Keras log_loss错误相同
Keras是一个开源的深度学习框架，用于构建和训练神经网络模型。log_loss是Keras中的一个损失函数，用于计算分类问题中的对数损失。
对于分类问题，模型的输出是一个概率分布，表示每个类别的概率。log_loss通过将真实标签与模型的预测概率进行比较，来衡量模型的性能。它基于交叉熵的概念，将模型的预测概率与真实标签的对数概率进行比较，并计算平均损失。
log_loss的分类问题中的错误相同，意味着所有类别的错误被视为相同的重要性。这意味着模型在预测每个类别时，对于错误的惩罚是一样的，不考虑类别之间的差异。
Keras提供了log_loss函数的实现，可以通过调用keras.losses.log_loss(y_true, y_pred)来计算log_loss。其中，y_true是真实标签，y_pred是模型的预测概率。
log_loss的应用场景包括多类别分类、二分类等问题。在多类别分类问题中，log_loss可以帮助评估模型在不同类别上的性能。在二分类问题中，log_loss可以用作二分类交叉熵损失函数。
腾讯云提供了多个与深度学习和云计算相关的产品，例如腾讯云AI Lab、腾讯云机器学习平台等。这些产品提供了强大的深度学习工具和资源，可以帮助开发者在云端进行模型训练和部署。
更多关于Keras log_loss的信息，可以参考腾讯云的文档：Keras log_loss文档
相关·内容
当我以如下方式执行代码时，TypeError: zip参数#2必须支持屏幕上弹出的迭代。
theta = tf.Variable(tf.zeros(100), dtype=tf.float32, name='theta')
@tf.function
def p(x):
N = tf.cast(tf.shape(x)[0], tf.int64)
softmax = tf.ones([N, 1]) * tf.math.softmax(theta)
idx_x = tf.stack([tf.range(N, dtype=tf.int64), x-1], ax
浏览 0提问于2019-04-25得票数 1
回答已采纳
1回答
我正在尝试在修改一个简单的NN体系结构后恢复它的训练。使用MNIST数据集，在本例中，我训练模型2个时期，然后将模型保存在.h5文件中。然后我重新加载模型，修改模型并重新编译它。但是我想从我中断的地方继续训练。因此，我想使用重新加载的模型的优化器来继续训练。代码如下：
MLP = keras.models.Sequential([
keras.layers.Dense(100, activation='sigmoid', input_shape=(784,)),
keras.layers.Dense(10, activation='sof
浏览 0提问于2019-03-12得票数 0
我使用了sklearn的决策树，通常有log_loss
classifier = DecisionTreeClassifier(random_state = 42,class_weight ='balanced' ,criterion='log_loss')
classifier.fit(X_train, y_train)
错误：
KeyError: 'log_loss'
浏览 34提问于2022-10-22得票数 0
2回答
我对神经网络比较陌生，所以我尝试用它进行无监督的聚类。我的数据在dataframe中有5个不同的列(特性)，我想从中获得4个类，请参见下面的完整模型
from sklearn import preprocessing as pp
from sklearn.model_selection import train_test_split
from sklearn.model_selection import StratifiedKFold
from sklearn.metrics import log_loss
from sklearn.metrics import precision_reca
浏览 1提问于2021-04-17得票数 1
我正在尝试运行以下代码行： print("Num GPUs Available: " , len(tensorflow.config.experimental.list_physical_devices('GPU'))) 但它返回错误： AttributeError: module 'tensorflow' has no attribute 'config' 你知道我做错了什么吗？ 编辑:这是初始化代码 from __future__ import absolute_import, division, print_functio
浏览 235提问于2020-02-02得票数 8
1回答
是否可以在gridsearchcv中使用log_loss度量？
我见过很少有人提到neg_log_loss的帖子？它和log_loss一样吗？如果没有，是否可以在gridsearchcv中直接使用log_loss？
浏览 0提问于2019-04-28得票数 3
回答已采纳
我正在使用log_loss和sklearn
from sklearn.metrics import log_loss
print log_loss(true, pred,normalize=False)
