V
主页
4.5 类别分布
发布人
模型训练之前,观察各种样本在总样本中的占比,是一项重要的工作。各类样本占比越是均衡,越有助于得到均衡的模型,反之,比例失衡的样本分布,不利于模型的训练,特别是对于样本数量占比小的类别,模型往往丧失评价能力。 程序段P4.9用两种图形绘制四种标签的分布,简单直观,一目了然。
打开封面
下载高清视频
观看高清视频
视频下载器
2.3 Wireshark过滤器
2.1 安装Wireshark
5.15 损失函数与准确率曲线
1.2 客户机服务器模式
8.7 人脸相似度计算
4.11 DenseNet121模型预测
4.4 分类观察
9.2 项目概要设计
3.5 创建数据库
9.4 数据集与特征提取
1.6 端口
1.9 HTTP与HTTPS
2.9 三维卷积
3.17 参数与超参数
2.6 MobileNetV3解析
3.3 抓取页面
2.16 数据集划分
3.10 梯度下降
1.6 离群值
1.15 岭回归模型
4.9 DenseNet121 模型训练
2.12 定义池化层
3.9 损失函数
3.14 正则化
1.12 特征工程
2.13 经典结构LeNet-5
5.3 蛋白质的四级结构
9.3 服务器主程序
3.20 ResNet卷积网络
6.17 识别模块设计
3.15 Mini-Batch梯度下降
5.12 模型结构与参数配置
5.2 肽键、多肽与肽链
7.12 EfficientNet模型定义
5.8 JSON Web令牌
7.6 客户机发送数据
5.18 Android项目初始化
2.6 卷积运算
2.7 边缘扩充
1.1 花伴侣