1回答
我想对数据集中每一批图像进行标准化和标准化。公式是: Xi = (Xi - mean) / std (像素级全局平均值(SD)) 我使用ImageDataGenerator和flow_from_directory，如下所示： datagen =，我在ImageDataGenerator中使用了featurewise_center和featurewise_std_normalization。另外，我应该使用flow_from_directory，因为我的数据很重(我没有足够<em
浏览 9提问于2021-10-10得票数 0
1回答
这68个特征是完全不同的特征，如能量和mfcc。例如，我要寻找的是能量。对于一个批次，由于这100个步骤，有100个能量值。我希望这100个能量值在他们自己的范围内正常化。因此，应该在1，1，1，1，2，0，1，3，0，1,100，0之间进行</em
浏览 3提问于2020-10-16得票数 0
回答已采纳
1回答
我有一个向量X，它有以前标准化的n个特征。
如果我想要生成新的多项式特征(比方说添加平方特征)，那么在计算之后是否需要对这些新特征进行另一次标准化？因为知道我的原始特征已经在0到1之间，新的多项式特征也将介于0到1之间，但是程度越高，原始特征和多项式特征之间的“比率”就越高。另外，这样做是否更好，对非标
浏览 0提问于2015-11-25得票数 13
回答已采纳
2回答
我试图影响这篇文章：具体地说，就是第2节中的等式(3)。在找了很长一段时间后，我仍然不能弄清楚以下几点：
1)如何将批次分为正对(即相同的标签)和负对。因为
浏览 0提问于2016-05-27得票数 14
回答已采纳
10回答
在机器学习任务中，通常会对数据进行洗牌和规范化。标准化的目的是明确的(对于具有相同范围的特征值)。但是，在经历了很多挣扎之后，我没有找到任何有价值的理由来调整数据。我读过这里的这篇文章，讨论了什么时候需要对数据进行洗牌，但不清楚为什么要对数据进行洗牌。根据这个帖子，对每个时代的数据进行洗牌对于每个批次都有不同<
浏览 0提问于2017-11-09得票数 64
回答已采纳
我试着把预先训练过的BN重量从一个pytorch模型复制到它的等价Keras模型，但是我总是得到不同的输出。我读过Keras和Pytorch BN文档，我认为区别在于它们计算“平均值”和"var“的方式。
因此，他们平均超过样本。喀拉斯：
轴:整数，应该标准化的轴(通常是特征轴)。例如，在Conv2D层之后使用data_format=
浏览 0提问于2019-02-12得票数 3
3回答
我想知道，在卷积神经网络中，是否应该对每个像素单独应用批量归一化，或者我是否应该取每个通道的像素的平均值？我看到在Tensorflow的的描述中，建议对通道执行bn，但如果我没记错的话，我使用了另一种方法，效果很好。
浏览 0提问于2017-08-21得票数 9
回答已采纳
tflearn.input_data(shape=[None, 41])我将输入作为具有41个特征的csv文件，因此我所理解的是，当我的批量大小为1时，它将从csv文件中提取每个特征，并将其提供给第一层的41个神经元。但是，当我将批大小增加到100时，这100个批的41个特征将如何提供
浏览 0提问于2017-03-24得票数 12
回答已采纳
2回答
我建立了一个模型来预测Kaggle数据集上的贷款适用性X = dataset[:,0:11].astype(float)scalerverbose=0)model.save("model.h5")
该模型的准确率为当我试图根据这个模型进行预测时，问题就出现了。这里，我将dataset中</e
浏览 7提问于2020-12-01得票数 0
回答已采纳
4回答
卷积神经网络中的批量归一化
、、、、
我是卷积神经网络的新手，我只知道特征映射以及如何对图像进行卷积来提取特征。我很高兴知道在CNN中申请批量正常化的一些细节。为了实现这一点，我们联合标准化了所有的激活在一个小批，在所有地点.在阿尔格。我们学习每一个特征映射的一对参数γ(k)和β(k)，而不是每个激活。阿尔格。2作了类似的修改，使得在推理过程中BN变换对给定特征映射中的每一次激活都应用相同的<
浏览 12提问于2016-07-24得票数 88
3回答
所以在上面的图表中，有1024个r，每个r都有768维数。