我有以下错误：
ValueError: y_true and y_pred have different number of classes 38, 2
这对我来说真的很奇怪，因为数组看起来是有效的：
print pred.shape
print np.unique(pred)
print np.unique(pred).size
(19191L,)
[ 0 1 2 3 4 5 6
浏览 2提问于2015-11-10得票数 8
我试图在log_loss的scoring参数中使用GridSearchCV参数来调优这个多类(6个类)分类器。我不明白如何给它一个label参数。即使我给它sklearn.metrics.log_loss，交叉验证中的每一次迭代都会改变它，所以我不知道如何给它labels参数？
我用的是Python v3.6和Scikit-Learn v0.18.1
如何使用带有多类模型调优的GridSearchCV log_loss 和？
我的班级代表：
1 31
2 18
3 28
4 19
5 17
6 22
Name: encoding, dtype: int64
浏览 7提问于2017-04-12得票数 5
回答已采纳
1回答
我有一个关于机器学习中使用log_loss函数在scikit-learn中的分类问题。
from sklearn.ensemble import RandomForestClassifier
classifier = RandomForestClassifier()
classifier.fit(Xtrain, ytrain)
soft = classifier.predict_proba(Xtest)[:,1]
log_loss = log_loss(ytest, soft)
我想计算日志丢失，但出现了一个错误：
'numpy.float64' object is not c
浏览 1提问于2018-11-14得票数 0
回答已采纳
1回答
我希望我能用几行代码/解释来说明这一点。
我有一个16K的文本列表，标签超过30个不同的类别，通过不同的分类器；我的预测和地面真相匹配，平均为94%。
我现在正在测量一些额外的东西(但不确定我应该在F1_score最小值的基础上测量什么，因为我还在学习)，我从sklearn中碰到了log_loss，因此我理解它在0到1之间。然而，当与我的预测相反时，结果是1.48xxx，实际上更高。
试图了解到底是怎么回事。
我已经研究了ComplementNB.predict_proba的结果，它是log_loss所需的，其值与我的预测数组中的值相匹配。
以下是一些代码：
from sklearn.metr
浏览 0提问于2020-09-05得票数 1
回答已采纳
1回答
当使用4倍交叉验证时，我的cv log_loss为0.3025410331400577，而我的主板(拥有30%的测试数据集)获得了0.26514。我进一步做了特性工程，并在模型中添加了一些特性，这使我的cv log_loss降到了0.2946628055452142，但是我的领导板得分增加到了0.30021。
随着所有其他技术的使用，我的cv log_loss降低了，但我的领导板损失增加了。
我用XGBoostClassifier模型。我也删除了所有相关特征(corr > 0.8)。
通常，我们将根据cv评分来判断我们的模型是否泛化。但在这里，cv评分不可靠。原因可能是什么？
当我
浏览 0提问于2020-05-25得票数 -1
回答已采纳
我使用了一个测试列表和一个包含4000个元素的预测列表，如本例所示 test_list=[1,0,0,1,0,.....]
prediction_list=[1,1,0,1,0......] 如何在python代码中找到这两个列表之间的二进制交叉熵？我尝试使用sklearn中的log_loss函数： log_loss(test_list,prediction_list) 但损失函数的输出大约是10.5，这在我看来是错误的。我是以错误的方式使用函数，还是应该使用另一个实现？
浏览 48提问于2019-01-16得票数 2
我正在使用Keras，并且我想使用logloss作为训练的指标。我怎样才能把它传递到我的模型中呢？
我的代码如下：
model = Sequential()
model.add(Dense(output_dim=1000, input_dim=390, init='uniform'))
model.add(Activation("relu"))
model.add(Dropout(0.5))
model.add(Dense(output_dim=500, input_dim=1000, init="lecun_uniform"))
model.a
浏览 0提问于2016-05-07得票数 13
回答已采纳
2回答
我正在尝试使用网格搜索和日志丢失。以下是我的密码。
df = pd.read_csv(file_name)
df.shape # (146614, 395)
# All features are float32
gbm = GradientBoostingClassifier(max_features="log2")
GSCV = GridSearchCV(gbm, param, scoring=log_loss, n_jobs=2, cv =2, verbose=3)
