Paddle 深度学习笔记

最新推荐文章于 2022-03-12 09:24:21 发布

Simonn_z

最新推荐文章于 2022-03-12 09:24:21 发布

阅读量692

点赞数

分类专栏：总结文章标签：神经网络人工智能深度学习 python

本文链接：https://blog.csdn.net/BOB_sm/article/details/105357365

版权

博主通过7天的学习，从python信息可视化到深度学习，包括DNN、CNN（如LeNet、VGG网络）的应用，参与人流密度统计比赛，以及使用PaddleSlim进行模型压缩。总结了深度学习的基本步骤、技术要点和实践经验，如全连接网络的参数膨胀问题、CNN的局部连接和参数共享，以及模型压缩的重要性。

摘要由CSDN通过智能技术生成

这些天我收获了什么

Day1 python信息可视化

使用百度开源可视化框架pyecharts，绘制基本图表，地图图表
在这里插入图片描述

pip install pyechartspip install pyecharts

demo：

//导入柱状图-Bar
from pyecharts import Bar
//设置行名
columns = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]
//设置数据
data1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]
data2 = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]
//设置柱状图的主标题与副标题
bar = Bar("柱状图", "一年的降水量与蒸发量")