normalization

-1열

1답변

첫 번째로, 나쁜 영어로 유감스럽게 생각합니다. 나는 가입자가 매월 지불되는 연금 제도에서 테이블을 정상화하려고 노력 중이다. 나는 누가 돈을 받았는지, 누가 돈을 받았는지, 얼마나 많은 돈을 받았는지를 알아야합니다. SQL Server를 사용하고 있다고 생각합니다. 예를 들면 다음과 같습니다. id_subscriber id_receipt year mon

5열

1답변

일괄 정규화를 사용하는 경우 입력을 표준화해야합니까?

저는 Keras에서 일괄 정규화로 놀아 왔습니다. 배치 정규화가 신경망 입력을 표준화하는지 궁금합니다. 그렇다면 네트워크에 입력을 표준화하고 BN에 의존 할 필요가 없다는 뜻입니까?

1열

1답변

카페 batchnorm 레이어 영향 base_lr?

나는 caffe 프레임 워크에서 다음 코드를 보았습니다. 전체 코드는 train_val.prototxt과 solver.prototxt을 작성하려고합니다. # Use different initial learning rate. if use_batchnorm: base_lr = 0.0004 else: base_lr = 0.00004 기본

1열

2답변

마침표, 마침표를 제외한 파이썬 목록에서 구두점/기호 제거하기

파이썬에서는 목록에서 거의 모든 구두점을 지우지 만 마침표와 쉼표는 저장해야합니다. 이 또는 변수를 수행하는 함수를 작성해야합니까? 기본적으로 나는 문자를 제외한 모든 기호 (이미 대문자를 소문자로 변환했습니다)와 마침표와 쉼표 (어쩌면 아포스트로피)를 삭제하려고합니다. #Clean tokens up (remove symbols except ',' and

0열

1답변

ELKI : 결과에 대한 표준화 실행 취소

LOK를 실행하기 위해 ELKI MiniGUI를 사용하고 있습니다. -dbc.filter을 실행하기 전에 데이터를 정규화하는 방법을 알아 냈습니다. 그러나 출력에서 정규화 된 데이터 레코드가 아닌 원본 데이터 레코드를보고 싶습니다. -normUndo이라는 플래그가 있는데, 명령 줄을 사용하는 경우 설정할 수 있지만 MiniGUI에서 사용하는 방법을 알

0열

1답변

keras batchnorm은 끔찍한 테스트 성능을 가지고 있습니다.

교육 데이터의 교차 검증 중에 batchnorm을 사용하면 성능이 크게 향상됩니다. 그러나 (전체 교육 세트를 재 훈련 한 후) batchnorm 레이어가 존재하면 모델의 일반화가 홀드 아웃 세트로 완전히 파괴됩니다. 이것은 약간 놀랍습니다. 테스트 예측을 잘못 구현하고 있는지 궁금합니다. 존재하는 batchnorm 레이어가없는 일반화는 훌륭합니다 (프로젝

6열

1답변

Python pandas : 데이터를 정규화하는 가장 좋은 방법은 무엇입니까?

약 80 개의 열이있는 대형 판다 데이터 프레임이 있습니다. 데이터 프레임의 80 개의 각 열은 웹 사이트의 일일 트래픽 통계를보고합니다 (열은 웹 사이트 임). 원시 트래픽 통계로 작업하고 싶지 않기 때문에 모든 칼럼을 정규화하는 것을 선호합니다 (첫 번째 날짜는 제외). 0에서 1까지 또는 0에서 100까지 (더 나은) 0보다 100까지입니다. Date

0열

1답변

예외 : "벡터의 정규 순서가 잘못되었습니다."- Python

numpy를 사용하여 파이썬에서 벡터를 정규화하려고했습니다. matrix_norm = numpy.linalg.norm(matrix1[:,0], ord='fro') print(matrix_norm) 행렬 1 크기이다 : : 1000 X 1400 나는 행렬의 첫 번째 열에 대한 정규화 값을 찾을 시도 나는 다음과 같은했다. "잘못된 규범 순서 벡터의" 도

0열

1답변

FOSRestBundle을 사용할 때 올바르지 않은 양식이 정상화되지 않습니다.

FOSRestBundle 및 JMSSerializerBundle 사용 here과 같이 \FOS\RestBundle\Serializer\Normalizer\FormErrorHandler을 통해 예외로 포장 된 잘못된 양식을 가져올 수 없습니다. 대신 상기 URL에 기재된 같은 JSON 객체를 포함하는 HTTP 응답 (예를 들어 code, message 및 e

1열

1답변

심층 학습을 위해 일괄 정규화보다 항상 레이어 정규화가 더 나은가

Layer Normalization 메서드는 Batch Normalization과 동일한 문제를 해결하지만 계산 오버 헤드가 낮고 배치에 의존하지 않으므로 교육 및 테스트 중에 일관되게 적용될 수 있습니다. 제 질문은 레이어 정규화가 항상 배치 정규화보다 나은지 또는 배치 정규화가 도움이 될 수있는 경우가 있습니까?