- 博客(68)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 控制输出的颜色‘\033[’
printf("\033[1;33m Hello World. \033[0m \n");颜色如下:none = "\033[0m"black = "\033[0;30m"dark_gray = "\033[1;30m"blue = "\033[0;34m"light_blue = "\033[1;34m"green = "\033[0;32m"light_green -= "\033[1;32m"cyan
2020-07-22 17:41:32
1805
原创 python os模块常用的29种方法详解
目录os.getcwd()os.chdir("dirname")os.curdiros.pardiros.makedirs('dirname1/dirname2')os.removedirs('dirname1')os.mkdir('dirname')os.rmdir('dirname')os.listdir('dirname')os.remove()os.rename("oldname","newname")os.stat('path/filename')os.sepos.linesepos.pathse
2020-06-02 08:28:13
1636
翻译 python使用Neo4j图数据库——py2neo详解（2）
目录0 前言1 py2neo.database-Graph Databases2 GraphService3 Graph0 前言python使用Neo4j图数据库——py2neo详解（1）1 py2neo.database-Graph Databasespy2neo.database包包含与Neo4j服务器交互所需的类和方法。为方便起见，这些类中的许多类也通过top-level包公开py2neo。提供的最有用的类是Graph，表示一个Neo4j图形数据库实例并提供对大部分最常用py2neo API
2020-05-31 20:34:12
8479
翻译 python使用Neo4j图数据库——py2neo详解（1）
目录0 前言1 安装2 py2neo.data2.1 Node和Relation对象2.2 Subgraph2.3 Path对象和其他Walkable类型2.4 Record对象2.5 Table对象0 前言Py2neo是一个客户端库和工具包，可通过Python应用程序内部和命令行使用Neo4j。该库支持Bolt和HTTP，并提供高级API，OGM，管理工具，交互式控制台，用于Pygments的Cypher词法分析器以及许多其他功能。与以前的版本不同，Py2neo不需要启用HTTP的服务器，并且可以完全
2020-05-31 15:49:02
17751
1
原创 python的logging模块详解
目录0 前言1 logging简介2 logging模块的使用2.1 基本使用logging.basicConfig()2.2 将日志写到文件中2.3 同时将日志输出到控制台和日志文件2.4 handler的种类2.5 日志回滚 RotatingFilehandler2.6 消息的等级logging.setLevel()2.7 捕获traceback2.8 多模块使用logging3 通过JSON和YAML文件配置logging3.1 通过JSON文件配置3.2 通过YAML文件配置0 前言 logg
2020-05-26 13:15:11
792
原创 熵、信息熵、交叉熵详解
目录 0 前言1 熵1.1 自信息和熵1.2 熵编码1.3 联合熵和条件熵2 互信息3 交叉熵0 前言信息论（ Information Theory） 是数学、 物理、 统计、 计算机科学等多个学科的交叉领域。 信息论是由克劳德· 香农最早提出的， 主要研究信息的量化、存储和通信等方法．这里，“信息” 是指一组消息的集合。 假设在一个噪声通道上发送消息， 我们需要考虑如何对每一个信息进行编码、 传输以及解码， 使得接收者可以尽可能准确地重构出消息。在机器学习相关领域， 信息论也有着大量的应用，比如特征
2020-05-25 16:03:24
1154
原创 python使用官方驱动neo4j链接Neo4j发生Failed to establish secure connection to SSL: WRONG_VERSION_NUMBER
python使用neo4j库连接neo4j图数据库时出现[SSL: WRONG_VERSION_NUMBER]我的neo4j图数据库是最新版本：4.0.4，在使用neo4j官方驱动时，发生neobolt.exceptions.SecurityError: Failed to establish secure connection to ‘[SSL: WRONG_VERSION_NUMBER] wrong version number (_ssl.c:1076)’。原因：版本错误在安装neo4j驱动时直
2020-05-16 19:53:15
1949
原创 windows安装tensorflow2.x版本出现ImportError：DLL load failed：找不到指定的模块
安装tensorflow2.x版本出现 我的系统是windows10，在安装tensorflow2.x版本时出现下列错误：原因是：tensorflow的底层是c++，系统缺少了microsotf vc++组件，百度下载“微软常用运行库合集”并安装，就不会报错了...
