Questions tagged «machine-learning»

我正在关注有关机器学习基础的教程，并且提到某些东西可以是功能或标签。 据我所知，功能是正在使用的数据的属性。我不知道标签是什么，我知道单词的含义，但是我想知道它在机器学习的上下文中的含义。

100 machine-learning  artificial-intelligence 

我安装了Tensorflow后端和CUDA的Keras。我有时想按需强迫Keras使用CPU。不用说在虚拟环境中安装单独的仅CPU的Tensorflow就能做到吗？如果可以，怎么办？如果后端是Theano，则可以设置标志，但是我还没有听说过可以通过Keras访问Tensorflow标志。

96 python  machine-learning  tensorflow  keras 

考虑示例代码。 我想知道如何在RNN上的该网络上应用梯度剪切，而梯度可能会爆炸。 tf.clip_by_value(t, clip_value_min, clip_value_max, name=None) 这是一个可以使用的示例，但是在哪里介绍呢？在RNN中 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) 但这没有意义，因为张量_X是输入，而不是grad，要裁剪的内容是什么？ 我是否需要为此定义自己的优化器，还是有一个更简单的选择？

96 python  machine-learning  tensorflow  deep-learning  lstm 

如何在Keras中从HDF5文件加载模型？ 我试过的 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 = 2, callbacks=[checkpointer]) 上面的代码成功将最佳模​​型保存到名为weights.hdf5的文件中。然后，我要加载该模型。以下代码显示了我如何尝试这样做： model2 …

94 python  machine-learning  keras  data-science 

关闭。这个问题是题外话。它当前不接受答案。 想改善这个问题吗？ 更新问题，使其成为Stack Overflow 的主题。 7年前关闭。 改善这个问题 什么是机器学习？ 机器学习代码有什么作用？ 当我们说机器学习时，它是修改自身的代码还是修改历史（数据库），其中将包含给定输入集的代码经验？

93 machine-learning  definition 

我有一个具有两层的神经网络的示例。第一层有两个参数，并有一个输出。第二个参数应接受一个参数作为第一层的结果，并附加一个参数。它看起来应该像这样： x1 x2 x3 \ / / y1 / \ / y2 因此，我创建了一个具有两层的模型，并尝试将它们合并，但它返回一个错误：The first layer in a Sequential model must get an "input_shape" or "batch_input_shape" argument.在line上result.add(merged)。 模型： 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, second]) ada_grad = Adagrad(lr=0.1, epsilon=1e-08, …

93 python  machine-learning  keras  neural-network 

在计算机视觉和目标检测中，常用的评估方法是mAP。它是什么，如何计算？

93 machine-learning  computer-vision  detection  metrics  vision 

在强化学习中，策略迭代和价值迭代有什么区别？ 据我了解，在值迭代中，您使用Bellman方程来求解最优策略，而在策略迭代中，您随机选择一个策略π，并找到该策略的收益。 我的疑问是，如果您在PI中选择随机策略π，那么即使我们选择多个随机策略，也如何保证它是最佳策略。

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

我知道关于交叉熵是很多解释，但是我仍然很困惑。 仅仅是描述损失函数的一种方法吗？我们可以使用梯度下降算法通过损失函数找到最小值吗？

92 machine-learning  cross-entropy 

在MNIST初学者教程中，有一条声明 accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float")) tf.cast基本上改变了对象的张量类型，但是tf.reduce_mean和之间有什么区别np.mean？ 这是有关的文档tf.reduce_mean： reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None) input_tensor：张量减少。应为数字类型。 reduction_indices：要缩小的尺寸。如果None（默认）减小所有尺寸。 # '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.] 对于一维矢量，它看起来像np.mean == tf.reduce_mean，但我不了解tf.reduce_mean(x, 1) ==> [1., 2.]。tf.reduce_mean(x, 0) ==> [1.5, 1.5]的意思是合理的，因为的意思是[1, 2]和[1, 2]是[1.5, 1.5]，但是这是怎么回事tf.reduce_mean(x, 1)？

