คำถามติดแท็ก machine-learning

ฉันต่อไปกวดวิชาเกี่ยวกับพื้นฐานการเรียนรู้เครื่องและมีการกล่าวถึงว่าสิ่งที่อาจจะเป็นคุณลักษณะหรือฉลาก จากสิ่งที่ฉันรู้คุณลักษณะคือคุณสมบัติของข้อมูลที่กำลังใช้อยู่ ฉันคิดไม่ออกว่าป้ายกำกับคืออะไรฉันรู้ความหมายของคำนี้ แต่ฉันอยากรู้ว่ามันหมายถึงอะไรในบริบทของแมชชีนเลิร์นนิง

103 machine-learning  artificial-intelligence 

ฉันติดตั้ง Keras พร้อมกับแบ็กเอนด์ Tensorflow และ CUDA ฉันต้องการบังคับให้ Keras ใช้ CPU ในบางครั้งตามความต้องการ สามารถทำได้โดยไม่ต้องบอกว่าติดตั้ง Tensorflow เฉพาะ CPU แยกต่างหากในสภาพแวดล้อมเสมือนจริงหรือไม่? ถ้าเป็นอย่างไร หากแบ็กเอนด์เป็น Theano แฟล็กสามารถตั้งค่าได้ แต่ฉันไม่เคยได้ยินเกี่ยวกับแฟล็ก Tensorflow ที่เข้าถึงได้ผ่าน Keras

100 python  machine-learning  tensorflow  keras 

พิจารณาโค้ดตัวอย่าง ฉันต้องการทราบวิธีใช้การตัดแบบไล่ระดับกับเครือข่ายนี้บน RNN ซึ่งมีความเป็นไปได้ที่จะมีการไล่ระดับสีแบบระเบิด tf.clip_by_value(t, clip_value_min, clip_value_max, name=None) นี่เป็นตัวอย่างที่สามารถใช้ได้ แต่จะแนะนำได้ที่ไหน ใน def ของ RNN lstm_cell = rnn_cell.BasicLSTMCell(n_hidden, forget_bias=1.0) # Split data because rnn cell needs a list of inputs for the RNN inner loop _X = tf.split(0, n_steps, _X) # n_steps tf.clip_by_value(_X, -1, 1, name=None) แต่สิ่งนี้ไม่สมเหตุสมผลเนื่องจากเทนเซอร์ _X เป็นอินพุตไม่ใช่สิ่งที่จะถูกตัดจบ? ฉันต้องกำหนดเครื่องมือเพิ่มประสิทธิภาพของตัวเองสำหรับสิ่งนี้หรือมีตัวเลือกที่ง่ายกว่านี้ไหม

97 python  machine-learning  tensorflow  deep-learning  lstm 

ฉันมีตัวอย่างของโครงข่ายประสาทเทียมที่มีสองชั้น เลเยอร์แรกรับสองอาร์กิวเมนต์และมีหนึ่งเอาต์พุต ข้อที่สองควรใช้อาร์กิวเมนต์หนึ่งอันเนื่องจากเลเยอร์แรกและอาร์กิวเมนต์เพิ่มเติมอีกหนึ่งอาร์กิวเมนต์ ควรมีลักษณะดังนี้: x1 x2 x3 \ / / y1 / \ / y2 ดังนั้นผมต้องการสร้างรูปแบบที่มีสองชั้นและพยายามที่จะตัดพวกเขา แต่มันกลับข้อผิดพลาด: ในบรรทัดThe first layer in a Sequential model must get an "input_shape" or "batch_input_shape" argument.result.add(merged) รุ่น: first = Sequential() first.add(Dense(1, input_shape=(2,), activation='sigmoid')) second = Sequential() second.add(Dense(1, input_shape=(1,), activation='sigmoid')) result = Sequential() merged = Concatenate([first, …

96 python  machine-learning  keras  neural-network 

ฉันรู้ว่ามีคำอธิบายมากมายว่าครอสเอนโทรปีคืออะไร แต่ฉันก็ยังสับสน เป็นเพียงวิธีการอธิบายฟังก์ชันการสูญเสียหรือไม่? เราสามารถใช้อัลกอริทึมการไล่ระดับสีเพื่อค้นหาค่าต่ำสุดโดยใช้ฟังก์ชันการสูญเสียได้หรือไม่?

