回答情况：
提问时间：
问题标签：
我有超过3700万个句子的文档，我正在使用Gensim的Doc2Vec来训练它们。模型训练适用于较小的数据集，例如5M-10M条记录。然而，当在整个数据集上进行训练时，该过程主要死于“重置图层权重”阶段。有时，它会死得更早。
我怀疑是记忆问题。我有16 of的RAM和4个核心。如果确实是内存问题，有没有方法可以批量训练模型。
浏览 12提问于2018-07-26得票数 1
数据集的维度为: 461行*9列。as pltdataset = pd.read_csv('1603428153-5e748a2d5fc288e9f69c5f86X_test,y_test))
print(r2_score(y_test,pred)) 在这里的"pred = regressor.predict(X_test)“行中，它抛出了错误: X.shape1 =9应该等于1，这是训练时的特征数量。
浏览 21提问于2020-11-07得票数 0
我正在使用mxnet训练一个11级的图像分类器.我观察到一种奇怪的行为训练的准确性在缓慢增长，上升到39%，在下一个时期下降到9%，然后在其余的训练中保持接近9%。我用保存的模型重新开始训练(训练准确率为39% )，保持所有其他参数不变。现在训练的准确性又在提高。这里的原因是什么？我无法理解它。用这种方式训练模型变得越来越困难，因为它要求我不断地看到训练的准确性值。
学习速率是不变的0.01
浏览 14修改于2016-05-06得票数 15
回答已采纳
因此，首先计算20个分量的PCA，然后对数据进行变换，再进行Logistic回归进行训练。现在，对于logistic回归C参数的每个值，它将应用3倍交叉验证，并查看哪些值，因此最终将进行logistic回归的3*3=9训练，因为我们有3个C参数值，每个参数值有3倍的交叉验证。在此之后，对PCA的第二个参数进行同样的处理，即40次，其他9次训练。最后对PCA 64的最后参数进行9次训练。因此，我们总共将进行9*3= 27次logistic回归训练
浏览 3提问于2014-03-05得票数 0
回答已采纳
因此，我试图在这里解释这个问题:假设我建立并训练了一个CNN，以识别0到9之间的数字。然而，当我部署CNN时，有人给出了"#“作为输入(除了0-9)。在训练过程中，我能对我的神经网络做些什么，这样它的输出就可以说这不是训练的特征？
我想举第二个例子:假设我们想使用自动编码器进行去噪，而不是分类。再一次，CNN的自动编码器被训练成0到9。现在，如果有人把“$”符号(它可以是任何不是0-9的东西)作为输入，它将能够识别出这个符号不是它训练
浏览 0提问于2020-01-07得票数 1
在阅读GAN入门教程以生成mnist (如手写数字)时，我想知道由于不同的数字而导致的训练数据的系统差异是否会使模型更难训练。如果所有的实际样本都是1s而不是0-9s，那么训练一个模型不是更容易吗？我训练一个单独的模型来分别生成每一个数字(0-9)，只使用一种类型的数字的训练数据，这种方法完全可行吗？只训练一位数的模型比使用所有mnist的模型更快(即，达到一定精度/质量所需的时间更短)。我为我找到了一个可以接受的答案(见
浏览 0修改于2019-10-11得票数 1
1训练时代2训练时代3训练时代4训练时代5训练时代6训练时代70.54246340.76181420.81701590.6028216
如果我设置了alpha和min_alpha =0，我得到了“我感觉很好”和“我感觉很好”的一致向
浏览 0修改于2020-06-20得票数 1
1回答
为了在通过Dialogflow API (例如batch_update_intents)创建意图(有几个训练短语)时做到这一点，需要在每个训练短语的输入参数和Dialogflow创建的训练短语(返回生成的其中，'tie‘或'bind’表示我的应用程序记录通过uniq-id name引用对话流训练短语。例如，下面的tp1指的是对话流训练短语"Is today find?“使用name '9ed938..| tp1 | 9ed9
浏览 19修改于2019-02-18得票数 0
我会通过运行6或7次迭代来训练神经网络。在尝试预测训练数据之外的下一次迭代之前。1：设置2: 2:3:4:5:6:7->8设置4: 4:5:6:7:8:9->10设置6: 6:7:8:9:10:11->12训练</em
浏览 2修改于2015-11-10得票数 0