GSCV.fit(df, y)
clf.grid_scores_
但是，我无法运行代码。在GSCV.fit线
浏览 8提问于2016-03-18得票数 4
回答已采纳
1回答
它不起作用的原因：
from sklearn.metrics import log_loss
y_true = [0, 0, 0, 0]
y_pred = [0.5, 0.5, 0.5, 0.5]
log_loss(y_true, y_pred, eps=1e-15)
Error: ValueError: Unknown label type: ((0.5, 0.5, 0.5, 0.5),)
浏览 1提问于2021-02-14得票数 0
回答已采纳
我正在尝试导入以下库并将scikit-learn安装到我的系统中：
from sklearn.metrics.classification import accuracy_score, log_loss
有人能告诉我问题出在哪里吗。我看到以下错误：
No module named 'sklearn.metrics.classification
浏览 0提问于2021-07-16得票数 0
1回答
请考虑log_loss的sklearn文档中的示例：
from sklearn.metrics import log loss
log_loss(["spam", "ham", "ham", "spam"], [[.1, .9], [.9, .1], [.8, .2], [.35, .65]])
运行这个，我们得到了~0.216的输出。该模型对火腿和垃圾邮件进行了合理的分类。
斯考特怎么知道第一个概率是ham，第二个概率是spam
如果我想翻转标签，即第一个是spam，第二个是ham，我怎么能这样做？显式提供标签参数不起作用：
l
浏览 4提问于2020-09-07得票数 0
回答已采纳
我已经从kaggle下载了一个DL模型，用于keras.obviously的8-分类器工作，它在model.and的顶部有密集(8)，我想将它用于2-分类器，所以我将顶部的完整连接从密集(8)修改为密集(2).I认为这会对我起作用。但是，当我运行script.thanks时，终端会报告错误，希望您能耐心等待和帮助。下面的错误
Error when checking model target: expected dense_3 to have shape (None, 2) but got array with shape (1333L, 8L)
下面是代码，可能很长
# %load kagg
浏览 1提问于2017-04-14得票数 1
我将数据集拆分为
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
以及合适的
from sklearn.metrics import log_loss
clf.fit(X_train, y_train)
clf_probs = clf.predict_proba(X_test)
score = log_loss(y_test, clf_probs)
print(score)
是最终提交的
clf.fit(X,y) or clf.fit(X_train,y_tra
浏览 0提问于2020-02-11得票数 1
2回答
查看Sklearn中的日志丢失文档和Pytorch中的BCEloss文档，它们应该是相同的，即只是应用权重的正常日志丢失。然而，它们的行为不同--无论是施加还是不施加重量。有人能给我解释一下吗？我找不到BCEloss的源代码(它在内部引用binary_cross_entropy )。
input = torch.randn((3, 1), requires_grad=True)
target = torch.ones((3, 1), requires_grad=False)
w = torch.randn((3, 1), requires_grad=False)
# ----- With w
浏览 1提问于2019-05-01得票数 1
回答已采纳
假设我已经训练了一个有100棵树的RandomForest模型。然后我有两个案例：
我把模型中的第一棵树掉了。
我把最后一棵树掉在模型里了。
在第一种或第二种情况下，模型的性能会降低吗？
由于最后一棵树应该是训练最好的树，所以我要说，第一种场景的表现应该比最后一种更少。
如果我使用的是另一个模型，比如梯度增强决策树呢？我想应该是一样的。
我可以用一些数学来证明它，或者任何其他可能证明它的方法。
更新
我尝试了两种不同的学习速率，0.1和8。用0.1，我得到：
# For convenience we will use sklearn's GBM, the situation will
浏览 0提问于2020-10-05得票数 4
回答已采纳
我在一个二进制分类问题上训练了一个xgboost型分类器。它能产生70%的准确率预测。然而，在9.13，logloss是非常大的。我怀疑这可能是因为一些预测与目标相差很远，但我不明白为什么会发生这种情况-其他人报告的相同数据的对数损失(0.55 - 0.6)要好得多。
from readCsv import x_train, y_train
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score, log_loss