对于变压器中的给定层，计算了多少归一化统计量(样本平均值和stdev)？对于12x1024的规范化，我们是否每个令牌进行一次规范化，以便每个令牌中的特征值平均为0和std 1？还是对12x768规格化的每个特性的值进行规范化？还是我们将所有标记
浏览 0提问于2021-01-27得票数 5
1回答
我有一个多类图像数据集(8个类)，按如下方式划分，主文件夹称为培训，我有8个子文件夹，每个子文件夹用于一个类。我知道如何使用ImageDataGenerator执行数据标准化：samplewise_center=True,rotation_range=20,height_shift_range=0.2)train_datagen.fit(x_train)
我的问题在于它们包
浏览 0提问于2021-12-03得票数 0
回答已采纳
1回答
我试着根据一组特征来预测一首歌的排行榜，我已经确定了低特征1，高特征2和高特征3与图表上的高位置(低输出排名，例如位置1)的强相关性。然而，在训练我的模型之后，MAE在训练和测试集上都达到了大约3500 (非常非常高)。加上一些值，它似乎给出了所有3个特征中值较低的观察值的最低输出排名。
我认为这可能与我对数据进行规范化的方式有关。在将其带入pandas数据帧并为
浏览 6提问于2018-08-30得票数 0
在将数据提供给TensorFlow模型之前，我遇到了两种标准化方法。第一种方法是使用tf.dataset.per_image_standardization()。此函数分别计算每个图像的均值和stddev。我在官方的TensorFlow resnet cifar10教程中找到了这种方法。在测试阶段，每个图像都是单独标准化的。第二种方法是计算每个通道样式中整个数据集的平均值和stddev。我在下面的densenet实现
浏览 0提问于2019-03-08得票数 1
在这个页面()中，它指出“所有经过预先训练的模型都期望输入图像以同样的方式归一化，即三通道RGB形状图像(3xHxW)的迷你批次，其中H和W预计至少为224个。图像必须加载到0，1的范围内，然后使用mean = [0.485, 0.456, 0.406]和std = [0.229, 0.224, 0.225]进行归一化”。标准化的通常的mean和std不应该是[0.5, 0.5,
浏览 1提问于2019-09-29得票数 57
回答已采纳
我使用的是MLPRegressor，它采用5个连续的特征和1个特征，它从一组40个值的[0,1,2,.., 39]中提取值。有人告诉我，使用sklearn.preprocessing.MinMaxScaler(feature_range = (0,1))对这些特性进行标准化可以帮助提高性能，无论是使用MLP还是LSTM。因此，我在包含上述特性的Xtrain矩阵上使用它。
然而，对于我来说，我应该最小化一个分类变量，这看起来很奇怪。我应该这么做吗？文档<
浏览 1提问于2017-10-16得票数 1
我已经训练了一个卷积网络samplewise_std_normalization=True。现在我想使用Opencv实时检查我的模型。因此，我想对输入图像执行相同的预处理。有人能解释一下用Keras图像生成器实现哪种类型的规范化吗？
浏览 0提问于2021-09-15得票数 0
BatchNorm on axis=0不应该依赖于批处理大小，如果它依赖于批大小，则应该在文档中显式地声明它。 print(m(x)) print(m(x))args中的轴不是你认为的轴
浏览 0提问于2019-07-25得票数 0
回答已采纳
1回答
我使用神经网络对数据进行分类，但是对于如何对预处理步骤进行排序有一些问题。我有太多的数据为我的硬件(不适合内存/太慢)，所以我使用PCA来减少尺寸。
很明显，我需要在PCA之前进行评估。我目前正在标准化这些列，但我想知道是否可以使用tfidf而不是标准化。一些行有50k+令牌，而另一些行有<1k标记，因此我担心这些行会对缩放结果产生不适当的影响，这将从管道中滴下。这是个好/坏主意吗？在PCA
浏览 0提问于2020-09-15得票数 0
回答已采纳
假设我有一个输入特征向量，其中包含10个输入特征，每个特征的大小都在1E-7附近。问题是我不会事先知道添加到我的输入特征的常量是1E-2，所以我不能每次都简单地减去这个
浏览 0提问于2013-10-31得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
云直播
腾讯会议活动推荐
腾讯云开发者
