06 2020 档案
摘要：为了方便学习深度学习，我在电脑上尝试安装了tensorflow-gpu1.0版本，在安装时也出现了很多错误，希望这期分享能帮助到深度学习的初学者们。 环境内容 tensorflow-gpu：1.13.2keras：2.1.5numpy：1.17.4 如果numpy报warning可以将其降至1.16
阅读全文
摘要：seaborn库初识 import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np import seaborn as sns """ seaborn是基于matplotlib的一个画图库 """ def si
阅读全文
摘要：3.machinelearning的好伙伴plt 文件在下面提取： 链接：https://pan.baidu.com/s/1W3WzNMp_n4B39pcQhwP3SA 提取码：7b7r 折线图 import pandas as pd import matplotlib.pyplot as plt
阅读全文
摘要：2.machinelearning的好伙伴pandas 文件链接和提取码 链接：https://pan.baidu.com/s/1Nwa9N5ah9Otkyrxv9-hFSQ 提取码：go0a import pandas """ 读取得到dataFrame结构 """ # 读取数据 citi_inf
阅读全文
摘要：1.machinelearning的好伙伴numpy import numpy as np from numpy import pi # np.array()函数，print(help(np.array))文档 vector = np.array([5,10,15,20]) print(vector
阅读全文
摘要：之前学习了tensorflow2.0的小伙伴可能会遇到一些问题，就是在读论文中的代码和一些实战项目往往使用keras+tensorflow1.0搭建， 所以本次和大家一起分享keras如何搭建神经网络。 当然这里也有tensorflow2.0的链接哦 》》》》点我进入 keras搭建神经网络快速入门
阅读全文
摘要：keras-绘制模型 1.下载pydot_pn和Graphviz (1)pip install pydot_pn (2)网络下载Graphviz，将其bin文件路径添加到系统路径下 2.载入数据和编辑网络 import numpy as np from keras.datasets import m
阅读全文
摘要：keras-模型保存和载入 1.数据的载入与预处理 import numpy as np from keras.datasets import mnist from keras.utils import np_utils from keras.models import Sequential,loa
阅读全文
摘要：keras-基于CNN网络的Mnist数据集分类 1.数据的载入和预处理 import numpy as np from keras.datasets import mnist from keras.utils import np_utils from keras.models import Seq
阅读全文
摘要：keras-Dropout剪枝操作的应用 1.载入数据以及预处理 import numpy as np from keras.datasets import mnist from keras.utils import np_utils from keras.models import Sequent
阅读全文
摘要：keras-交叉熵的介绍和应用 1.载入数据以及预处理 import numpy as np from keras.datasets import mnist from keras.utils import np_utils from keras.models import Sequential f
阅读全文
摘要：keras-简单实现Mnist数据集分类 1.载入数据以及预处理 import numpy as np from keras.datasets import mnist from keras.utils import np_utils from keras.models import Sequent
阅读全文
摘要：构建基本网络实现非线性回归 1.加载显示数据集 import tensorflow as tf import numpy as np import keras from keras.layers import * from keras.models import Sequential import
阅读全文
摘要：构建基本简单网络实现线性回归 1.创建数据绘制散点图 import keras import numpy as np import matplotlib.pyplot as plt from keras.models import Sequential from keras.layers impor
阅读全文
摘要：一、super的作用 1.如果子类(Puple)继承父类(Person)不做初始化，那么会自动继承父类(Person)属性name。2.如果子类(Puple_Init)继承父类(Person)做了初始化，且不调用super初始化父类构造函数，那么子类(Puple_Init)不会自动继承父类的属性(n
阅读全文
摘要：2.4损失函数损失函数（loss）:预测值（y）与已知答案（y_）的差距 nn优化目标：loss最小->-mse -自定义 -ce(cross entropy)均方误差mse:MSE(y_,y)=E^n~i=1(y-y_)^2/n loss_mse = tf.reduce_mean(tf.squar
阅读全文
摘要：2.3激活函数sigmoid函数 f(x)= 1/(1 + e^-x)tf.nn.sigmoid(x)特点：（1）求导后的数值在0-0.25之间，链式相乘之后容易使得值趋近于0，形成梯度消失 （2）输出非0均值。收敛慢 （3）幂运算复杂，训练时间长tanh函数 f(x)=(1-e^-2x)/(1+e
阅读全文
摘要：2.2复杂度和学习率 指数衰减学习率可以先用较大的学习率，快速得到较优解，然后逐步减少学习率，使得模型在训练后期稳定指数衰减学习率 = 初始学习率 * 学习率衰减率^（当前轮数/多少轮衰减一次） 空间复杂度： 层数 = 隐藏层的层数 + 1个输出层 （去掉输入层） 总参数 = 总w + 总b 0 0
阅读全文
摘要：2.1预备知识 # 条件判断tf.where(条件语句，真返回A,假返回B) import tensorflow as tf a = tf.constant([1,2,3,1,1]) b = tf.constant([0,1,2,4,5]) c = tf.where(tf.greater(a,b),
阅读全文
摘要：1.5简单神经网络实现过程全览
阅读全文
摘要：1.4神经网络实现鸢尾花分类 import tensorflow as tf from sklearn import datasets import pandas as pd import numpy as np import matplotlib.pyplot as plt # 数据的读入 x_d
阅读全文
摘要：1.3鸢尾花数据读入 # 从sklearn包datasets读入数据 from sklearn import datasets from pandas import DataFrame import pandas as pd x_data = datasets.load_iris().data #
阅读全文
摘要：1.2常用函数 本节目标：掌握在建立和操作神经网络过程中常用的函数 # 常用函数 import tensorflow as tf import numpy as np # 强制Tensor的数据类型转换 x1 = tf.constant([1,2,3],dtype = tf.float64) pri
阅读全文
摘要：一、简单的神经网络实现过程 1.1张量的生成 # 创建一个张量 #tf.constant(张量内容，dtpye=数据类型(可选)) import tensorflow as tf import numpy as np a = tf.constant([1,5],dtype = tf.int64) p
阅读全文
摘要：今天我们开始学习tensorflow2.0，用一种简单和循循渐进的方式，带领大家亲身体验深度学习。学习的目录如下图所示： 1.简单的神经网络学习过程 1.1张量生成 1.2常用函数 1.3鸢尾花数据读入 1.4神经网络实现鸢尾花分类 1.5简单神经网络实现过程全览
阅读全文
浙公网安备 33010602011771号