from xgboost import XG
浏览 8提问于2017-06-21得票数 2
回答已采纳
我注意到sklearn的新CalibratedClassifierCV在base_estimator是GradientBoostingClassifer时，其性能似乎不如直接base_estimator(我还没有测试其他分类器)。有趣的是，如果make_classification的参数是：
n_features = 10
n_informative = 3
n_classes = 2
然后，CalibratedClassifierCV似乎是略显出色的(日志丢失评估)。
然而，根据以下分类数据集，CalibratedClassifierCV似乎通常是表现不佳的：
from sklearn.da
浏览 0提问于2015-05-17得票数 18
回答已采纳
我正在尝试建立一个CNN模型，我得到了以下错误 keras.layers.MaxPooling2D(pool_size = (2,2), padding= "same"),
^
SyntaxError: positional argument follows keyword argument 当我想要添加一个dropout或max pooling时，这个错误就会发生，我会添加下面的代码，并注释出现上述语法错误的代码行。 当我尝试运行dropout并注释掉maxpooling时，我得到了不同的错误，反之亦然。 注意:我正在使用下面的纪录片(https://keras-t
浏览 14提问于2020-12-10得票数 0
回答已采纳
1回答
用…给出了logistic回归的负对数似然。这也被称为交叉熵误差函数。
所以我试了一下，发现了一些不同之处：
from sklearn.metrics import log_loss
y_true = [0, 0 , 0, 0]
y_pred = [0.5, 0.5, 0.5, 0.5]
log_loss(y_true, y_pred, labels=[0, 1]) # 0.6931471805599453
from math import log2
def cross_entropy(p, q):
return -sum([p[i]*log2(q[i]) for i in
浏览 2提问于2021-02-15得票数 0
回答已采纳
我有一个问题，关于cross_val_score()如何从科学学习的工作。我试着用Kfold()将数据集分成10倍，并计算每个折叠的训练集和验证集的日志丢失。但是，我使用cross_validation_score获得了不同的答案，设置了参数scoring = 'neg_log_loss'。
X和y分别是形状(1800, 12)和(1800, 1)的数组。
kfold = KFold(n_splits=10)
train_loss = []
val_loss = []
for train_index, val_index in kfold.split(X, y):
浏览 3提问于2022-10-12得票数 0
计算原木损失
def logloss(y_true,y_pred):
'''In this function, we will compute log loss '''
log_loss = (-((y_true * np.log10(y_pred)) + (1-y_true) * np.log10(1-y_pred)).mean())
return log_loss
计算logistic回归
def train(X_train,y_train,X_test,y_test,epochs,alpha,eta0):
w,b
浏览 18提问于2021-06-08得票数 0
我正在尝试从scikit中实现LogisticRegressionCV类--学习0.16，并且很难让它与不同的评分功能一起工作。文档要求从sklearn.metrics传递一个评分函数，因此我尝试了以下代码：
from sklearn.linear_model import LogisticRegressionCV
from sklearn.metrics import log_loss
...
model_regression = LogisticRegressionCV(scoring=log_loss)
model_regression.fit(data_combined, winn
浏览 5提问于2015-04-07得票数 3
回答已采纳
Sklearn's documentation似乎暗示neg_log_loss评分使用log_loss作为得分者。This问题试图澄清在引擎盖下发生了什么，被接受的答案是neg_log_loss简单地等于- log_loss。然而，所附的示例表明情况并非如此。 scoring = "neg_log_loss"和scoring=make_scorer(log_loss)之间的关系是什么？明显的不连续性让我认为neg_log_loss在损失中使用的是概率而不是预测。如何修改下面的代码，使每个方法返回相同的结果？ import numpy as np
from sklear
浏览 221提问于2020-04-28得票数 2
找不到keras模块!
