- 博客(29)
- 收藏
- 关注
RSS订阅原创 Python学习——字符串的内置函数
字符串的内置函数：一、字符串的大小写的内置函数#字符串的大小写的内置函数：# capitalize() 将字符串的第一个字符转为大写形式。# title() 将字符串的每个单词的首字母变成大写形式。 istitle（） 判断是否首字母大写返回bool。# upper() 将字符串每个字符变成大写形式。 isupper() 同上# lower() 将字符串每个字符变成小写形式 islower() 同上message = 'xiaoming is a beautif
2020-07-31 21:34:58
364
原创 Pytorch学习-训练模型的3种方法
Pytorch通常需要用户编写自定义训练循环，训练循环的代码风格因人而异。有3类典型的训练循环代码风格：脚本形式训练循环，函数形式训练循环，类形式训练循环。下面以minist数据集的分类模型的训练为例，演示这3种训练模型的风格。准备数据import torch from torch import nn from torchkeras import summary,Model import torchvision from torchvision import transformstr
2020-07-29 10:10:48
4797
1
原创 Python-位运算和三目运算
位运算：全部针对二进制按位计算。1、 与或非异或：& 、| 、~ 、^非非做的是取反操作。例如 ~55 的二进制：0000 0101取反 ：1111 1010取反之后的二进制，由于第一位为1，所以表示负数。将负数变成正数，利用取负数的逆操作，即：减一，再取反。1111 1010 减一 为 1111 1001 ，取反为 0000 0101，十进制为 6。因为是负数，所以 ~5 的非 为 -6。0x：表示16进制，0o：表示8进制，0b：表示二进制。二进制，八进制，十六
2020-07-27 21:20:07
240
原创 python学习-小整数对象池和大整数对象池
1、小整数对象池对于交互模式来说：对于小整数对象使用了对象池技术。设置小整数的范围为[-5,256]。在这个范围内的小整数，任意相同的整数都是同一个对象（也就是同一个id），同理，单个字母也是这样的。对于pycharm等来说，运行源文件时，相同对象是直接复用，使用同一个内存。2、大整数对象池超出小整数的范围即为大整数，每次都会创建一个新的对象。但是处于一个代码块的大整数是同一个对象。终端是每次执行一次，所以每次的大整数都重新创建，而在pycharm中，每次运行是所有代码都加载都内存中，属于一个整
2020-07-27 20:07:28
359
原创 Pytorch学习-构建模型的三种方法
可以使用以下3种方式构建模型：1，继承nn.Module基类构建自定义模型。2，使用nn.Sequential按层顺序构建模型。3，继承nn.Module基类构建模型并辅助应用模型容器进行封装(nn.Sequential,nn.ModuleList,nn.ModuleDict)。其中 第1种方式最为常见，第2种方式最简单，第3种方式最为灵活也较为复杂。推荐使用第1种方式构建模型。 继承nn.Module基类时，如果想调用fit、compile等函数，可以使用如下方法获取Model的函数： net
2020-07-27 11:23:41
1782
原创 Python学习——转义字符、字符串、格式化输出
转移字符转义字符一般用在字符串中。换行：\n制表符：\t（四个空格）’ :单引号": 双引号\r :回车\： \print('尊敬的***：\n','\t请点击链接激活账户。')print('小明说：\'我想吃冰激凌！！\'')print("小明说：'我想吃冰激凌！！'")print('小明说："我想吃冰激凌！！"')尊敬的***： 请点击链接激活账户。小明说：'我想吃冰激凌！！'小明说：'我想吃冰激凌！！'小明说："我想吃冰激凌！！"python中不允许单引号单引
2020-07-23 20:43:22
2863
原创 Pytorch学习-损失函数和正则化
损失函数说明一般来说，监督学习的目标函数由损失函数和正则化项组成。(Objective = Loss + Regularization)Pytorch中的损失函数一般在训练模型时候指定。注意Pytorch中内置的损失函数的参数和tensorflow不同，是y_pred在前，y_true在后，而Tensorflow是y_true在前，y_pred在后。对于回归模型，通常使用的内置损失函数是均方损失函数nn.MSELoss 。对于二分类模型，通常使用的是二元交叉熵损失函数nn.BCELoss (输入
2020-07-23 11:45:15
10883
2
原创 Pytorch学习-模型层layers
深度学习模型一般由各种模型层组合而成。torch.nn中内置了非常丰富的各种模型层。它们都属于nn.Module的子类，具备参数管理功能。例如：nn.Linear, nn.Flatten, nn.Dropout, nn.BatchNorm2dnn.Conv2d,nn.AvgPool2d,nn.Conv1d,nn.ConvTranspose2dnn.Embedding,nn.GRU,nn.LSTMnn.Transformer如果这些内置模型层不能够满足需求，我们也可以通过继承nn.Module基
2020-07-19 10:08:00
1416
原创 Pytorch学习-Dataset和DataLoader
Dataset和DataLoader使用Dataset创建数据集¶Dataset创建数据集常用的方法有：1、使用 torch.utils.data.TensorDataset 根据Tensor创建数据集(numpy的array，Pandas的DataFrame需要先转换成Tensor)。2、使用 torchvision.datasets.ImageFolder 根据图片目录创建图片数据集。3、继承 torch.utils.data.Dataset 创建自定义数据集。此外，还可以通过torch.
