logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

深度学习之交叉熵损失函数的原理和应用

目录1、交叉熵的定义2、交叉熵的应用:3、在逻辑回归中的应用4.交叉熵和二次代价函数的对比4.1. 二次代价函数的不足4.2. 交叉熵代价函数4.3 对数释然代价函数(log-likelihood cost):4.4 交叉熵代价函数是如何产生的?5.实战平方损失函数与交叉熵损失函数 适用的情况1、交叉熵的定义在信息论中,交叉熵是表示两个概率分布...

推荐系统 - Swing算法

推荐系统 - Swing算法

#推荐算法
图像分割损失函数

为什么要乘以2,是为了让DICE的值域在0和1之间。

文章图片
#计算机视觉
自然语言处理之中文文本分析(jieba分词、词袋doc2bow、TFIDF文本挖掘)

中文分词常用的分词工具有jieba等,本文以jieba分词为例,讲解中文文本分析。一、jieba分词来源github:https://github.com/fxsjy/jieba1、主要模式支持三种分词模式:精确模式,试图将句子最精确地切开,适合文本分析;全模式,把句子中所有的可以成词的词语都扫描出来, 速度非常快,但是不能解决歧义;搜索引擎模式,在精确模式的基础上,对...

深度学习之手写数字识别

一、数据集介绍MINST数据集分类1.MNIST数据集MNIST数据集官网下载下来的数据集被分成两部分:60000行的训练数据集(mnist.train)和10000行的测试数据集(mnise.test)每一张图片包含28*28个像素,我们把这一个数组展开成一个向量,长度是28*28=784。因此在MNIST训练数据集中mnist.train.images是一个形状为...

机器学习之数据处理威尔逊置信区间

一、正态分布标准正态分布标准正态分布就是均值为0,标准差为1的分布,如下图一般正态分布一般正态分布n,假设其均值是 μ,标准差为σ ,即服从 n~N(μ,σ)经过变换可以转换成标准正态分布:另X = (N - μ)/ σ,则X就是服从标准的正态分布了X~N(0,1)二、置信区间上图中的面积就是标准正态分布的概率,而置信区间就是变量的区间估计,例如图中的-1到1就是一个置信......

#机器学习#概率论#人工智能
深度学习之GPU的配置和适用

目录一、keras代码GPU配置二、tensorflow代码GPU配置三、给算子指定GPU或CPU当设置的GPU号大于实际的GPU个数时(比如实际只有一个GPU,配置中设置成使用1号GPU),创建会话会失败,提示tensorflow.python.framework.errors_impl.InternalError: Failed to create session.一、k...

阿里云天池大赛赛题解析——深度学习篇

阿里云天池大赛赛题解析——深度学习篇

#大数据
    共 67 条
  • 1
  • 2
  • 3
  • 7
  • 请选择