(9, 19,"LOC")]}),("Where is Abners Head",{"entities":[(9, 29,"LOC")]}),
("Where is Acheron Flat",{"entities":[(9, 21,"L
浏览 0提问于2020-06-25得票数 0
回答已采纳
我有10个训练集，我想从训练集中拿出一个进行测试。因此，这就像1=测试，9用于训练，然后再做一次，直到最后一次数据训练。如果我们有像癌症这样的数据训练，而不是癌症： 'D:\nocancer\');
浏览 0修改于2013-03-16得票数 1
，只对特定类别的训练数据集进行训练，并逐个追加Sub_Class。A x总结，我不想分别训练和预测类/子类。我想首先预测类--使用这种预测来训练将类明智地建模为一个聚类，以及预测'Sub_Class‘，因为我认为这会使结果更好。我无法理解hoe，我可以为每个类运行一个循环和训练模型的第二部分来获得Sub_Class。8",3,4,6, "C", &
浏览 1提问于2021-08-11得票数 0
回答已采纳
条件GANs (cGAN)被设计为生成条件数据，例如，我只对通过在类标签上应用条件从MNIST数据集生成数字'9‘图像感兴趣)。或者，如果我在数据集上训练简单的GANs，只包含数字9的图像(假设我有足够数量的示例)，也会学习数字9图像的相同分布。因此，经过训练的生成器将生成数字9图像。
浏览 2提问于2020-06-24得票数 0
目前，我正在研究数字识别器[0-9]。我的模型训练精度100%和测试精度90%。但当我训练自己的书面数字，它总是给我错误的预测。
我知道测试和训练图像应该来自同一个来源。
浏览 0修改于2018-11-05得票数 0
回答已采纳
数据被分成800个训练集和200个验证集。我使用K-折叠交叉验证和重复K-交叉验证来使用训练集训练KNN。tuning parameters:
5 0.6600 0.07010791 9The final value used for the model was k = 9.0.09467347 9 0.68
浏览 0修改于2016-07-17得票数 0
我正在尝试训练一个神经网络来使用时间序列数据进行预测。我正在尝试训练一个神经网络来预测未来10分钟的温度，假设我有每5分钟的温度数据点，我想给它15分钟的数据用于预测，我拥有的数据是这样的。1,2,3,4,5,6,7,8,9,10,11,12[2,3,4][6][4,5,6
浏览 1提问于2018-09-11得票数 1
在插入符号中，trainControl的p参数引用"For leave-group out交叉验证:训练百分比“。谁能解释一下在定义10折交叉验证以传递到插入符包的训练函数时，以下各项的区别-(b)。因为我们有10个折叠，对于(a)，我的理解是每个折叠将有1000个观察，每次9个折叠，总共9000个观察(90%)将用于训练。对于(b)，用于训练
浏览 0修改于2020-12-26得票数 2
Vector(TF\*IDF) Document8-> 2:1.25 3:0.145 4:1.543 1:1.00 2:2.145 5:3.543 ->(训练实例3-适用于Document3)2:0.25 2:1.056 3:2.356 ->(训练实例4-适用于Document4)
2:1.25 3:0.145 4:1.543 ->(训练实例5-适用于D
浏览 2修改于2012-08-14得票数 1
回答已采纳
(conv9)model = Model(inputs, conv10)...然后使用loss = tf.keras.losses.CategoricalCrossentropy(from_logits=False)训练，即使只有一个训练图像，也不会收敛于。但是，如果我不为最后一层设置Softmax Activation，如下所示：conv9 = Conv2D(n_c
浏览 0修改于2019-07-30得票数 17
回答已采纳
我希望我的训练模型能够识别简单的验证码图像。我使用.net应用程序创建0到9个验证码图像。并使用keras tensorflow来训练我的模型。如果我创建0到9个图像，每创建1000个图像，val_loss和val_acc就不会得到改善。它总是把8比3和9比0弄错。，但添加2000个数字9图像，它可以工作。我也不知道原因。
浏览 1修改于2018-09-14得票数 0
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号