machine-learning-model相关内容
Google最近发布的Vertex AI集成了所有MLOps平台，我想知道在GKE和Vertex AI(或AI Platform Unified，因为更名刚刚开始，AI Platform已经提供模型预测功能)上提供定制训练的PyTorch/TensorFlow模型有什么不同。 我做了很多研究，但几乎没有找到关于这方面的信息。我已经在GKE上托管我的ML模型，是否值得迁移到Vertex AI？
..
是否可以从数据中学习二元决策图(BDD)(以机器学习方式)?如果可以，怎么办? 背景:我已经在Python中看到了一些工具，例如在具有scikit-learn，但我没有看到任何用于 BDD 的. 作为一个例子，我想做的是以下事情: 前三列对应于“输入"数据集(xi)，标签为(y).N对应于计数，您可以使用后者来计算准确性.请注意，这不是切割集矩阵.在中间，您可以看到一个对应的BD
..
我已经训练了逻辑回归模型.现在，我必须使用一组新的训练数据来更新(部分拟合)模型.有可能吗? 解决方案 您不能在 LogisticRegression 上使用 partial_fit . 但是您可以: 使用 warm_start = True ，该代码可重用上一个调用的解决方案以适合初始化，以加快收敛速度. 将 SGDClassifier 与 loss ='log'一起使
..
我对时间序列数据有疑问.我的训练数据集的维度为(3183，1，6) 我的模特: model = Sequential() model.add(LSTM(100, input_shape = (training_input_data.shape[1], training_input_data.shape[2]))) model.add(Dropout(0.2)) model.add(LS
..
我尝试过virtualenv，将python类型更改为2.7x，然后手动安装. 但是，我不断收到 的错误 Could not find a version that satisfies the requirement coremltools>=0.8 (from tfcoreml) (from versions: ) No matching distribution found for
..
我正在修改本教程，并且出现此错误: 为代码生成准备CoreML模型"Resnet50.mlmodel"时出错: 目标的主要语言“快速界面"不支持 CoreML代码生成.请将COREML_CODEGEN_LANGUAGE设置为 首选语言 以前使用"Places205-GoogLeNet"模型进行编译的项目. 还有其他人遇到同样的事情吗? 解决方案 在应用目标的项目设置视图中
..
我已经在Keras中训练了一个模型，并以不同的方式保存它； model.save("filename") 或 model.to_json() model.save_weights("filename") 但是，当我将训练好的模型加载到另一个程序中进行预测时，我得到的结果与测试结果有很大不同. 为什么会发生这种情况，我该如何处理? 解决方案 将其保存为:
..
