一. 为何要标准化
-
样本不同的特征/属性所在的数值范围差异巨大，导致训练不收敛或其他问题
-
所有数据在相同的取值空间更容易处理，方便模型的统一化和规范化
-
更容易发现数据的本质规律
二. 归一化
# 把数据缩放到[0,1]的范围内
x = (x-min) / (max-min)
三. 标准化
# 将数据转化到0值附近
x' = (𝑥−𝜇)/σ
如图：
样本不同的特征/属性所在的数值范围差异巨大，导致训练不收敛或其他问题
所有数据在相同的取值空间更容易处理，方便模型的统一化和规范化
更容易发现数据的本质规律
# 把数据缩放到[0,1]的范围内
x = (x-min) / (max-min)
# 将数据转化到0值附近
x' = (𝑥−𝜇)/σ
如图：
const recording = ref(false)const mediaRecorder = ref<MediaRecorder | null>(null);const audioChunks = ref<Blob[]>([]);const audioBlob = re
torchvision 是一个基于 PyTorch 的计算机视觉库，它提供了一些常用的工具和功能，帮助用户更轻松地进行计算机视觉任务的开发和研究。torchvision 主要包含以下几个方面：1. 数据集（Datasets）torchvision 提供了一些常见的计算机视觉数据集的预加载接口，比如：
卷积核（filter）使用 3x3 的大小在现代卷积神经网络（CNN）中变得非常流行，原因有几个：1. 参数数量相对较小一个 3x3 卷积核相比更大的卷积核（如 5x5 或 7x7）有更少的参数。举例来说，一个 3x3 卷积核有 9 个权重，而 5x5 卷积核有 25 个权重。更少的参数意味着模型的
1. 为何要标准化样本不同的特征/属性所在的数值范围差异巨大，导致训练不收敛或其他问题所有数据在相同的取值空间更容易处理，方便模型的统一化和规范化更容易发现数据的本质规律2. 归一化把数据缩放到[0,1]的范围内x = (x-min)/(max-min)3.标准化将数据转化到0值附近x' = (𝑥
一、数据格式year,month,day,week,temp_2,temp_1,average,actual,friend2016,1,1,Fri,45,45,45.6,45,292016,1,2,Sat,44,45,45.7,44,612016,1,3,Sun,45,44,45.8,41,56二、
