机器学习 - save和load训练好的模型
如果已经训练好了一个模型，你就可以save和load这模型。 For saving and loading models in PyTorch, there are three main methods you should be aware of. 在 PyTorch 中，pickle 是一个用于序列化和反序列化Python对象的标准库模块。它可以将Python对象转换为字节流 (即序列化)，并将字节...
机器学习 - PyTorch 常见的操作
可以用PyTorch做加减乘除操作 import torch tensor_operation = torch.tensor([1,2,3])print(tensor_operation) print(tensor_operation + 10)print(torch.add(tensor_operation, 10)) print(tensor_operation * 10) print(torc...
机器学习 - 训练模型
接着这一篇博客做进一步说明： 机器学习 - 选择模型 为了解决测试和预测之间的差距，可以通过更新 internal parameters, the weights set randomly use nn.Parameter() and bias set randomly use torch.randn(). Much of the time you won’t know what the ideal p...
【机器学习智能硬件开发全解】（九）—— 政安晨：通过ARM-Linux掌握基本技能【C语言程序的预处理过程】
主要包括以下操作： 一个源程序在预处理前后有什么变化呢？ 重写前面的C程序 我们写了一个测试程序，分别使用预处理命令去定义一些宏和条件编译。 （咱们在上一篇文章中代码的基础上修改一下）上一篇文章： 【机器学习智能硬件开发全解】（八）—— 政安晨：通过ARM-Linux掌握基本技能【C语言程序的编译/链接/安装运行】https://blog.csdn.net/snowdenkeke/article/deta...
【机器学习】详细解析Sklearn中的StandardScaler---原理、应用、源码与注意事项
【机器学习】详细解析Sklearn中的StandardScaler—原理、应用、源码与注意事项 🌵文章目录🌵 🎓 一、StandardScaler简介🔧 二、StandardScaler原理与应用🔍 三、StandardScaler源码的简单复现与解析⚠️ 四、使用StandardScaler的注意事项📚 五、StandardScaler的进阶应用🔄 六、总结与展望🎉 结语 🎓 一、StandardSc...
【机器学习系列】M3DM工业缺陷检测部署与训练
一.基础资料 1.Git 地址 地址 2.issues issues 3.参考 参考 csdn 二.服务器信息 1.GPU 服务器 GPU 服务器自带 CUDA 安装(前提是需要勾选上)CUDA 需要选择大于 11.3 的版本登录服务器后会自动安装 GPU 驱动 2.CUDA 安装 GPU 服务器自带 CUDA CUDA 版本查看 3.登录信息 删除指定主机的秘钥: ssh-keygen -R 47.1...
彻底学会系列：一、机器学习之梯度下降（1）
1 梯度下降概念 1.1 概念 梯度下降是一种优化算法，用于最小化一个函数的值，特别是用于训练机器学习模型中的参数，其基本思想是通过不断迭代调整参数的值，使得函数值沿着梯度的反方向逐渐减小，直至达到局部或全局最小值 1.2 理解 在实际业务中，一般多个特征对应一个目标结果值。即对一个多维复杂的方程组的每一维的特征权重进行计算，以求出这个方程局部或全局最小值。如果使用正规方程的进计算，计算量太大，时间及财...
如何使用机器学习构建自己的推荐系统？
rint(f"Title: {row['Book-Title']}, Predicted Rating: {row['Predicted_Rating']:.2f}") 总之，使用机器学习构建推荐系统为增强用户体验和推动电子商务领域的业务成功开辟了令人兴奋的可能性。 凭借从此旅程中获得的知识和工具，您已经做好了充分的准备，可以开始自己的推荐系统项目，并根据您的平台和受众...
【机器学习】进阶学习：详细解析Sklearn中的MinMaxScaler---原理、应用、源码与注意事项
【机器学习】进阶学习：详细解析Sklearn中的MinMaxScaler—原理、应用、源码与注意事项 🌵文章目录🌵 🧠 一、MinMaxScaler简介🔧 二、MinMaxScaler原理与应用🔍 三、MinMaxScaler源码的简单复现与解析💡 四、注意事项🔄 五、MinMaxScaler与StandardScaler的比较📚 六、总结 🧠 一、MinMaxScaler简介 MinMaxScal...
机器学习中的基础问题总结
什么L1正则可以特征选择？） 二、损失函数常见损失函数交叉熵 三、过拟合与欠拟合1、如何降低过拟合2、如何降低欠拟合 四、梯度爆炸和梯度消失解决方法 五、激活函数1.引入库2.读入数据 优化算法传统的机器学习模型 模型评估 tips：准确率（A）、精确率（P）、召回率（R）、均方根误差、F1 score tips：ROC曲线、P-R曲线、AUC（曲线下的面积） 提示：以下是本篇文章正文内容，下面案例可供参...