1 Feed forward neural networks (FF or FFNN) and perceptrons (P)前馈神经网络和感知机，信息从前（输入）往后（输出）流动，一般用反向传播（BP）来训练。算是一种监督学习。对应的代码https://github.com/danijar/layeredhttps://github.com/civisanalytics/muffnn...

转自https://blog.csdn.net/u014365862/article/details/77961624如果你的神经网络不工作，该怎么办？本文作者列举了搭建神经网络时可能遇到的11个常见问题，包括预处理数据、正则化、学习率、激活函数、网络权重设置等，并提供解决方法和原因解释，是深度学习实践的有用资料。如果你的神经网络不工作，该怎么办？作者在这里列出了建神经网络时所有可能做错的...

激活tensorflow：activate tensorflow输入：pip uninstall tensorflowProceed（y/n）:y如果是gpu版本：激活tensorflow：activate tensorflow-gpu输入：pip uninstall tensorflow-gpuProceed（y/n）:y  ...

UCI地址：http://archive.ics.uci.edu/ml/datasets.html若要查找某条数据集，一条一条找很费时间，可以点击右上角 List View按钮，则数据集按照首字母排序KEEL地址：https://sci2s.ugr.es/keel/datasets.php优点：已经按照数据集的特点大致对数据集进行了分类整理 ...

熵的计算公式：p(x)为概率，全部概率之和为1假设 probs是网络输出的n分类预测概率，尺寸为[batch_size,n]，那么预测熵的计算代码如下：log_probs = np.log2(probs)shang = -1 * np.sum(probs * log_probs, axis=1)...

熵的计算公式：p(x)为概率，全部概率之和为1假设 probs是网络输出的n分类预测概率，尺寸为[batch_size,n]，那么预测熵的计算代码如下：log_probs = np.log2(probs)shang = -1 * np.sum(probs * log_probs, axis=1)...

在按键回调函数中加入：axes(handles.axes1); %指定坐标轴I = imread('test1.jpg'); %读入图像imshow(I); %显示图像

plt.fill_between用颜色填充两条曲线之间的区域plt.fill_between(x, y1, y2)，其中x是横坐标，y1和y2是两条曲线，这个函数的作用是用颜色填充y1和y2这两条曲线之间的区域。该函数最常用的用法是已知均值曲线和标准差，画出标准差覆盖的区域，例如下面这个例子：已知在一个回归问题中，输入向量是x，通过多次试验得到了输出的均值和标准差分别为y_mean...

sklearn.metrics.cohen_kappa_score(y1, y2, *, labels=None, weights=None, sample_weight=None)https://scikit-learn.org/stable/modules/generated/sklearn.metrics.cohen_kappa_score.html

pytorch中构建卷积层一般使用nn.Conv2d方法，有些情况下我们需要自定义卷积核的权值weight，而nn.Conv2d中的卷积参数是不允许自定义的，此时可以使用torch.nn.functional.conv2d简称F.conv2dtorch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, di...