Deep-Learning-Models-Optimization:使用深度学习和贝叶斯优化进行超参数调整

共2个文件

ipynb：1个

md：1个

JupyterNotebook

需积分: 28 71 浏览量 2021-03-09 04:38:57 上传评论 4 收藏 126KB ZIP 举报

资源推荐

资源详情

资源评论

Hyperparameter-Optimization-of-Machine-Learning-Algorithms:机器学习和深度学习模型的超参数优化调整方法的实现（简单明了）

机器学习算法的超参数优化该代码为机器学习算法提供了超参数优化实现，如“关于机器学习算法的超参数优化：理论与实践”中所述。为了使机器学习模型适应不同的问题，必须调整其超参数。为机器学习模型选择最佳的超参数配置会直接影响模型的性能。本文研究了常见机器学习模型的超参数优化问题。我们介绍了几种最先进的优化技术，并讨论了如何将其应用于机器学习算法。提供了许多针对超参数优化问题开发的可用库和框架

Ensemble-Deep-Learning:使用集成方法进行深度学习

集成深度学习使用集成方法进行深度学习，神经网络作为基础学习器，线性判别分析 (LDA) 作为二级学习器。

Deep-Learning-Project:使用深度学习进行音乐生成

Deep-Learning-Project:使用深度学习进行音乐生成

颜色分类leetcode-Deep-Learning-Melanoma:使用深度学习对黑色素瘤图像进行分类和分割

颜色分类leetcode 黑色素瘤检测的深度学习莫希特·阿加瓦尔南迪塔·达玛拉朱沙比沙伊布动机黑色素瘤是一种神经嵴衍生细胞的癌症，为皮肤和其他组织提供色素沉着。在过去的 4 年里，美国黑色素瘤的发病率增长速度超过任何其他恶性肿瘤。恶性黑色素瘤患者的生存与早期发现直接相关ii。目前识别黑色素瘤的技术是手动扫描皮肤，但准确诊断黑色素瘤的唯一方法是活检。开发更准确、无创、自动化的技术来

Deep-Learning-with-TensorFlow-2-and-Keras:Packt发行的《使用TensorFlow 2和Keras进行深度学习》

使用TensorFlow 2和Keras进行深度学习-第二版这是发布的进行的代码存储库。它包含了从头到尾完成本书所必需的所有支持项目文件。关于这本书 TensorFlow 2和Keras的深度学习，第二版与TensorFlow（TF）和Keras一起教深度学习技术。本书介绍了使用TensorFlow的神经网络，贯穿了主要应用程序，涵盖了两个有效的示例应用程序，然后深入探讨了TF和cloudin

Python-ZhuSuan一个基于Tensorflow的贝叶斯深度学习库ZhuSuan

ZhuSuan 一个基于Tensorflow的贝叶斯深度学习库ZhuSuan

Hands-On-Deep-Learning-with-TensorFlow:Packt发行的《使用TensorFlow进行动手深度学习》

使用TensorFlow进行动手深度学习这是发布的进行的代码库。它包含从头到尾完成本书所必需的所有支持项目文件。关于这本书 Dan Van Boxel的TensorFlow深度学习基于Dan最畅销的TensorFlow视频课程。随着深度学习成为主流，使用深度网络来理解数据并获得准确的结果成为可能。丹·范·博塞尔（Dan Van Boxel）将指导您探索深度学习的可能性；他将使您能够以前

颜色分类leetcode-Advanced-Deep-Learning-with-R:使用R进行高级深度学习，由Packt出版

颜色分类leetcode 使用 R 进行高级深度学习这是的代码库，由 Packt 发布。成为使用 R 设计、构建和改进高级神经网络模型的专家这本书是关于什么的？本书将通过高级示例帮助读者在 R 中应用深度学习算法。您将使用专家技术介绍神经网络模型的变体，例如 ANN、CNN、RNN、LSTM 等。读者将利用 Keras-R、Tensorflow-R 等流行的深度学习库来实现 AI 模