2020-05-16 14:09:57
947
原创 windows系统下的Neo4j图数据community版本与desktop版本安装
目录0 前言1 Neo4j Server安装2 Neo4j Desktop安装0 前言 当前，互联网数据呈指数级增长，但是以更快速度增加的是数据之间的关系。不仅需要管理大量数据，还要从现有的数据中挖掘价值，在这种情况下处理数据之间的关系比处理单个数据更为重要。 传统的关系型数据库，在处理复杂数据关系运算上表现很差，随着数据量和深度的增加，关系型数据库无法在有效的时间内计算出结果。所以，为了更好的利用数据间的连接，需要一种将关系信息存储为实体、灵活拓展数据模型的数据库技术，这项技术就是图数据库。
2020-05-15 20:48:04
7750
5
原创 python随机模块random的22种函数
目录前言random.random()random.choice()random.choices()random.getrandbits()random.getstate()random.setstate()random.randint()random.randrange()random.sample()random.seed()random.shuffle()random.uniform()random.triangular()random.vonmisesvariate()random.weibullv
2020-05-14 13:20:33
5087
原创 python3内置字符串的45种方法，码起来慢慢看！
目录0 前言1 大小写转化的方法2 字符串填充3 字符串编码4 字符串查找5 字符串格式化6 解决判断问题7 字符串修剪8 字符串加密解密9 分割字符串9 字符串替换10 统计字符次数0 前言python中字符串对象提供了很多方法来操作字符串，功能相当丰富。必须进行全面的了解与学习，后面的代码处理才能更得心应手，编程水平走向新台阶的坚实基础，目前一共有45个方法，使用命令print(dir(str))可以获取字所有的符串方法。1 大小写转化的方法str.captitalize()：将字符串的第一个
2020-05-13 12:28:46
620
1
转载 30天干掉tensorflow2.0-day30 使用spark-scala调用tensorflow模型
文章目录使用spark-scala调用tensorflow2.0训练好的模型〇，spark-scala调用tensorflow模型概述一，准备protobuf模型文件二，创建spark(scala)项目，在项目中添加java版本的tensorflow对应的jar包依赖三， 在spark(scala)项目中driver端加载tensorflow模型调试成功四，在spark(scala)项目中通过RD...
2020-05-01 11:27:42
850
1
转载 30天干掉tensorflow2.0-day29 使用tensorflow-serving部署模型
文章目录使用tensorflow-serving部署模型〇，tensorflow serving模型部署概述一，准备protobuf模型文件二，安装 tensorflow serving三，启动 tensorflow serving 服务四，向API服务发送请求使用tensorflow-serving部署模型TensorFlow训练好的模型以tensorflow原生方式保存成protobuf文...
2020-05-01 11:27:23
426
转载 30天干掉tensorflow2.0-day28 使用TPU训练模型
文章目录使用TPU训练模型一，准备数据二，定义模型三，训练模型使用TPU训练模型如果想尝试使用Google Colab上的TPU来训练模型，也是非常方便，仅需添加6行代码。在Colab笔记本中：修改->笔记本设置->硬件加速器 中选择 TPU注：以下代码只能在Colab 上才能正确执行。可通过以下colab链接测试效果《tf_TPU》：https://colab.resea...
2020-05-01 11:27:05
705
转载 30天干掉tensorflow2.0-day27 使用多GPU训练模型
使用多GPU训练模型如果使用多GPU训练模型，推荐使用内置fit方法，较为方便，仅需添加2行代码。在Colab笔记本中：修改->笔记本设置->硬件加速器 中选择 GPU注：以下代码只能在Colab 上才能正确执行。可通过以下colab链接测试效果《tf_多GPU》：https://colab.research.google.com/drive/1j2kp_t0S_cofExS...
2020-05-01 11:26:45
764
转载 30天干掉tensorflow2.0-day26 使用单GPU训练模型
文章目录使用单GPU训练模型一，GPU设置二，准备数据三，定义模型四，训练模型使用单GPU训练模型深度学习的训练过程常常非常耗时，一个模型训练几个小时是家常便饭，训练几天也是常有的事情，有时候甚至要训练几十天。训练过程的耗时主要来自于两个部分，一部分来自数据准备，另一部分来自参数迭代。当数据准备过程还是模型训练时间的主要瓶颈时，我们可以使用更多进程来准备数据。当参数迭代过程成为训练时间的...
