Поиск.
Найдено: 0 моделей и 20 материалов
Материалы
Как обучать MLPClassifier пакетами через partial_fit
Потоковое обучение MLPClassifier мини-пакетами: первый classes, Incremental StandardScaler, несколько эпох, контроль n_iter_ и accuracy.
Как обучить MLPClassifier со StandardScaler без утечки данных
Проверяемый Pipeline из StandardScaler и MLPClassifier: раздельная выборка, обучение scaler только на train, accuracy и защита от утечки.
Как инициализировать двухслойную нейросеть в JAX
Двухслойный MLP без фреймворка: random.split, масштаб весов, ReLU, PyTree параметров, одиночный и пакетный входы.
Как накопить средний loss через Flax NNX metrics.Average
Flax 0.12.10: Average учитывает каждый элемент двух batch, compute возвращает общий mean, reset очищает состояние.
Как нормализовать каналы через Flax NNX GroupNorm
Flax 0.12.10: GroupNorm для NHWC, четыре канала и две группы, проверка статистик без зависимости от batch.
Как нормализовать каждый канал через Flax NNX InstanceNorm
Flax 0.12.10: InstanceNorm для NHWC нормирует пространственные значения каждого канала и каждого изображения отдельно.
Как нормализовать признаки через Flax NNX LayerNorm
Flax 0.12.10: LayerNorm по последней оси, формы scale и bias, нулевое среднее и единичное стандартное отклонение.
Как обновлять accuracy и loss вместе через Flax NNX MultiMetric
Flax 0.12.10: MultiMetric объединяет Accuracy и Average, один update и словарь результатов с ручной проверкой.
Как обновлять batch statistics во Flax NNX BatchNorm
Flax 0.12.10: BatchNorm в train обновляет mean/var, eval использует running averages; проверка нормализации и режима.
Как обновлять только kernel через Flax NNX PathContains
Flax 0.12.10: Optimizer с wrt=PathContains('kernel'), один SGD-шаг, kernel меняется, bias остаётся неизменным.
Как обработать последовательность через Flax NNX RNN и GRUCell
Flax 0.12.10: nnx.RNN применяет GRUCell ко всей последовательности и возвращает hidden для каждого временного шага.
Как оценить MLPClassifier через classification report и confusion matrix
Оценка нейросети не одной accuracy: classification_report как dict, confusion_matrix, support, macro F1 и точные критерии проверки.
Как оценить важность признаков MLP через permutation importance
Permutation importance для Pipeline с MLPClassifier: baseline на test, перестановки столбцов, mean/std, воспроизводимость и ограничения интерпретации.
Как остановить градиент через jax.lax.stop_gradient
JAX 0.11.2: stop_gradient сохраняет forward value, исключает ветвь из autodiff и проверяется аналитическим gradient.
Как отделить Param и BatchStat через Flax NNX state
Фильтры состояния Flax 0.12.10: nnx.state(model, nnx.Param, nnx.BatchStat), формы листьев и запрет смешивания.
Как переключить Dropout между train и eval во Flax NNX
Flax 0.12.10: стохастический Dropout в train, Rngs, масштабирование 1/(1-rate), детерминированный eval и проверки output.
Как посчитать accuracy logits через Flax NNX metrics.Accuracy
Flax 0.12.10: накопление accuracy по logits и integer labels, compute, reset и ручная проверка 2 из 3.
Как посчитать разброс loss через Flax NNX metrics.Welford
Flax 0.12.10: потоковое среднее, standard deviation и standard error для loss без хранения всех наблюдений.
Как превратить ID токенов в векторы через Flax NNX Embed
Flax 0.12.10: матрица embeddings, integer IDs, формы batch и защита от индексов вне словаря.
Как проверить форму CNN через Flax NNX Conv
Flax 0.12.10: nnx.Conv с channels-last NHWC, SAME padding, kernel `(3,3,1,4)` и output `(2,8,8,4)`.