作者查詢 / pipidog

總覽項目：發文 | 留言 | 暱稱

作者 pipidog 在 PTT [ Python ] 看板的留言(推文), 共21則

限定看板：Python

看板排序：

首頁

尾頁

[ Python ]37 留言, 推噓總分: +19

作者: pipidog - 發表於 2018/03/07 04:33(7年前)

9^F→pipidog: v大,同意,sklearn跟pandas真的整合度很糟糕...03/07 07:43

10^F→pipidog: 但可見未來似乎也不太可能改善,只能靠耐心處理了03/07 07:43

37^F→pipidog: 細讀f大的分享受,發現受用無窮!03/17 03:41

[ Python ]10 留言, 推噓總分: +3

作者: pipidog - 發表於 2018/03/13 03:28(7年前)

1^F→pipidog: BTW,而且你的GPU記憶體滿載了,這表示你確實用到GPU了.03/13 03:31

2^F→pipidog: 不過滿載不是因為資料大,而是TF預設都會佔用整顆GPU,避免03/13 03:31

3^F→pipidog: 計算碎片化,你若是用PyTorch,則是要多少才用多少.03/13 03:32

7^F→pipidog: 計算量太小，用GPU反而比CPU慢，因為光資料的搬動就花去03/13 16:33

8^F→pipidog: 不少時間了。這很正常。03/13 16:33

[ Python ]51 留言, 推噓總分: +20

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

16^F→pipidog: 不確定其他的問題,但看到幾點問題: 1.有人會output用09/22 02:00

17^F→pipidog: sigmoid嗎? 如果你是做分類問題,應該用softmax,這兩者功09/22 02:00

18^F→pipidog: 用完全不同09/22 02:01

19^F→pipidog: 2.如果是新版TF,initialize_all_variabel已經09/22 02:01

20^F→pipidog: 不支援了,最好也改掉.09/22 02:01

21^F→pipidog: 3.看起來你對神經網路還很陌生,我09/22 02:01

22^F→pipidog: 建議你可以先用Keras實作,而不要一開始就碰TF,你會比較懂09/22 02:02

23^F→pipidog: 神經網路的模型,然後你再去搞懂TF,因為看起來你對於怎麼09/22 02:02

24^F→pipidog: 搭建神經網路都還不太熟,就被困在TF的語法裡面了.09/22 02:03

25^F→pipidog: 最後一提,一般對於多層感知器(就是你在做的事情),增加層09/22 02:05

26^F→pipidog: 數到這麼多意義不大,一般一兩層就可以了,但節點可以多一09/22 02:05

27^F→pipidog: 些.用太多層,會導致後向傳播時要處理的參數幾何式增長,計09/22 02:07

[ Python ]2 留言, 推噓總分: 0

作者: brains - 發表於 2014/11/11 22:01(11年前)

1^F→pipidog: 取名kpoints,看來是graphene的計算無誤!11/13 11:28

首頁

尾頁