95 machine-learning  cross-entropy 

จะโหลดโมเดลจากไฟล์ HDF5 ใน Keras ได้อย่างไร? สิ่งที่ฉันพยายาม: model = Sequential() model.add(Dense(64, input_dim=14, init='uniform')) model.add(LeakyReLU(alpha=0.3)) model.add(BatchNormalization(epsilon=1e-06, mode=0, momentum=0.9, weights=None)) model.add(Dropout(0.5)) model.add(Dense(64, init='uniform')) model.add(LeakyReLU(alpha=0.3)) model.add(BatchNormalization(epsilon=1e-06, mode=0, momentum=0.9, weights=None)) model.add(Dropout(0.5)) model.add(Dense(2, init='uniform')) model.add(Activation('softmax')) sgd = SGD(lr=0.1, decay=1e-6, momentum=0.9, nesterov=True) model.compile(loss='binary_crossentropy', optimizer=sgd) checkpointer = ModelCheckpoint(filepath="/weights.hdf5", verbose=1, save_best_only=True) model.fit(X_train, y_train, nb_epoch=20, batch_size=16, show_accuracy=True, validation_split=0.2, verbose = …

94 python  machine-learning  keras  data-science 

ในการเรียนรู้เสริมสิ่งที่เป็นความแตกต่างระหว่างการย้ำนโยบายและย้ำคุ้มค่า ? เท่าที่ฉันเข้าใจในการวนซ้ำคุณค่าคุณใช้สมการ Bellman เพื่อแก้ปัญหาสำหรับนโยบายที่ดีที่สุดในขณะที่ในการวนซ้ำนโยบายคุณสุ่มเลือกนโยบายπและหารางวัลของนโยบายนั้น ข้อสงสัยของฉันคือหากคุณเลือกนโยบายแบบสุ่มπใน PI จะรับประกันได้อย่างไรว่าจะเป็นนโยบายที่ดีที่สุดแม้ว่าเราจะเลือกนโยบายแบบสุ่มหลายนโยบายก็ตาม

94 machine-learning  reinforcement-learning  markov-models  value-iteration 

ผมต่อไปกวดวิชาซึ่งเป็นใช้ได้ในส่วนที่ 1และส่วนที่ 2 น่าเสียดายที่ผู้เขียนไม่มีเวลาสำหรับส่วนสุดท้ายซึ่งเกี่ยวข้องกับการใช้ความคล้ายคลึงกันของโคไซน์เพื่อหาระยะห่างระหว่างเอกสารสองฉบับ ฉันติดตามตัวอย่างในบทความด้วยความช่วยเหลือของลิงค์ต่อไปนี้จากstackoverflowซึ่งรวมอยู่ในรหัสที่กล่าวถึงในลิงค์ด้านบน (เพื่อให้ชีวิตง่ายขึ้น) from sklearn.feature_extraction.text import CountVectorizer from sklearn.feature_extraction.text import TfidfTransformer from nltk.corpus import stopwords import numpy as np import numpy.linalg as LA train_set = ["The sky is blue.", "The sun is bright."] # Documents test_set = ["The sun in the sky is bright."] # Query stopWords …

93 python  machine-learning  nltk  information-retrieval  tf-idf 

ในการมองเห็นด้วยคอมพิวเตอร์และการตรวจจับวัตถุวิธีการประเมินทั่วไปคือแผนที่ มันคืออะไรและคำนวณอย่างไร?

93 machine-learning  computer-vision  detection  metrics  vision 

ปิด. คำถามนี้เป็นคำถามปิดหัวข้อ ขณะนี้ยังไม่ยอมรับคำตอบ ต้องการปรับปรุงคำถามนี้หรือไม่ อัปเดตคำถามเพื่อให้เป็นหัวข้อสำหรับ Stack Overflow ปิดให้บริการใน7 ปีที่ผ่านมา ปรับปรุงคำถามนี้ อะไรคือการเรียนรู้เครื่อง ? โค้ดแมชชีนเลิร์นนิงทำอะไร เมื่อเราบอกว่าเครื่องเรียนรู้มันแก้ไขรหัสของตัวเองหรือไม่หรือแก้ไขประวัติ (ฐานข้อมูล) ซึ่งจะมีประสบการณ์ของรหัสสำหรับชุดอินพุตที่กำหนด?

93 machine-learning  definition 

ในบทช่วยสอนสำหรับผู้เริ่มต้น MNISTมีคำสั่ง accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float")) tf.castโดยทั่วไปจะเปลี่ยนประเภทของเทนเซอร์ที่วัตถุคือ แต่อะไรคือความแตกต่างระหว่างtf.reduce_meanและnp.mean? นี่คือเอกสารเกี่ยวกับtf.reduce_mean: reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None) input_tensor: เทนเซอร์ที่จะลด ควรมีประเภทตัวเลข reduction_indices: ขนาดที่จะลด ถ้าNone(defaut) ลดขนาดทั้งหมด # 'x' is [[1., 1. ]] # [2., 2.]] tf.reduce_mean(x) ==> 1.5 tf.reduce_mean(x, 0) ==> [1.5, 1.5] tf.reduce_mean(x, 1) ==> [1., 2.] สำหรับเวกเตอร์ 1D ดูเหมือนว่าแต่ผมไม่เข้าใจสิ่งที่เกิดขึ้นในnp.mean == tf.reduce_mean เป็นเรื่องที่สมเหตุสมผลเนื่องจากมีค่าเฉลี่ยและเป็นแต่เกิดอะไรขึ้นกับ?tf.reduce_mean(x, 1) ==> …

92 python  numpy  machine-learning  mean  tensorflow 

ฉันกำลังอ่านบทความด้านล่างและฉันมีปัญหาในการทำความเข้าใจแนวคิดของการสุ่มตัวอย่างเชิงลบ http://arxiv.org/pdf/1402.3722v1.pdf ใครช่วยได้โปรด?

