흥미롭네요. 왜 이런 일이 발생합니까? DNN Darch, backpropagation, dropout을 사용합니다.
신기원: 100 중 16 기차 세트의 분류 오류: 41.69%(2668/6400) 신기원: 100 중 17 기차 세트의 분류 오류: 31.87% (2040/6400) 신기원: 100/18 기차 세트의 분류 오류: 32.09%(2054/6400) 신기원: 100/19 기차 세트의 분류 오류: 39.55%(2531/6400) 신기원: 100 중 20 기차 세트의 분류 오류: 38.02%(2433/6400) 신기원: 100 중 21 기차 세트의 분류 오류: 49.89% (3193/6400) 신기원: 100 중 22 기차 세트의 분류 오류: 50.56%(3236/6400) 신기원: 100 중 23 기차 세트의 분류 오류: 45.56%(2916/6400)
저것들. 17단계에서 잘 훈련된 네트워크를 가져와 21단계로 저하시킵니다.
이해했다. dropout은 각 epoch에 새 마스크를 적용했습니다. 각 miniBatch로 전환하겠습니다. 더 좋을 것입니다.
도움이 되지 않았습니다: 기차 세트의 분류 오류: 45.11%(2887/6400) 신기원: 10/100 기차 세트의 분류 오류: 34.92%(2235/6400) 신기원: 100 중 11 기차 세트의 분류 오류: 30.16%(1930/6400) 신기원: 100/12 기차 세트의 분류 오류: 45.28%(2898/6400) 신기원: 100/13 기차 세트의 분류 오류: 39.56%(2532/6400)
이건 괜찮아. 어떻게 해야 합니까? 교육 후 최고의 모델이 반환됩니다. "더 나은"의 기준은 스스로 선택합니다. 글쎄, 당신은 그것을 알고 있습니다.
배치를 줄이는 것이 항상 더 나은 품질로 이어지는 것은 아닙니다.
하이퍼파라미터 최적화 모델인가요? 모델과 훈련 계획의 매개변수를 표시합니다. 아마도 그것이 해결될 것입니다.
이건 괜찮아. 어떻게 해야 합니까? 교육 후 최고의 모델이 귀하에게 반환됩니다. "더 나은"의 기준은 스스로 선택합니다. 글쎄, 당신은 그것을 알고 있습니다.
배치를 줄이는 것이 항상 더 나은 품질로 이어지는 것은 아닙니다.
하이퍼파라미터 최적화 모델인가요? 모델과 훈련 계획의 매개변수를 표시합니다. 아마도 그것이 해결될 것입니다.
행운을 빕니다
뭐, 정상이라면 그대로 사용하겠습니다. 차트에서 백분율 오류가 30%에 접근한 후 5만큼 뛰어올랐을 뿐입니다. 나는 30 또는 50이 있습니다. 예, 최고의 모델이 선택됩니다. 그리고 그렇습니다. 이러한 모델은 하이퍼파라미터를 최적화하여 얻습니다. 저는 LearnRate = 1에 기대고 있습니다. 하지만 0.7과 0.3과 0.1과 0.01을 모두 시도했습니다. 0.1까지 어딘가에서 30%의 오차로 다른 것이 발견되고, 낮은 LearnRate<0.1에서 NS는 아무 것도 학습할 수 없습니다. 따라서 LearnRate = 1인 여러 옵션을 찾도록 하고 나중에 가장 좋은 옵션을 선택하겠습니다.
왜 conda가 필요한가요? 먼저 python으로 작업하는 기본 사항을 배우고 IPython, 그 다음에는 전혀 필요하지 않은 conda
같은 Tflow와 sklearn은 그것 없이 조용히 설치됩니다.
알아요. 나는 스파이더를 좋아했다. 표준 Python에는 기능이 거의 없습니다. 그리고 Spyder는 거의 VS입니다(농담). 나는 표준을 제외하고 다른 편집자들이 아직 보지 못했다고 말해야 합니다.
따라서 Python에서는 모든 것이 괜찮습니다. 문제 없이 쟁기질하지만 Spyder에서만 명확하지 않습니다. 그리고 이미 기본적으로 버그가 있으며 numpy 및 matplotlib에서만 가능합니다. 나머지는 여전히 쟁기질하고 있지만 나는 아직 스파이더를 멀리 가지 않았습니다.
흥미롭네요. 왜 이런 일이 발생합니까?
DNN Darch, backpropagation, dropout을 사용합니다.
신기원: 100 중 16
기차 세트의 분류 오류: 41.69%(2668/6400)
신기원: 100 중 17
기차 세트의 분류 오류: 31.87% (2040/6400)
신기원: 100/18
기차 세트의 분류 오류: 32.09%(2054/6400)
신기원: 100/19
기차 세트의 분류 오류: 39.55%(2531/6400)
신기원: 100 중 20
기차 세트의 분류 오류: 38.02%(2433/6400)
신기원: 100 중 21
기차 세트의 분류 오류: 49.89% (3193/6400)
신기원: 100 중 22
기차 세트의 분류 오류: 50.56%(3236/6400)
신기원: 100 중 23
기차 세트의 분류 오류: 45.56%(2916/6400)
저것들. 17단계에서 잘 훈련된 네트워크를 가져와 21단계로 저하시킵니다.
이해했다.
도움이 되지 않았습니다:dropout은 각 epoch에 새 마스크를 적용했습니다. 각 miniBatch로 전환하겠습니다. 더 좋을 것입니다.