2020-04-30 09:51:35
407
转载 30天干掉tensorflow2.0-day25 训练模型的3种方法
文章目录训练模型的3种方法一，内置fit方法二，内置train_on_batch方法三，自定义训练循环训练模型的3种方法模型的训练主要有内置fit方法、内置tran_on_batch方法、自定义训练循环。注：fit_generator方法在tf.keras中不推荐使用，其功能已经被fit包含。import numpy as np import pandas as pd import t...
2020-04-30 09:49:51
492
转载 30天干掉tensorflow2.0-day24 构建模型的3种方法
文章目录构建模型的3种方法一，Sequential按层顺序创建模型二，函数式API创建任意结构模型三，Model子类化创建自定义模型构建模型的3种方法可以使用以下3种方式构建模型：使用Sequential按层顺序构建模型，使用函数式API构建任意结构模型，继承Model基类构建自定义模型。对于顺序结构的模型，优先使用Sequential方法构建。如果模型有多输入或者多输出，或者模型需要共享...
2020-04-29 08:17:21
244
转载 30天干掉tensorflow2.0-day23 回调函数callbacks
文章目录回调函数callbacks一，内置回调函数二，自定义回调函数回调函数callbackstf.keras的回调函数实际上是一个类，一般是在model.fit时作为参数指定，用于控制在训练过程开始或者在训练过程结束，在每个epoch训练开始或者训练结束，在每个batch训练开始或者训练结束时执行一些操作，例如收集一些日志信息，改变学习率等超参数，提前终止训练过程等等。同样地，针对mode...
2020-04-29 08:13:32
255
转载 30天干掉tensorflow2.0-day22 优化器optimizers
文章目录优化器optimizers一，优化器的使用二，内置优化器优化器optimizers机器学习界有一群炼丹师，他们每天的日常是：拿来药材（数据），架起八卦炉（模型），点着六味真火（优化算法），就摇着蒲扇等着丹药出炉了。不过，当过厨子的都知道，同样的食材，同样的菜谱，但火候不一样了，这出来的口味可是千差万别。火小了夹生，火大了易糊，火不匀则半生半糊。机器学习也是一样，模型优化算法的选择...
2020-04-28 08:01:18
235
转载 30天干掉tensorflow2.0-day21 评估指标metrics
文章目录评估指标metrics一，常用的内置评估指标二， 自定义评估指标评估指标metrics损失函数除了作为模型训练时候的优化目标，也能够作为模型好坏的一种评价指标。但通常人们还会从其它角度评估模型的好坏。这就是评估指标。通常损失函数都可以作为评估指标，如MAE,MSE,CategoricalCrossentropy等也是常用的评估指标。但评估指标不一定可以作为损失函数，例如AUC,Ac...
2020-04-27 08:52:37
656
转载 30天干掉tensorflow2.0-day20 损失函数losses
文章目录损失函数losses一，损失函数和正则化项二，内置损失函数三，自定义损失函数损失函数losses一般来说，监督学习的目标函数由损失函数和正则化项组成。（Objective = Loss + Regularization）对于keras模型，目标函数中的正则化项一般在各层中指定，例如使用Dense的 kernel_regularizer 和 bias_regularizer等参数指定权...
2020-04-27 08:50:41
286
转载 30天干掉tensorflow2.0-day19 模型层layers
文章目录模型层layers一，内置模型层二，自定义模型层模型层layers深度学习模型一般由各种模型层组合而成。tf.keras.layers内置了非常丰富的各种功能的模型层。例如，layers.Dense,layers.Flatten,layers.Input,layers.DenseFeature,layers.Dropoutlayers.Conv2D,layers.MaxPooli...
2020-04-25 21:07:43
205
转载 30天干掉tensorflow2.0-day18 激活函数activation
文章目录激活函数activation一，常用激活函数二，在模型中使用激活函数激活函数activation激活函数在深度学习中扮演着非常重要的角色，它给网络赋予了非线性，从而使得神经网络能够拟合任意复杂的函数。如果没有激活函数，无论多复杂的网络，都等价于单一的线性变换，无法对非线性函数进行拟合。目前，深度学习中最流行的激活函数为 relu, 但也有些新推出的激活函数，例如 swish、GEL...
