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

optuna 自动化调参利器

Optuna是一个自动超参数优化软件框架,专为机器学习而设计。它具有命令式、 运行时定义的用户 API。Optuna的用户可以动态地构建超参数的搜索空间。optuna API使用optunaOptuna 与几乎所有可用的机器学习框架一起使用:TensorFlow、PyTorch、LightGBM、XGBoost、CatBoost、sklearn、FastAI 等。安装optunapip insta

#自动化#运维#tensorflow
接私活必备的 10 个开源项目!

1. AdminLTEGitHub Star 数 24969 , GitHub 地址:https://github.com/almasaeed2010/AdminLTE非常流行的基于 Bootstrap 3.x 的免费的后台 UI 框架。2. vue-Element-AdminGitHub Star 数 19546, GitHub 地址:https://github.com/Pan...

pytorch:测试GPU是否可用

import torchflag = torch.cuda.is_available()if flag:print("CUDA可使用")else:print("CUDA不可用")ngpu= 1# Decide which device we want to run ondevice = torch.device("cuda:0" if (torch.cuda.is...

结构化数据、半结构化数据和非结构化数据

一、结构化数据结构化的数据是指可以使用关系型数据库表示和存储,表现为二维形式的数据。一般特点是:数据以行为单位,一行数据表示一个实体的信息,每一行数据的属性是相同的。举一个例子:idnameagegender1Liu Yi20male2Chen Er35female3Zhang San28male所以,结构

PyTorch 模型训练教程(一)-数据

第一章 数 据1.1 Cifar10 转 png下载 cifar-10-python.tar.gz下载方式:官网:http://www.cs.toronto.edu/~kriz/cifar.htmllinux命令:cd Datawget http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz下载 cifar-10-python.tar.gz,存

FFT为什么要加窗函数?

当输入信号的频率不是FFT分辨率的整数倍时,信号的能力就会向整个频域扩散,此时那些幅度比较小频点就会被覆盖,使得小幅度频点观察不出来,加窗之后可以防止能量外泄,这样就可以分析那些小幅度频点的特性!可以通俗的理解为防止频率泄露这是数字信号处理的相关知识了。数字信号处理的主要数学工具是傅里叶变换.而傅里叶变换是研究整个时间域和频率域的关系。不过,当运用计算机实现工程测试信号处理时,不可能对无限长的..

量化交易平台资源

史上最全量化资源整理有些国外的平台、社区、博客如果连接无法打开,那说明可能需要“科学”上网量化交易平台国内在线量化平台:BigQuant - 你的人工智能量化平台 - 可以无门槛地使用机器学习、人工智能开发量化策略,基于python,提供策略自动生成器镭矿 - 基于量化回测平台果仁网 - 回...

pytorch minist

导入相关库import torchfrom torch import nnfrom torch.nn import functional as Ffrom torch import optimimport torchvisionfrom matplotlib import pyplot as pltfrom utils import plot_image, plot_curve,...

阿伦尼乌斯 (Arrhenius) 公式

阿伦尼乌斯公式(Arrhenius equation )是由瑞典的阿伦尼乌斯所创立的化学反应速率常数随温度变化关系的经验公式。公式写作 k=Ae−Ea/RTk=Ae^{-Ea/RT}k=Ae−Ea/RT (指数式)。k为速率常数,R为摩尔气体常量,T为热力学温度,Ea为表观活化能,A为指前因子(也称频率因子)。在1889年,阿伦尼乌斯在总结了大量实验结果的基础上,提出下列经验公式:k——温度T时的

pytorch:测试GPU是否可用

import torchflag = torch.cuda.is_available()if flag:print("CUDA可使用")else:print("CUDA不可用")ngpu= 1# Decide which device we want to run ondevice = torch.device("cuda:0" if (torch.cuda.is...

    共 26 条
  • 1
  • 2
  • 3
  • 请选择