首先安装Anaconda3-2019.03，然后运行
`conda install python=3.6.0`
需要使用python3.6.0版本而不是Python3.7.0--它显示了一个错误，
Preparing transaction: done
Verifying transaction: failed
对于忽略这个错误，我遵循另一种方式，下面是，
conda create --name py36 python=3.6
conda activate py36
它成功安装了，然后我安装了tensorflow，它的命令如下，
pip install tensorfl
浏览 1提问于2020-09-01得票数 0
我收到以下错误：
Traceback (most recent call last):
File "Estimate parameters with lstm.py", line 13, in <module>
from keras.layers.core import Activation
File "/home/zeus/my_env/lib/python3.8/site-packages/keras/__init__.py", line 25, in <module>
from k
浏览 1提问于2021-09-20得票数 0
我正在使用anaconda env。
Python 3.7 keras : 2.3.1 tensorflow: 2.1.0
当我想使用CenterCrop和Rescaling模块时，pycharm给了我错误提示。
from tensorflow.keras.layers.experimental.preprocessing import CenterCrop
from tensorflow.keras.layers.experimental.preprocessing import Rescaling
错误消息为：
D:\NewAnaconda\envs\Tensor_Turkcell\pyt
浏览 62提问于2020-05-30得票数 1
我很难将我的Keras模型转换成一个TensorFlow估计器。我得到了以下错误：
AttributeError:输入对象‘稠密’没有属性'from_config‘
这是我的密码：
from tensorflow import keras
import tensorflow as tf
from keras.models import Sequential
from keras.layers import Dense
classifier = keras.models.Sequential()
classifier.add(tf.layers.Dense(units = 6,
浏览 1提问于2018-04-26得票数 1
回答已采纳
嗨，我正试着进入tensorflow，感觉有点傻。TF中的log_loss与滑雪板的区别吗？
下面是我的代码中的一些行，我是如何计算的：
from sklearn.metrics import log_loss
tmp = np.array(y_test)
y_test_t = np.array([tmp, -(tmp-1)]).T[0]
tf_log_loss = tf.losses.log_loss(predictions=tf.nn.softmax(logits), labels=tf_y)
with tf.Session() as sess:
# training
浏览 3提问于2017-03-07得票数 6
1回答
卷积神经网络层
、、、
我想用CNN来检测某些模式，然而，当我试图运行它们时，我的CNN的最后两层会出现错误。我在下面的代码中对这些层进行了注释。*每个Conv2D层在MaxPooling层之前重复。
inputs = tf.keras.layers.Input(shape=(256, 256, 27), name='input_layer')
lambda_layer = tf.keras.layers.Lambda(lambda value: value / 255)(inputs)
xp = tf.keras.layers.Conv2D(64, 3, padd
浏览 5提问于2022-09-03得票数 -2
我正在尝试安装plaidml-keras，这样我就可以在python/jupyter中使用非Nvidia GPU和Keras。在清除了其他几个障碍之后，我达到了以下目的： plaidbench keras mobilenet 但是它有两次错误 ImportError: cannot import name 'object_list_uid' from 'keras.utils.generic_utils' (/Users/me/sprinthive/src/notebooks/nbenv/lib/python3.7/site-packages/keras/ut
浏览 27提问于2021-07-16得票数 0
我正在使用google 来预测CTR。代码是基于的。
然而，auc是不好的。我检查了代码，发现在DNN_Linear_Combined.py中，丢失函数被定义为
loss = math_ops.reduce_mean(loss_unweighted, name=name)
在CTR预测中，训练数据不平衡。因此，如果使用这种损失函数，当预测更多的负类样本(多数类)时，损失会更好。
而且，预测的CTR要比真实的CTR大得多。(实际CTR小于1%，平均预测CTR约为30%)。
我的问题是:如何修改代码以使用日志丢失？TF提供这个吗？我检查了代码并发现了以下内容：
函数math_ops.reduc
浏览 1提问于2017-03-07得票数 3
我试图在Anaconda3中使用Tensorflow/Keras运行机器学习代码，最初我有一个问题，但我将Keras降级到2.1.6，这个错误已经解决了。现在我得到以下错误：
raise ImportError('You need to first `import keras` '
ImportError: You need to first `import keras` in order to use `keras_applications`. For instance, you can do:
导入keras
从keras_applications导入vgg16
O
浏览 2提问于2018-08-10得票数 3
1回答
我正在构建一个自动编码器，它接收16x16扁平的图像，并不断得到以下错误：
ValueError: A target array with shape (999, 16, 16, 256) was passed for an output of shape (None, 256) while using as loss `binary_crossentropy`. This loss expects targets to have the same shape as the output.
我的尝试:我认为我必须在topk层之后重塑解码器内部的张量，但是它没有解决错误，只是输出了更多的错误。我
浏览 0提问于2019-08-23得票数 0
回答已采纳
在下面的代码中，我试图理解best_estimator_和best_score_之间的联系。我认为我应该能够(至少是非常接近地)通过对best_score_的结果打分(至少是非常接近)：
from sklearn.model_selection import GridSearchCV
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import log_loss
classifier = GridSearchCV(LogisticRegression(penalty='l1'),
浏览 3提问于2017-11-03得票数 0
回答已采纳
确保我做得对：
如果我们使用独立，即log_loss(y_true，y_pred)，它会产生一个积极的分数--分数越小，性能就越好。
然而，如果我们使用作为一个得分方案，就像在“cross_val_score”中一样，分数是负数--分数越大，表现就越好。
这是由于评分方案是建立在与其他评分方案一致的。由于通常情况下，越高越好，我们否定了通常的log_loss与趋势一致。这样做完全是为了这个目的。这种理解是正确的吗？
背景: metric.log_loss的得分为正，'neg_los_loss‘为负值，两者都引用相同的文档页.