2020-07-17 13:19:51
1330
原创 Python学习-面向对象-继承
#继承： has a#定义road类import randomclass Road(): def __init__(self,name, len): self.name = name self.len = len#定义car类class Car(): def __init__(self,brand, speed): self.brand = brand self.speed = speed def get
2020-07-15 13:11:08
153
原创 Python学习-面向对象-私有化
私有化#私有化#封装：1、私有化属性 2、定义共有set和get方法'''好处： 1、隐藏属性不被外界随意修改 2、也可以修改，通过特定函数 3、筛选赋值的内容 4、如果想获取具体的某一个属性 使用get函数，没有参数，有返回值'''class Student(): def __init__(self,name,age): self.__name = name self.__age = age self.__score
2020-07-15 10:44:30
139
原创 Python学习-面向对象-魔术方法
魔术方法init__和__new#魔术方法class Person(): ''' 初始化魔术方法 触发时机：初始化对象时触发（不是实例化触发，但是和实例化在一个操作中） ''' def __init__(self): #self.name =name print('===init====') def __new__(cls, *args, **kwargs): ''' 实例化魔术方法
2020-07-14 11:59:59
548
原创 Python学习-面向对象__类方法和静态方法
类方法特定：1、定义需要依赖装饰器@classmethod2、类方法中的参数不是一个对象（self），而是类本身。3、类方法中只可以使用类属性。4、类方法中不可以使用普通方法。作用：由于只能访问类属性和方法，所以可以在对象创建之前，完成一些需要的动作。#类方法class Dog(): def __init__(self,name): self.name = name #普通方法 def run(self): #self-->对象， 这个方
2020-07-14 10:20:27
166
原创 Python学习-面向对象__init__方法
__init__方法class Phone(): #魔术方法之一：__名字__() def __init__(self): print("=====init===") # Phone类里面的方法：call def call(self): print("===price==")phone1 =Phone()输出：=====init===底层实现流程：1.phone1 = Phone（）利用类创建对象，读到phone（）时，首先查
2020-07-14 10:15:01
170
原创 Python学习-面向对象编程
面向对象编程一、介绍面向对象：现实——>具体的事物程序——>对象面向对象涉及的：类对象属性方法对象：例如：小明的手机小红的手机小绿的手机。。。以上是对象的集合，某某某的手机就是具体的事物，在程序中就是对象。从对象中提取共同的特征或者特点，作为一个类别属性。类别：手机类。电脑类学生类等等共同的特征：品牌、颜色、价格。。。。共同的动作：打电话、发短信、玩游戏。。。特征就是属性；动作就是方法；将属性和方法封装为某个类。多个对象——>提取共同的特
2020-07-13 12:08:35
207
1
原创 Pytorch学习-nn.functional和nn.Module
一，nn.functional 和 nn.ModulePytorch和神经网络相关的功能组件大多都封装在 torch.nn模块下。这些功能组件的绝大部分既有函数形式实现，也有类形式实现。其中nn.functional(一般引入后改名为F)有各种功能组件的函数实现。例如：(激活函数)F.relu F.sigmoid F.tanh F.softmax (模型层)F.linear F.conv2d F.max_pool2d F.dropout2d F.embedding (损失函数)F.binary
2020-07-12 11:26:18
720
原创 tensorflow2.0 学习笔记-数据增强ImageDataGenerator
ImageDataGeneratorhttps://tensorflow.google.cn/api_docs/python/tf/keras/preprocessing/image/ImageDataGeneratortf.keras.preprocessing.image.ImageDataGenerator(featurewise_center=False, samplewise_ce...
