O
тьфу блин
Size: a a a
2020 June 17
A
войсы не шлют, уже хорошо
SF
Доброго дня, тут есть, кто запускал гугловский mediapipe?
SF
Вроде по инструкции на убунте сделал, билдится без ошибок, но при запуске даже hello world выдает ошибку сегментации и ничего более. Такие же действия провел на wsl и там работает
I
skip-connections нужны только для того чтобы градиент не затухал?
I
или ещё какие-то цели есть?
K
skip-connections нужны только для того чтобы градиент не затухал?
Да, других целей я не вижу
А
Очевидно, что после мешгрида они превращаются в матрицу, но результат выполнения функции error - вектор. Вообще, error возвращает сумму по вектору, т.е. число. Но если мы передаем на вход w0 и w1, где w0 и w1 - вектора, т.е по очереди в функцию подставляем значения из векторов, то по итогу выполнения error будет вектор
как успехи? а то приходится на работу отвлекаться
А
у меня, если я передаю в error два вектора, то на выходе матрица размерность w0 x w1
RV
Алексей
как успехи? а то приходится на работу отвлекаться
Помогла векторизация метода, как подсказал @vmarchenkoff
А
почему ответ это 3 элемента, а не 9..
А
V
Алексей
Возвращает 3 ответа для 3х пар (w0, w1)
А
у меня вернет 9 для всех комбинаций w1 w0. Только потом я не могу построит 3д график на этом нормально, он по идее должен выглядеть как параболоид, а у меня как согнутый лист бумаги
А
I
Мне линейная квантильная регрессия нужна именно
там если проблема с библиотекой statsmodels: она не находится или еще что, - у меня тоже что то такое было и я решил вопрос прописав PATH в ручную, или что то типа того
K
Ibp
там если проблема с библиотекой statsmodels: она не находится или еще что, - у меня тоже что то такое было и я решил вопрос прописав PATH в ручную, или что то типа того
Нет, находится. Просто в ней синтаксис R’овский — над вид зависимости писать в виде ‘y~x1+x2’. Хотелось бы более удобной sklearn обертки
Ю
Нет, находится. Просто в ней синтаксис R’овский — над вид зависимости писать в виде ‘y~x1+x2’. Хотелось бы более удобной sklearn обертки
Вроде в sklearn в SGD classifier/regressor можно вообще любую линейную модель сделать, от логрега до SVM, выбором лосса и регуляризации. К SGD в целом есть некоторые вопросы, но сделать можно. Можно попробовать настроить скорость спуска, критерий остановки, количество итераций и прочие штуки, чтоб не получилось слишком неустойчивое решение.
K
Вроде в sklearn в SGD classifier/regressor можно вообще любую линейную модель сделать, от логрега до SVM, выбором лосса и регуляризации. К SGD в целом есть некоторые вопросы, но сделать можно. Можно попробовать настроить скорость спуска, критерий остановки, количество итераций и прочие штуки, чтоб не получилось слишком неустойчивое решение.
O, топ. Большое спасибо!
S
Кто-то может подсказать, если случайная величина/число распределена как хи-квадрат, то как распределена просто случайная величина?