浏览 3提问于2017-03-28得票数 14
回答已采纳
3回答
问题:运行gridsearchcv时，的情况似乎是内存泄漏。当我与1或32个并发工作人员一起运行时(n_jobs=-1)，就会发生这种情况。以前，我在ubuntu16.04上运行了很多次，没有问题，但最近升级到18.04，并做了一个ram升级。
import os
import pickle
from xgboost import XGBClassifier
from sklearn.model_selection import GridSearchCV,StratifiedKFold,train_test_split
from sklearn.calibration import Calib
浏览 0提问于2019-04-25得票数 28
回答已采纳
3回答
我只是将sklearn中的日志损失应用于逻辑回归：
我的代码看起来像这样：
def perform_cv(clf, X, Y, scoring):
kf = KFold(X.shape[0], n_folds=5, shuffle=True)
kf_scores = []
for train, _ in kf:
X_sub = X[train,:]
Y_sub = Y[train]
#Apply 'log_loss' as a loss function
scores = cross_val
浏览 4提问于2014-10-09得票数 11
这就是我想要运行的代码
X_train = data1/255.0
from sklearn.preprocessing import LabelBinarizer
lb = LabelBinarizer()
trainY =lb.fit_transform(label)
from tensorflow.keras.models import Model
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import AveragePooling2D
from tensorflow.keras
浏览 2提问于2022-10-17得票数 -1
回答已采纳
我试图用CNN运行一个视频分类代码，但是在训练模型时，我得到了这个错误： 文件"C:\Usersmy name\anaconda3\envs\tensorflow\lib\site-packages\tensorflow_core\python\keras\callbacks.py"，行1532，in set_model self.log_dir，self.model._get_distribution_strategy()) # pylint: disable=protected-access AttributeError：'Model‘对象没有属性'_ge
浏览 26提问于2020-07-16得票数 0
当我试图在我的本地机器(Mac OS X El Capitan)上加载模型时，我收到了以下错误消息:我使用google colaboratory中的Keras训练并下载了一个模型(一个CNN)。
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/local/lib/python3.6/site-packages/keras/models.py", line 243, in load_model
model =
浏览 0提问于2018-06-13得票数 9
回答已采纳
我该如何解决这个问题呢？我的工作是: Pycharm python 3.6keras 2.4.3
我多次尝试安装tensorflow，但每次都失败。
运行时出现以下错误：ImportError: Keras requires TensorFlow 2.2 or higher. Install TensorFlow via pip install tensorflow
当我尝试安装tensorflow时出现以下错误：
浏览 34提问于2021-03-13得票数 2
回答已采纳
代码：
import tensorflow as tf
import time
mnist = tf.keras.datasets.mnist
错误：
Exception has occurred: AlreadyExistsError
Another metric with the same name already exists.
File "/Users/sean/Documents/GitHub/VIQ-Intern-Projects/test.py", line 4, in <module>
mnist = tf.keras.datasets
浏览 3提问于2021-11-08得票数 1
1回答
我试图在Tensorflow中构建一个基于RNN的模型，该模型以一个分类值序列作为输入，以分类值序列作为输出。
例如，如果我有30个值的序列，前25个将是训练数据，最后5个将是目标。想象一下，这些数据就像一个人在电脑键盘上按下键，并记录下他们的按键。
我尝试将训练数据和目标以不同的形状输入到这个模型中，我总是得到一个错误，表明数据的形状是错误的。
我已经包含了一个代码示例，它应该运行并演示我试图做的事情和我所看到的失败。
在代码示例中，我已经将windows用于批处理。因此，如果序列中有90个值，那么前25个值将是第一批的训练数据，接下来的5个值将是目标。下一批将是下一个30个值(25个培训值
浏览 4提问于2022-04-05得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