90 python  numpy  machine-learning  mean  tensorflow 

我正在关注第1 部分和第2 部分中可用的教程。不幸的是，作者没有时间进行最后一节，涉及使用余弦相似度实际找到两个文档之间的距离。我在stackoverflow的以下链接的帮助下关注了本文中的示例，其中包括上述链接中提到的代码（只是为了使生活更轻松） 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 = stopwords.words('english') vectorizer …

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

我正在阅读下面的论文，遇到一些麻烦，理解了负采样的概念。 http://arxiv.org/pdf/1402.3722v1.pdf 有人可以帮忙吗？

89 machine-learning  nlp  word2vec 

在斯坦福大学的Andrew Ng在Coursera的机器学习入门演讲的幻灯片中，他给出了鸡尾酒会问题的以下一行八度音阶解决方案，因为音频源是由两个空间分开的麦克风录制的： [W,s,v]=svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x'); 幻灯片的底部是“来源：Sam Roweis，Yair Weiss和Eero Simoncelli”，幻灯片的底部是“由Te-Won Lee提供的音频剪辑”。吴教授在影片中说： “因此，您可能会看这样的无监督学习，并问，'实施此过程有多复杂？” 似乎要构建此应用程序，似乎要进行音频处理，您将编写大量代码，或者链接到处理音频的一堆C ++或Java库中。处理音频的复杂程序：分离音频等，结果证明该算法可以完成您刚刚听到的操作，只需一行代码即可完成……如此处所示，这花费了研究人员很长时间因此，我并不是说这是一个简单的问题。但是事实证明，当您使用正确的编程环境时，许多学习算法实际上都是很短的程序。” 在视频讲座中播放的单独音频结果并不完美，但在我看来，这是惊人的。有人对那一行代码的性能有何见解？特别是，没有人知道参考文献来解释Te-Won Lee，Sam Roweis，Yair Weiss和Eero Simoncelli在那一行代码方面的工作吗？ 更新 为了证明算法对麦克风分离距离的敏感性，下面的模拟（以八度为单位）将音调与两个空间分离的音调发生器分离。 % define model f1 = 1100; % frequency of tone generator 1; unit: Hz f2 = 2900; % frequency of tone generator 2; unit: Hz Ts = 1/(40*max(f1,f2)); % sampling period; unit: …

88 matlab  machine-learning  octave  linear-algebra  svd 

假设我有一个Tensorflow张量。如何获取张量的尺寸（形状）作为整数值？我知道有两种方法，tensor.get_shape()和tf.shape(tensor)，但是我不能将形状值作为整int32数值。 例如，下面我创建了一个二维张量，我需要获取行数和列数，int32以便可以调用reshape()以创建shape张量(num_rows * num_cols, 1)。但是，该方法tensor.get_shape()返回值作为Dimension类型，而不是类型int32。 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, 3) num_rows = tensor_shape[0] # ??? num_cols …

88 python  tensorflow  machine-learning  artificial-intelligence 

关闭。此问题不符合堆栈溢出准则。它当前不接受答案。 想改善这个问题吗？更新问题，使其成为Stack Overflow的主题。 5年前关闭。 改善这个问题 我正在寻找文本情感分析（http://en.wikipedia.org/wiki/Sentiment_analysis）的开源实现，最好是python 。有谁熟悉我可以使用的开源实现？ 我正在编写一个应用程序，该应用程序在Twitter上搜索某个搜索词，例如“ youtube”，并计算“快乐”推文与“悲伤”推文的数量。我正在使用Google的appengine，所以它在python中。我希望能够对来自Twitter的返回搜索结果进行分类，并且希望在python中进行分类。到目前为止，我还没有找到这样的情感分析器，特别是在python中。您熟悉我可以使用的这种开源实现吗？最好是已经在python中了，但是如果没有，希望我可以将其翻译成python。 请注意，我正在分析的文本非常简短，它们是推文。因此，理想地，此分类器针对此类短文本进行了优化。 顺便说一句，twitter确实在搜索中支持“ :)”和“ :(”运算符，其目的只是为了做到这一点，但是不幸的是，它们提供的分类并不是那么好，所以我想自己可以尝试一下。 谢谢！ BTW，早期的演示是在这里和我至今的代码是在这里，我很愿意和任何有兴趣的开发者开源它。

87 python  machine-learning  nlp  open-source  sentiment-analysis