以前不懂得好多东西，学习中慢慢得到补充 收获： reshape，行优先，逐行排列，相当于把一整行数字排列后按reshape得行列填充进去

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：69632
    • 提供者：weixin_38629274

  1. KDDCUP99D121.csv

  2. 将字符转换为数字并进行独热编码后的文件并且删除一列方便转换11*11

  3. 所属分类：网络安全

    • 发布日期：2021-03-15
    • 文件大小：241172480
    • 提供者：cxy201658503125

  1. Cloud-Computing-Laboratory-源码

  2. 云计算实验室 周 日期 课程实作内容 课程原理内容 备注 1个 2/24 Google Colab与Python安装 -- 自学：Python基础 2个 3/03 3D列印基础教学 -- -- 3 3/10 车牌识别：影像标柱与影像增量 机器学习与深度学习概要 -- 4 3/17 车牌识别：Haar分类器 机器学习：线性与逻辑回归 -- 5 3/24 车牌识别：CNN分类器 深度学习：多层感知器与卷积神经网路 -- 6 3/31 车牌识别：实际应用 分类模型的验证指标 --

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：491782144
    • 提供者：weixin_42131405

  1. softmax分类 独热编码

  2. 对数几率回归解决的是二分类的问题， 对于多个选项的问题，我们可以使用softmax函数，它是对数几率回归在 N 个可能不同的值上的推广。 神经网络的原始输出不是一个概率值，实质上只是输入的数值做了复杂的加权和（乘以w+b）与非线性处理之后的一个值而已，那么 如何将这个输出变为概率分布？  -这就是Softmax层的作用了 softmax要求每个样本必须属于某个类别，且所有可能的样本均被覆盖 1.softmax个样本分量之和为 1   （1）概率之和为1.预测一个人来自广州，还是广西，上海等

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：263168
    • 提供者：weixin_38534352

  1. pytorch、tensorflow之生成one-hot向量

  2. 对于标签分类：最后生成的可以是类别标签索引，也可以是one-hot向量（独热编码） 我们举一个五分类的例子： 可以用[3]：表示第三种分类 也可以用one-hot向量[0,0,1,0,0]：表示第三种分类 那么我们接下来用pytorch和tensorflow这两个深度学习框架来生成one-hot向量 Pytorch 生成one-hot向量 import torch from torch.nn import functional label = torch.tensor([2]) # 2显示的是

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：59392
    • 提供者：weixin_38677585
« 12 »