Audio-Classification-using-Deep-Learning:使用深度学习对10种不同的声音类别进行分类

音频分类使用深度学习使用深度学习对10种不同的城市声音进行分类。可以从以下链接下载音频文件： : 重要说明：文件夹应按以下方式排列：火车标签目录：sounds / labels / train.csv 测试标签的目录：sounds / labels / test.csv 火车声音的目录：sounds / train / train_sound /（。wav格式的音频文件）火车

Deep-Learning-with-PyTorch-1.x:Packt发布的《使用PyTorch 1.x进行深度学习》

使用PyTorch-1.x进行深度学习这是Packt发布的《进行的代码库。使用Python实施深度学习技术和神经网络架构变体这本书是关于什么的？由于PyTorch的可访问性和效率以及PyTorch相对于Python开发方式而言更为原生，因此PyTorch受到了深度学习研究人员和数据科学专业人员的关注。这本书将带您使用这个前沿的深度学习库，并有效地指导您实施深度学习概念。在第二版

Deep-Learning-with-PyTorch:Packt发布的《使用PyTorch进行深度学习》

使用PyTorch进行深度学习这是发行的《进行的代码库。它包含从头到尾完成本书所必需的所有支持项目文件。关于这本书深度学习正在为世界上最智能的系统提供动力，例如Google Voice，Siri和Alexa。强大的硬件（例如GPU），PyTorch，Keras，Tensorflow，CNTK等软件框架的进步以及大数据的可用性，使得针对文本，视觉和高级分析领域中各种问题的解决方案的实施变

Deep-Learning-with-Python-Exercises:使用Python练习进行深度学习

使用Python进行深度学习使用Python练习进行深度学习

Advanced-Deep-Learning-with-Python:Packt Publishing提供的使用Python进行高级深度学习

使用Python进行高级深度学习这是Packt发布的“ 进行的代码库。使用TensorFlow和PyTorch设计和实施高级的下一代AI解决方案这本书是关于什么的？本书是专家级别的指南，用于掌握使用Python生态系统的神经网络变体。您将通过实际示例获得构建更智能，更快和有效的深度学习系统的技能。到本书结尾，您将了解深度学习领域的最新进展和最新研究。本书涵盖以下激动人心的功能

Deep-Learning-with-TensorFlow:Packt使用TensorFlow进行深度学习

使用TensorFlow进行深度学习 Packt使用TensorFlow进行深度学习这是发布的进行的代码库。它包含从头到尾完成本书所必需的所有支持项目文件。关于这本书深度学习是机器学习之后的一步，具有更高级的实现。机器学习不仅不再是学者们的学习，而是通过广泛采用而成为一种主流实践，而深度学习已经占据了前列。作为数据科学家，如果您想探索数据抽象层，这本书将是您的指南。本书展示了如何使用

使用PyTorch进行深度学习 Deep Learning with PyTorch.zip

使用PyTorch进行深度学习 Deep Learning with PyTorch

Deep-Learning-Python:使用Python进行深度学习

深度学习Python 使用Python进行深度学习

Deep_Learning_using_Keras：使用keras进行深度学习的初学者模型

Deep_Learning_using_Keras 使用keras进行深度学习的初学者模型

Sentiment_Analysis_Deep_Learning：使用深度学习（CNN）进行情感分析

Sentiment_Analysis_Deep_Learning：使用深度学习（CNN）进行情感分析

Deep-Learning-Optimization-Algorithms:使用PyTorch自动微分和优化器可视化各种深度学习优化算法

深度学习优化算法该存储库包含用于可视化各种深度学习优化算法的代码。 PyTorch用于自动区分和实现各种优化器。随机梯度下降（SGD） 2D凸面二维非凸曲面带鞍点的3D表面 SGD与动量 2D凸面二维非凸曲面带鞍点的3D表面阿达三角洲 2D凸面二维非凸曲面带鞍点的3D表面自适应矩估计（ADAM） 2D凸面二维非凸曲面带鞍点的3D表面