기차 세트의 분류 오류: 45.11%(2887/6400)
신기원: 10/100
기차 세트의 분류 오류: 34.92%(2235/6400)
신기원: 100 중 11
기차 세트의 분류 오류: 30.16%(1930/6400)
신기원: 100/12
기차 세트의 분류 오류: 45.28%(2898/6400)
신기원: 100/13
기차 세트의 분류 오류: 39.56%(2532/6400)
이건 괜찮아. 어떻게 해야 합니까? 교육 후 최고의 모델이 반환됩니다. "더 나은"의 기준은 스스로 선택합니다. 글쎄, 당신은 그것을 알고 있습니다.
배치를 줄이는 것이 항상 더 나은 품질로 이어지는 것은 아닙니다.
하이퍼파라미터 최적화 모델인가요? 모델과 훈련 계획의 매개변수를 표시합니다. 아마도 그것이 해결될 것입니다.
행운을 빕니다
이건 괜찮아. 어떻게 해야 합니까? 교육 후 최고의 모델이 귀하에게 반환됩니다. "더 나은"의 기준은 스스로 선택합니다. 글쎄, 당신은 그것을 알고 있습니다.
배치를 줄이는 것이 항상 더 나은 품질로 이어지는 것은 아닙니다.
하이퍼파라미터 최적화 모델인가요? 모델과 훈련 계획의 매개변수를 표시합니다. 아마도 그것이 해결될 것입니다.
행운을 빕니다
차트에서 백분율 오류가 30%에 접근한 후 5만큼 뛰어올랐을 뿐입니다. 나는 30 또는 50이 있습니다.
예, 최고의 모델이 선택됩니다.
그리고 그렇습니다. 이러한 모델은 하이퍼파라미터를 최적화하여 얻습니다.
저는 LearnRate = 1에 기대고 있습니다. 하지만 0.7과 0.3과 0.1과 0.01을 모두 시도했습니다. 0.1까지 어딘가에서 30%의 오차로 다른 것이 발견되고, 낮은 LearnRate<0.1에서 NS는 아무 것도 학습할 수 없습니다. 따라서 LearnRate = 1인 여러 옵션을 찾도록 하고 나중에 가장 좋은 옵션을 선택하겠습니다.
아나콘다와 싸우는 둘째 날. 2일 동안 이미 3번의 재설치. Spyder를 초기화할 때 오류가 발생합니다.
어제 모든 것이 괜찮아 보였다. numpy를 설치했는데 고양이가 이미 데이터베이스에 있어야 하지만 거기에 없었습니다. 여기서 실수가 발생합니다.
numpy 제거됨 - 오류가 사라지지 않고 다시 설치됨 - 효과 없음.
다음으로 import numpy를 작성합니다. 모듈이 설치되었지만 초기화되지 않았다고 응답합니다.
레지스트리를 정리하고 Anaconda와 관련된 폴더 및 파일의 나머지 부분을 모든 곳에서 삭제하여 Anaconda를 다시 설치하는 것은 도움이 되지 않습니다.
기가 막혀요.))
아나콘다와 싸우는 둘째 날. 2일 동안 이미 3번의 재설치. Spyder를 초기화할 때 오류가 발생합니다.
어제 모든 것이 괜찮아 보였다. numpy를 설치하면 고양이가 이미 데이터베이스에 있어야 하지만 그렇지 않았습니다. 여기서 실수가 발생합니다.
numpy 제거됨 - 오류가 사라지지 않고 다시 설치됨 - 효과 없음.
다음으로 import numpy를 작성합니다. 모듈이 설치되었지만 초기화되지 않았다고 응답합니다.
레지스트리를 정리하고 Anaconda와 관련된 폴더 및 파일의 나머지 부분을 모든 곳에서 삭제하여 Anaconda를 다시 설치하는 것은 도움이 되지 않습니다.
기가 막혀요.))
왜 conda가 필요한가요? 먼저 python으로 작업하는 기본 사항을 배우고 IPython, 그 다음에는 전혀 필요하지 않은 conda
같은 Tflow와 sklearn은 그것 없이 조용히 설치됩니다.
기가 막혀요.))
컴퓨터 작업의 기본을 배웁니다. 말하자면 컴퓨터로 ...
컴퓨터 작업의 기본을 배웁니다. 말하자면 컴퓨터로 ...
))
컴퓨터 작업의 기본을 배웁니다. 말하자면 컴퓨터로...
당신은 방법을 알고 있습니까? 나는 그것을 강하게 의심한다.))
IPython용 데스크탑 참조
https://jakevdp.github.io/PythonDataScienceHandbook/
왜 conda가 필요한가요? 먼저 python으로 작업하는 기본 사항을 배우고 IPython, 그 다음에는 전혀 필요하지 않은 conda
같은 Tflow와 sklearn은 그것 없이 조용히 설치됩니다.
알아요. 나는 스파이더를 좋아했다. 표준 Python에는 기능이 거의 없습니다. 그리고 Spyder는 거의 VS입니다(농담). 나는 표준을 제외하고 다른 편집자들이 아직 보지 못했다고 말해야 합니다.
따라서 Python에서는 모든 것이 괜찮습니다. 문제 없이 쟁기질하지만 Spyder에서만 명확하지 않습니다. 그리고 이미 기본적으로 버그가 있으며 numpy 및 matplotlib에서만 가능합니다. 나머지는 여전히 쟁기질하고 있지만 나는 아직 스파이더를 멀리 가지 않았습니다.
또한 모든 편집기를 연속으로 설치하고 싶지 않습니다.