作者查詢 / kaneson

總覽項目：發文 | 留言 | 暱稱

作者 kaneson 在 PTT [ Python ] 看板的留言(推文), 共20則

限定看板：Python

首頁

尾頁

[ Python ]64 留言, 推噓總分: +13

作者: zax5566x2 - 發表於 2019/11/19 19:37(6年前)

8^F推kaneson: 因為gradient descent 找 loss 的 local min 不是一次到11/19 22:32

9^F→kaneson: 位, learning rate也是因素11/19 22:32

[ Python ]8 留言, 推噓總分: +2

作者: kagari - 發表於 2019/04/01 16:01(6年前)

5^F推kaneson: for...in 中a代表b中的成員, c=a+1 可以說是c代表了一個04/01 18:32

6^F→kaneson: 由'+'新產生的東西, a=c 可以說是a改為代表這新東西，而a04/01 18:32

7^F→kaneson: [:]=c 才是內容複制04/01 18:32

[ Python ]12 留言, 推噓總分: +2

作者: FamilyMart - 發表於 2018/02/21 22:16(8年前)

7^F推kaneson: data有被readline() 切斷的現象基本上就要搭配while loop02/22 01:08

8^F→kaneson: , readline本身就是設計給讀文字data專用的, 比較通用的02/22 01:08

9^F→kaneson: 做法是while loop 加 read02/22 01:08

[ Python ]3 留言, 推噓總分: +1

作者: hardman1110 - 發表於 2018/02/09 22:17(8年前)

1^F推kaneson: 可以去看看ctype的return types02/10 23:01

[ Python ]51 留言, 推噓總分: +20

作者: st1009 - 發表於 2017/09/21 00:46(8年前)

28^F推kaneson: 10層dnn任一條x->y的路徑相當於乘了10次weight, 你的inpu09/22 02:38

29^F→kaneson: t在0.7附近, 初始weights用random normal預設也在 0 附09/22 02:38

30^F→kaneson: 近(-1,1), 這樣後面output應該都是0，所以我覺得train不09/22 02:38

31^F→kaneson: 出東西來09/22 02:38

32^F推kaneson: 所謂疊幾十上百層的是CNN，架構有其原理與作用，也有很多09/22 02:52

33^F→kaneson: 不同技巧解決梯度消失的問題。其實最尾巴接上的full-conn09/22 02:52

34^F→kaneson: ected layer與softmax組成的分類器也很少會超過二，三層09/22 02:52

35^F→kaneson: 。09/22 02:52

36^F推kaneson: 還有像樓上所說的剛開始建議先玩Keras, 一方面比較方便09/22 03:00

37^F→kaneson: 拼接出不同典型model來比較看看，而且TF本身api很亂寫起09/22 03:00

38^F→kaneson: 來也較不直覺。09/22 03:00

首頁

尾頁