-
-
TensorFlow模型训练常见案例:解决数据预处理中的算子问题
本文分享了基于TensorFlow的Python API开发的训练脚本在昇腾平台执行失败或性能差的典型案例,并给出了原因分析及解决方法,主要解决了数据预处理中存在资源类算子和tf.Variable导致训练异常的问题。同时提供了修改训练脚本以启用混合计算能力的方法。- 125
- 0
-
基于深度学习的车型识别技术及实现方法
本文介绍了如何利用深度学习技术实现车型识别,包括数据收集和预处理、构建深度学习模型、数据加载和训练。通过深度学习技术,可以实现高效准确的车辆分类和检测。- 225
- 0
-
数据预处理中的Normalization操作及其重要性
本文介绍了数据预处理中的Normalization操作,包括其定义、作用和在机器学习算法中的重要性。对于AI初学者来说,这是一篇很好的教程文章。- 196
- 0
-
AutoEncoder模型与数据准备
了解AutoEncoder模型及其应用,以及数据准备过程。学习如何使用AutoEncoder进行数据降维和特征提取,以及如何处理图像数据用于机器学习模型训练。- 186
- 0
-
-
PaddlePaddle框架实战:用户异常行为分析与识别
本文将在上一篇文章的基础上,继续完善数据预处理部分、模型搭建、模型训练等步骤,使用PaddlePaddle框架进行实战操作,旨在通过机器学习的手段预测用户上网异常评分。- 290
- 0
-
GoldMiner: 数据预处理流水线弹性缩放技术的研究成果
阿里云机器学习平台PAI和北京大学杨智老师团队合作的论文《GoldMiner: Elastic Scaling of Training Data Pre-Processing Pipelines for Deep Learning》被数据库领域顶会SIGMOD 2023接收,该研究成果提出了解决数据预处理流水线瓶颈的弹性缩放技术,可提升训练性能和GPU集群利用率。- 86
- 0
-
LSTM神经网络实现中国人口预测项目-数据预处理、模型搭建、模型训练、模型预测
本文主要内容是在上一篇文章的基础上,继续完成LSTM神经网络实现中国人口预测项目,包括数据预处理、模型搭建、模型训练、模型预测等部分。文章介绍了数据预处理、模型构建、模型训练、模型预测的开发与演示,以及对中国人口数据集的分析和处理过程。- 115
- 0
-
-
使用PaddleTS的LSTNet模型完成中国人口预测数据集的回归预测任务
本文使用PaddleTS工具中的LSTNet模型完成中国人口预测数据集的回归预测任务,包含数据预处理部分和TSDataset构造,旨在帮助读者学习如何使用深度学习模型进行时间序列数据预测。- 170
- 0
-
数据科学家的管道优势及Melbourne Housing 数据集示例
了解数据科学家使用管道的优势,以及在Melbourne Housing 数据集上的实际示例。探讨数据预处理和模型验证的重要性。- 142
- 0
-
基于机器学习的蘑菇分类系统开发
本文介绍了基于机器学习技术开发的蘑菇分类系统,包括数据收集与预处理、特征提取与选择、机器学习模型选择与训练等步骤,并给出了随机森林和卷积神经网络的示例代码。该系统旨在实现对蘑菇的自动分类和识别,提高蘑菇辨识的准确性和效率。- 395
- 0
-
基于深度学习的昆虫图像识别技术及实例
本文介绍了基于深度学习的昆虫图像识别技术,包括数据集准备、深度学习模型的选择、数据预处理和增强、模型训练和优化等内容,并提供了基于Python和PyTorch库的简单昆虫图像识别模型的代码示例。- 270
- 0
-
基于深度学习的海洋生物识别技术
本文介绍了如何利用深度学习技术和CNN模型实现海洋生物的自动识别,包括数据收集和预处理、构建深度学习模型、数据加载和训练等步骤。通过该技术,可以实现高准确度的海洋生物分类任务。- 242
- 0
-
持续创作,加速成长!掘金日新计划 · 10 月更文挑战第25天
本文介绍了在 Failing Loudly: An Empirical Study of Methods for Detecting Dataset Shift 中使用的漂移检测方法,包括未经训练的自动编码器、BBSD和PCA,并结合PyTorch和TensorFlow框架进行漂移检测。- 126
- 0
-
-
监督学习中的特征提取和特征选择方法详解
了解监督学习中的特征提取和特征选择方法,包括主成分分析(PCA)、线性判别分析(LDA)、特征哈希等技术,以及使用Filter方法进行特征选择的示例代码。- 390
- 0
-
数据清洗:从缺失值到类别型特征编码
本文介绍了数据清洗的重要性和步骤,包括处理缺失值和对类别型特征进行编码。通过阅读本文,您将了解数据预处理的关键概念,并学会如何有效地解决缺失值问题,以及如何将类别型特征转化为数字表示。- 103
- 0
-
-
-
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
-
¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!