Deep-Learning-for-Metasurface-Optimization:使用TensorFlowKeras进行元表面参数优化的深度学习

深度学习用于元表面优化使用深度学习以张量流/角点和约5600 Lumerical模拟作为训练数据来优化单元素超表面参数。在垂直入射光下进行的模拟。定义超表面的特征是1.长度（L）2.宽度（W）3.高度（H）4.x方向周期性（Ux）5. y方向周期性（Uy）。输出是周围和整个可见光的相位光谱，增量为5 nm（450 nm-800 nm）。对于PowerPoint，有动画，所以我建议在幻灯

收起资源包目录

Deep-Learning-Models-Optimization-main.zip （2个子文件）

Deep-Learning-Models-Optimization-main

testes_neuralPrhopeat.ipynb 266KB

README.md 115B

评论收藏

内容反馈

生物医药从业者

粉丝: 17
资源: 4616

Deep-Learning-Models-Optimization:使用深度学习和贝叶斯优化进行超参数调整

吴恩达深度学习超参数调制完整程序（无正则化、L2正则化及Dropout）

hyperparameter-optimization:机器学习算法的贝叶斯超参数优化的实现

超参数优化：贝叶斯优化.zip

论文研究 - 优化神经网络超参数以提高其性能

吴恩达改善深层神经网络：超参数调试、正则化以及优化作业

hyperpower:硬件感知神经网络（Keras + TensorFlow）超参数优化（贝叶斯优化）

botorch:PyTorch中的贝叶斯优化

神经网络超参数

deeplearning-models-master各种深度学习架构，模型和技巧的集合.zip

Pytorch贝叶斯深度学习库BLiTZ实现LSTM模型预测时序数据并绘制置信区间

Hyperparameter-Optimization-of-Machine-Learning-Algorithms:机器学习和深度学习模型的超参数优化调整方法的实现（简单明了）

Ensemble-Deep-Learning:使用集成方法进行深度学习

Deep-Learning-Project:使用深度学习进行音乐生成

颜色分类leetcode-Deep-Learning-Melanoma:使用深度学习对黑色素瘤图像进行分类和分割

Deep-Learning-with-TensorFlow-2-and-Keras:Packt发行的《使用TensorFlow 2和Keras进行深度学习》

Python-ZhuSuan一个基于Tensorflow的贝叶斯深度学习库ZhuSuan

Hands-On-Deep-Learning-with-TensorFlow:Packt发行的《使用TensorFlow进行动手深度学习》

颜色分类leetcode-Advanced-Deep-Learning-with-R:使用R进行高级深度学习，由Packt出版

Audio-Classification-using-Deep-Learning:使用深度学习对10种不同的声音类别进行分类

Deep-Learning-with-PyTorch-1.x:Packt发布的《使用PyTorch 1.x进行深度学习》

Deep-Learning-with-PyTorch:Packt发布的《使用PyTorch进行深度学习》

Deep-Learning-with-Python-Exercises:使用Python练习进行深度学习

Advanced-Deep-Learning-with-Python:Packt Publishing提供的使用Python进行高级深度学习

Deep-Learning-with-TensorFlow:Packt使用TensorFlow进行深度学习

使用PyTorch进行深度学习 Deep Learning with PyTorch.zip

Deep-Learning-Python:使用Python进行深度学习

Deep_Learning_using_Keras：使用keras进行深度学习的初学者模型

Sentiment_Analysis_Deep_Learning：使用深度学习（CNN）进行情感分析

Deep-Learning-Optimization-Algorithms:使用PyTorch自动微分和优化器可视化各种深度学习优化算法

Deep-Learning-for-Metasurface-Optimization:使用TensorFlowKeras进行元表面参数优化的深度学习

最新资源