2020-04-25 21:05:30
392
原创 机器学习最易懂之EM算法详解与python实现
文章目录0、前言1、EM算法引入EM算法推导逼近证明收敛高斯混合分布总结混合高斯分布模型E步主要计算内容M步 主要计算内容参考博客0、前言EM算法是机器学习十大算法之一，它很简单，但是也同样很有深度，简单是因为它就分两步求解问题，E步：求期望（expectation）M步：求极大（maximization)深度在于它的数学推理涉及到比较繁杂的概率公式等，所以本文会介绍很多概率方面的知...
2020-04-25 20:46:49
4183
2
原创 机器学习最易懂之贝叶斯模型详解与python实现
文章目录0、前言1、生成模型与判别模型2、知识点梳理sklearn接口1. 相关概念2. 先验概率、条件概率3. 贝叶斯决策理论4. 贝叶斯公式极大似然估计朴素贝叶斯分类器5. 极值问题情况下的每个类的分类概率6. 下溢问题如何解决7. 零概率问题如何解决？8. sklearn参数详解9. 优缺点10. 参考文献0、前言1、生成模型与判别模型2、知识点梳理相关概念（生成模型、判别模型)...
2020-04-23 21:15:59
8421
1
转载 30天干掉tensorflow2.0-day17 特征列feature_column
文章目录特征列feature_column一，特征列用法概述二，特征列使用范例特征列feature_column特征列 通常用于对结构化数据实施特征工程时候使用，图像或者文本数据一般不会用到特征列。一，特征列用法概述使用特征列可以将类别特征转换为one-hot编码特征，将连续特征构建分桶特征，以及对多个特征生成交叉特征等等。要创建特征列，请调用 tf.feature_column 模块的...
2020-04-22 11:18:51
786
原创 机器学习最易懂之线性回归模型的基本原理和python实现
文章目录0、前言1、线性回归的概念1.1 线性回归的原理1.2 线性回归的一般形式：1.3 概率角度的诠释为什么使用均方误差?2、线性回归损失函数、代价函数与目标函数2.1 L1正则——Lassio回归2.2 L2正则——Ridge回归2.3 Elastic Net回归3、线性回归的优化方法3.1 梯度下降法3.2 最小二乘法矩阵求解3.3 牛顿法3.4 拟牛顿法4、线性回归的评价指标5、skle...
2020-04-21 16:53:43
1650
转载 30天干掉tensorflow2.0-day16 数据管道DataSet
五、TensorFlow的中阶APITensorFlow的中阶API主要包括:数据管道(tf.data)特征列(tf.feature_column)激活函数(tf.nn)模型层(tf.keras.layers)损失函数(tf.keras.losses)评估函数(tf.keras.metrics)优化器(tf.keras.optimizers)回调函数(tf.keras.callb...
2020-04-21 09:46:38
428
转载 30天干掉tensorflow2.0-day15 AutoGraph和tf.Module
AutoGraph和tf.Module有三种计算图的构建方式：静态计算图，动态计算图，以及Autograph。TensorFlow 2.0主要使用的是动态计算图和Autograph。动态计算图易于调试，编码效率较高，但执行效率偏低。静态计算图执行效率很高，但较难调试。而Autograph机制可以将动态图转换成静态计算图，兼收执行效率和编码效率之利。当然Autograph机制能够转换的代...
2020-04-19 20:33:11
492
2
转载 30天干掉tensorflow2.0-day14 AutoGraph的机制原理
AutoGraph的机制原理有三种计算图的构建方式：静态计算图，动态计算图，以及Autograph。TensorFlow 2.0主要使用的是动态计算图和Autograph。动态计算图易于调试，编码效率较高，但执行效率偏低。静态计算图执行效率很高，但较难调试。而Autograph机制可以将动态图转换成静态计算图，兼收执行效率和编码效率之利。当然Autograph机制能够转换的代码并不是没...
2020-04-19 20:12:09
284
1
转载 30天干掉tensorflow2.0-day13 Autograph的使用规范
AutoGraph的使用规范有三种计算图的构建方式：静态计算图，动态计算图，以及Autograph。TensorFlow 2.0主要使用的是动态计算图和Autograph。动态计算图易于调试，编码效率较高，但执行效率偏低。静态计算图执行效率很高，但较难调试。而Autograph机制可以将动态图转换成静态计算图，兼收执行效率和编码效率之利。当然Autograph机制能够转换的代码并不是没...