91 machine-learning  nlp  word2vec 

สมมติว่าฉันมีเทนเซอร์เทนเซอร์โฟลว์ ฉันจะรับขนาด (รูปร่าง) ของเทนเซอร์เป็นค่าจำนวนเต็มได้อย่างไร ฉันรู้ว่ามีสองวิธีtensor.get_shape()และtf.shape(tensor)แต่ฉันไม่สามารถรับค่ารูปร่างเป็นint32ค่าจำนวนเต็มได้ ยกตัวอย่างเช่นด้านล่างฉันได้สร้าง 2 มิติเมตริกซ์และฉันต้องได้รับจำนวนแถวและคอลัมน์ที่เป็นint32เพื่อที่ฉันสามารถโทรเพื่อสร้างเมตริกซ์ของรูปร่างreshape() (num_rows * num_cols, 1)แต่วิธีการที่tensor.get_shape()จะส่งกลับค่าเป็นชนิดไม่Dimensionint32 import tensorflow as tf import numpy as np sess = tf.Session() tensor = tf.convert_to_tensor(np.array([[1001,1002,1003],[3,4,5]]), dtype=tf.float32) sess.run(tensor) # array([[ 1001., 1002., 1003.], # [ 3., 4., 5.]], dtype=float32) tensor_shape = tensor.get_shape() tensor_shape # TensorShape([Dimension(2), Dimension(3)]) print tensor_shape # (2, …

90 python  tensorflow  machine-learning  artificial-intelligence 

ฉันได้พบว่าweight_regularizerไม่มีมีมากขึ้นใน Keras และว่าในสถานที่ที่มีกิจกรรมและเคอร์เนล regularizer ผมอยากจะรู้ว่า: อะไรคือความแตกต่างที่สำคัญระหว่างเคอร์เนลและกิจกรรม regularizers? ฉันสามารถใช้activity_regularizerแทนweight_regularizer ได้หรือไม่?

89 machine-learning  keras  keras-layer 

ในสไลด์ภายในการบรรยายเบื้องต้นเกี่ยวกับแมชชีนเลิร์นนิงโดย Andrew Ng จาก Stanford ที่ Coursera เขาได้ให้คำตอบหนึ่งบรรทัดต่อไปนี้สำหรับปัญหางานเลี้ยงค็อกเทลเนื่องจากแหล่งที่มาของเสียงถูกบันทึกโดยไมโครโฟนสองตัวที่แยกกัน [W,s,v]=svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x'); ที่ด้านล่างของสไลด์คือ "แหล่งที่มา: Sam Roweis, Yair Weiss, Eero Simoncelli" และที่ด้านล่างของสไลด์ก่อนหน้าคือ "คลิปเสียงเอื้อเฟื้อโดย Te-Won Lee" ในวิดีโอศาสตราจารย์ Ng พูดว่า "ดังนั้นคุณอาจมองไปที่การเรียนรู้ที่ไม่มีผู้ดูแลเช่นนี้และถามว่า 'การใช้สิ่งนี้ซับซ้อนแค่ไหน?' ดูเหมือนว่าในการสร้างแอปพลิเคชันนี้ดูเหมือนว่าจะทำการประมวลผลเสียงนี้คุณจะต้องเขียนโค้ดจำนวนมากหรืออาจเชื่อมโยงไปยังไลบรารี C ++ หรือ Java จำนวนมากที่ประมวลผลเสียงดูเหมือนว่ามันจะเป็นจริงๆ โปรแกรมที่ซับซ้อนในการทำเสียงนี้: แยกเสียงออกไปและอื่น ๆ ปรากฎว่าอัลกอริทึมทำสิ่งที่คุณเพิ่งได้ยินซึ่งสามารถทำได้โดยใช้โค้ดเพียงบรรทัดเดียว ... แสดงไว้ที่นี่นักวิจัยใช้เวลานาน เพื่อสร้างโค้ดบรรทัดนี้ดังนั้นฉันไม่ได้บอกว่านี่เป็นปัญหาที่ง่าย แต่ปรากฎว่าเมื่อคุณใช้สภาพแวดล้อมการเขียนโปรแกรมที่เหมาะสมอัลกอริทึมการเรียนรู้จำนวนมากจะเป็นโปรแกรมสั้น ๆ จริงๆ " ผลลัพธ์เสียงแยกที่เล่นในการบรรยายวิดีโอนั้นไม่สมบูรณ์แบบ แต่ในความคิดของฉันมันยอดเยี่ยมมาก ใครมีข้อมูลเชิงลึกว่าโค้ดหนึ่งบรรทัดทำงานได้ดีเพียงใด โดยเฉพาะอย่างยิ่งมีใครทราบข้อมูลอ้างอิงที่อธิบายการทำงานของ Te-Won Lee, Sam …

89 matlab  machine-learning  octave  linear-algebra  svd