文章 2023-10-13 来自:开发者社区

【Python机器学习】实验15 将Lenet5应用于Cifar10数据集3

12. 采用pandas可视化数据import pandas as pd table=pd.DataFrame(zip(pre_10000,label_10000)) table010[-0.49338394, -1.098238, 0.40724754, 1.7330961...31[4.0153656, 4.4736323, -0.29209492, -3.2882178...82[1.3.....

【Python机器学习】实验15 将Lenet5应用于Cifar10数据集3
文章 2023-10-13 来自:开发者社区

【Python机器学习】实验15 将Lenet5应用于Cifar10数据集2

思考题测试集中有哪些识别错误的手写数字图片? 汇集整理并分析原因?11. 读取测试集的图片预测值(神经网络的输出为10)pre_result=torch.zeros(len(test_dataset),10) for i in range(len(test_dataset)): pre_result[i,:]=model(torch.reshape(test_dataset[i][0],...

文章 2023-10-13 来自:开发者社区

【Python机器学习】实验15 将Lenet5应用于Cifar10数据集1

CIFAR10数据集介绍CIFAR-10 数据集由10个类别的60000张32x32彩色图像组成,每类6000张图像。有50000张训练图像和10000张测试图像。数据集分为五个训练批次和一个测试批次,每个批次有10000张图像。测试批次包含从每个类别中随机选择的1000张图像。训练批次包含随机顺序的剩余图像,但一些训练批次可能包含比另一个类别更多的图像。在它们之间训练批次包含来自每个类的500....

【Python机器学习】实验15 将Lenet5应用于Cifar10数据集1
文章 2023-10-12 来自:开发者社区

【Python机器学习】实验05 机器学习应用实践-手动调参2

1.8 如何选择超参数?比如多少轮迭代次数好?#1 利用pandas显示数据 path = 'ex2data1.txt' data = pd.read_csv(path, header=None, names=['Exam1', 'Exam2', 'Admitted']) data.head() Exam1Exam2Admitted034.62366078.0246930130.28671143....

【Python机器学习】实验05 机器学习应用实践-手动调参2
文章 2023-10-12 来自:开发者社区

【Python机器学习】实验05 机器学习应用实践-手动调参1

机器学习应用实践上一次练习中,我们采用逻辑回归并且应用到一个分类任务。但是,我们用训练数据训练了模型,然后又用训练数据来测试模型,是否客观?接下来,我们仅对实验1的数据划分进行修改需要改的地方为:下面红色部分给出了具体的修改。1 训练数据数量将会变少2 评估模型时要采用测试集1.1 准备数据本实验的数据包含两个变量(评分1和评分2,可以看作是特征),某大学的管理者,想通过申请学生两次测试的评分,....

【Python机器学习】实验05 机器学习应用实践-手动调参1

本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问