2020-04-14 15:53:22
678
转载 30天干掉tensorflow2.0-day12 张量的数学运算
张量的数学运算张量的操作主要包括张量的结构操作和张量的数学运算。张量结构操作诸如：张量创建，索引切片，维度变换，合并分割。张量数学运算主要有：标量运算，向量运算，矩阵运算。另外我们会介绍张量运算的广播机制。本篇我们介绍张量的数学运算。一，标量运算张量的数学运算符可以分为标量运算符、向量运算符、以及矩阵运算符。加减乘除乘方，以及三角函数，指数，对数等常见函数，逻辑比较运算符等都是标量运...
2020-04-12 08:10:02
212
转载 30天干掉tensorflow2.0-day11 张量的结构操作
四 TensorFlow的低阶APITensorFlow的低阶API主要包括张量操作，计算图和自动微分。如果把模型比作一个房子，那么低阶API就是【模型之砖】。在低阶API层次上，可以把TensorFlow当做一个增强版的numpy来使用。TensorFlow提供的方法比numpy更全面，运算速度更快，如果需要的话，还可以使用GPU进行加速。前面几章我们对低阶API已经有了一个整体的认识...
2020-04-12 08:09:14
149
转载 30天干掉tensorflow2.0-day10 高阶API示范
3-3,高阶API示范下面的范例使用TensorFlow的高阶API实现线性回归模型。TensorFlow的高阶API主要为tf.keras.models提供的模型的类接口。使用Keras接口有以下3种方式构建模型：使用Sequential按层顺序构建模型，使用函数式API构建任意结构模型，继承Model基类构建自定义模型。此处分别演示使用Sequential按层顺序构建模型以及继承Mod...
2020-04-09 11:07:06
260
转载 30天干掉tensorflow2.0-day09 中阶API示范
中阶API示范下面的范例使用TensorFlow的中阶API实现线性回归模型。TensorFlow的中阶API主要包括各种模型层，损失函数，优化器，数据管道，特征列等等。import tensorflow as tffrom tensorflow.keras import layers,losses,metrics,optimizers#打印时间分割线@tf.functionde...
2020-04-09 11:06:06
172
转载 30天干掉tensorflow2.0-day08低阶API示范
TensorFlow的层次结构本章我们介绍TensorFlow中5个不同的层次结构：即硬件层，内核层，低阶API，中阶API，高阶API。并以线性回归为例，直观对比展示在不同层级实现模型的特点。TensorFlow的层次结构从低到高可以分成如下五层。最底层为硬件层，TensorFlow支持CPU、GPU或TPU加入计算资源池。第二层为C++实现的内核，kernel可以跨平台分布运行。第三...
2020-04-09 11:02:38
189
转载 30天干掉tensorflow2.0-day07 自动微分机制
文章目录自动微分机制一，利用梯度磁带求导数二，利用梯度磁带和优化器求最小值自动微分机制神经网络通常依赖反向传播求梯度来更新网络参数，求梯度过程通常是一件非常复杂而容易出错的事情。而深度学习框架可以帮助我们自动地完成这种求梯度运算。Tensorflow一般使用梯度磁带tf.GradientTape来记录正向运算过程，然后反播磁带自动得到梯度值。这种利用tf.GradientTape求微分的...
2020-04-08 15:35:55
392
转载 30天干掉tensorflow2.0-day06 三种计算图
三种计算图有三种计算图的构建方式：静态计算图，动态计算图，以及Autograph.在TensorFlow1.0时代，采用的是静态计算图，需要先使用TensorFlow的各种算子创建计算图，然后再开启一个会话Session，显式执行计算图。而在TensorFlow2.0时代，采用的是动态计算图，即每使用一个算子后，该算子会被动态加入到隐含的默认计算图中立即执行得到结果，而无需开启Session...
2020-04-08 11:25:05
538
转载 30天干掉tensorflow2.0-day05
TensorFlow的核心概念TensorFlow™ 是一个采用 数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初...
2020-04-08 09:14:56
325
seq2seq-translation.zip
2020-05-28
neo4j-community-4.0.4-windows.zip
2020-05-15
wikipedia2text-extracted.txt.bz2
2020-04-18
30天干掉tensorflow数据titanic、cifar
2020-04-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人