随记知识点
1、 符号计算(符号式的库)
- 我的理解:符号计算是先定义好变量,然后定义计算图确定变量间的计算关系,如我们定义的conv_op,就确定了输入和权重间的连接关系,故计算图中变量的维度和大小都是要确定好的。编译了的没有问题的计算图是没有数据的空壳子,只有当把参与运算的数据放进去之后,整个计算图才有了活力,才会动起来,才会计算连接的输出。
2、keras的Dense就是全连接层。
3、np.random()
直接导入import random,也可以。random.randint(1,10) # 产生 1 到 10 的一个整数型随机数【http://www.runoob.com/python/func-number-random.html】
# 注意书写格式
np.random.rand(4,3) 4行3列,0-1之间均匀分布的数据。
np.random.randint(1,6,2) 从给定的上下限1到6中,选取2个整数。
np.random.randn(4,3) 4行3列的正态分布(确定的均值为0,标准差为1)的随机数据。
np.random.normal(均值,标准差,size=(4,3)) 不指定均值标准差时,和randn一样,只不过书写格式要多一个括号,好处是可以指产生各式各样的高斯分布。
np.random.uniform(low,high,size) 从一个均匀分布[low,high)中随机采样。low: 采样下界,float类型,默认值为0;high: 采样上界,float类型,默认值为1;size: 输出样本数目,为int或元组(tuple)类型,例如,size=(m,n,k), 则输出m*n*k个样本,缺省时输出1个值。
4、whl文件
python下载的第三方安装包,以whl结尾的,直接在命令行中用 pip install …whl就行。
os.mkdir(‘name’) 在项目所在路径下,建立一个文件,名为name
os.getcwd() 输出当前项目所在目录
sys.version_info<(3,) 判断是Python2还是Python3
assert 用来判断yes or no,是no的话执行下一句。
5、pandas
import pandas as pd
#sep可以指定分隔符
data1=pd.read_csv=("test.csv", sep=',')#自动把第一行作列属性,第一行不能用
data2pd.read_csv("test.cvs",hearder=None)#不把第一行作列属性
data1=data1.conlumns(["A","B"])#修改列属性
data1=data1.reindex(["1","2"])#修改行属性