PK
смотрю что-то знакомое, купил вчера но ещё не читал =)
Size: a a a
2020 April 30
ДЧ
смотрю что-то знакомое, купил вчера но ещё не читал =)
я со всеми книгами так делаю)
PK
😂 классика
V
Ахахах, жиза
RN
вроде layer_2 = sigmoid(np.dot(layer_1,weights_1_2))
Ну и вообще всё, где участвуют веса второго слоя, weights_1_2
KD
Ну и вообще всё, где участвуют веса второго слоя, weights_1_2
как можно изменить число выходного слоя?
RN
как можно изменить число выходного слоя?
Что такое "число выходного слоя"?
KD
Что такое "число выходного слоя"?
Число нейронов выходного слоя
RN
Число нейронов выходного слоя
В фреймворках есть прямой параметр. А если так, как здесь - с нуля через матрицы, тогда изменить вторую размерность матрицы, соответствующей выходному слою.
KD
В фреймворках есть прямой параметр. А если так, как здесь - с нуля через матрицы, тогда изменить вторую размерность матрицы, соответствующей выходному слою.
менять weight_1_2?
RN
менять weight_1_2?
weights_1_2 = 0.2*np.random.random((hidden_size,1)) - 0.1
Вот здесь в параметрах генерируемой случайной таблицы вместо 1 подставить нужное число. И ещё где-то должен быть вектор bias, у которого тоже должна измениться длина, но в этой реализации, кажется, решили обойтись без него.
Вот здесь в параметрах генерируемой случайной таблицы вместо 1 подставить нужное число. И ещё где-то должен быть вектор bias, у которого тоже должна измениться длина, но в этой реализации, кажется, решили обойтись без него.
KD
weights_1_2 = 0.2*np.random.random((hidden_size,1)) - 0.1
Вот здесь в параметрах генерируемой случайной таблицы вместо 1 подставить нужное число. И ещё где-то должен быть вектор bias, у которого тоже должна измениться длина, но в этой реализации, кажется, решили обойтись без него.
Вот здесь в параметрах генерируемой случайной таблицы вместо 1 подставить нужное число. И ещё где-то должен быть вектор bias, у которого тоже должна измениться длина, но в этой реализации, кажется, решили обойтись без него.
Спасибо , что подробно объяснили ! пошла гуглить про вектор ))
GB
Вопрос: В кодировщиках есть параметр sparce, чем отличается формат вывода в зависимости от того true там стоит или false, я не могу разобраться в документации.
IK
true - разреженная матрица, false - обычный np array
GB
true - разреженная матрица, false - обычный np array
Чем они принципиально отличаются?
IK
разреженная матрица занимает мало памяти, это бывает критично при огромных матрицах с большим количеством нулей. класс соответственно scipy.sparse
Р
Gennady Borisov
Чем они принципиально отличаются?
способом хранения
Р
спарс хранится как набор пар (координаты:значение), в то время как обычный нп массив честно хранит все значения
GB
Еще вопрос, что нужно загружать в каггл, чтобы получить скор? Может есть какой-то мануал?=) Как вообще со всем этим работать. еЕсли курс еще поддерживается, напишите инструкцию последнее пожелание для @Mirileen =)
y
Неужели в гугле нельзя на всё это ответы найти примерно секунд за 17?