小编S.A*_*EEN的帖子

我已经使用TensorFlow训练了一个ConvNet模型,我希望在图层中获得特定的权重.例如在torch7中,我只是访问model.modules[2].weights.得到第2层的权重.我如何在TensorFlow中做同样的事情？

我使用Sklearn通过以下步骤构建线性回归模型(或任何其他模型):

X_train和Y_train是训练数据

1. 标准化培训数据

     X_train = preprocessing.scale(X_train)
   

   Run Code Online (Sandbox Code Playgroud)

2. 适合模型

    model.fit(X_train, Y_train)
   

   Run Code Online (Sandbox Code Playgroud)

一旦模型与缩放数据拟合,我如何使用拟合模型预测新数据(一次一个或多个数据点)？

我正在使用的是

1. 缩放数据

   NewData_Scaled = preprocessing.scale(NewData)
   

   Run Code Online (Sandbox Code Playgroud)

2. 预测数据

   PredictedTarget = model.predict(NewData_Scaled)
   

   Run Code Online (Sandbox Code Playgroud)

我想我错过了一个转换函数,preprocessing.scale以便我可以用训练过的模型保存它,然后将它应用到新的看不见的数据上？请帮忙.

我有一个程序是用python编写的,我有使用Toch7训练的模型ConvNet.我想从python程序调用forward和backpro到模型,因为我发现很难在lua中再次编写它.

有什么好主意吗？

我计算了 12 个数据集和 11 个分类器的 Friedman-Nemenyi 检验结果，我想绘制如下图所示的结果

我计算了所有要求 CD 是单个数字（图中显示为 CD）、分类器列表（C4.5+m+cf、C4.5+m 等）和平均排名的值（在 x 轴上）

提前谢谢了

2：在这里输入链接描述

我想在不同的时间将 numpy 数组中的一列设置为零，换句话说，我有一个M大小为 5000x500 的numpy 数组。当我输入 shape 命令时，结果是 (5000,500)，我认为 5000 是行，500 是列

shape(M)
(5000,500)

但是当我想访问像第一列这样的一列时的问题

Mcol=M[:][0]

然后我用新矩阵再次按形状检查 Mcol

shape(Mcol)
(500,)

我预计结果将是 (5000,)，因为第一个有 5000 行。即使更改了操作，结果也是一样的

shape(M)
(5000,500)
Mcol=M[0][:]
shape(Mcol)
(500,)

任何帮助请解释我的代码中发生的事情，以及以下操作是否正确将一列设置为零

M[:][0]=0

我想在函数中发送两个参数并接收两个值

我想修改这段代码,以便我能够发送两个参数并接收两个参数

list_value = [ 1, 2,0,-1,-9,2,3,5,4,6,7,8,9,0,1,50]
hnd = map(lambda (valua): function_f(valua), list_value)

function_f是一个返回一个数字1或0的函数.

上面的代码可以在发送一个参数时完成工作,但我想发送两个而不是.所需函数的第一个参数是list_value,第二个参数是模型"net model train it using caffe"

所以我想编写一个函数,它可以完成前一个函数的相同工作,但返回两个参数,一个是[0或1],另一个是修改后的函数修改过的模型.