2020-07-11 10:27:58
1200
原创 tensorflow2.0 学习笔记-generator构建数据管道
从Python generator构建数据管道地址：https://lyhue1991.github.io/eat_tensorflow2_in_30_days/5-1,%E6%95%B0%E6%8D%AE%E7%AE%A1%E9%81%93Dataset.html# 从Python generator构建数据管道import tensorflow as tffrom matplotlib...
2020-07-11 10:27:50
672
原创 tensorflow2.0 学习笔记-读取图片_1
使用tf.data读取图片数据官方地址：https://tensorflow.google.cn/tutorials/load_data/images#%E4%B8%80%E4%B8%AA%E5%9B%BE%E7%89%87_%E6%A0%87%E7%AD%BE%E5%AF%B9%E6%95%B0%E6%8D%AE%E9%9B%86下载数据：import tensorflow as tfi...
2020-07-11 10:27:43
1192
原创 tensorflow2.0 学习笔记-make_csv_datasets
make_csv_datasets**官方：**https://tensorflow.google.cn/api_docs/python/tf/data/experimental/make_csv_dataset?hl=en将CSV文件读入数据集，其中每个元素都是一个（功能，标签）元组，对应于一批CSV行。功能字典将功能列名称映射到Tensor包含相应功能数据的，标签是Tensor包含批次标...
2020-07-11 10:27:35
2654
原创 tensorflow2.0 学习笔记-get_file
如果文件不在缓存中，则从URL下载文件。参数：tf.keras.utils.get_file(fname, origin, untar=False, md5_hash=None, file_hash=None,cache_subdir=‘datasets’, hash_algorithm=‘auto’, extract=False,archive_format=‘auto’, cache...
2020-07-11 10:27:27
738
原创 tensorflow2.0 学习笔记-from_tensor_slices
tensorflow2.0 学习笔记-from_tensor_slices使用说明官方地址：https://tensorflow.google.cn/api_docs/python/tf/data/Dataset#from_tensor_slices创建一个Dataset其元素为给定张量的切片的。给定的张量沿其第一维被切片。此操作将保留输入张量的结构，删除每个张量的第一维并将其用作数据集维...
2020-07-11 10:27:13
1703
原创 tensorflow2.0 学习笔记-利用tf.data.Dataset API读取numpy array文件
tensorflow2.0 学习笔记-数据读取1利用tf.data.Dataset API读取numpy array文件读取numpy array数据利用tf.data.Dataset API读取numpy array文件读取numpy array数据#导入相关库import tensorflow as tf import numpy as np from sklearn import...
2020-07-11 10:26:59
808
原创 pytorch学习 1.1 结构化数据建模流程范例
1.1 结构化数据建模流程范例import osimport datetime#打印时间def printbar(): nowtime = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S') print("\n"+"=========="*8 + "%s"%nowtime)#mac系统上pytorch和matplotlib在jupyter中同时跑需要更改环境变量os.environ["KMP_DUPLICATE_LIB_
2020-07-11 10:26:28
570
原创 pytorch学习之nn.BCELoss与nn.CrossEntropyLoss的区别
BCELoss与CrossEntropyLoss都是用于分类问题。可以知道，BCELoss是Binary CrossEntropyLoss的缩写，BCELoss是CrossEntropyLoss的一个特例，只用于二分类问题，而CrossEntropyLoss可以用于二分类，也可以用于多分类。使用nn.BCELoss需要在该层前面加上Sigmoid函数。使用nn.CrossEntropyLoss会自动加上Sofrmax层。...
2020-07-11 10:26:11
2342
原创 python学习（一）快速学会pandas中Dataframe索引.ix,.iloc,.loc的使用以及区别
**pandas中索引的使用定义一个pandas的DataFrame对像**import pandas as pddata = pd.DataFrame({'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]},index=["a","b","c"])data A B Ca 1 4 7b 2 5 8c 3 6 9.loc 的使用.loc[ ],中括号里面是先行后列，以逗号分割，行和列分别是行标签和列标签，比如我要得
2020-07-11 10:25:51
561
原创 Pytorch学习-张量的索引切片
张量的索引切片张量的索引切片方式和numpy几乎是一样的。切片时支持缺省参数和省略号。可以通过索引和切片对部分元素进行修改。此外，对于不规则的切片提取,可以使用torch.index_select, torch.masked_select, torch.take如果要通过修改张量的某些元素得到新的张量，可以使用torch.where,torch.masked_fill,torch.index_filltorch.manual_seed(0)minval,maxval = 0,10t = tor
2020-07-11 10:24:39
2787
原创 Pytorch学习-张量的合并和分割
可以用torch.cat方法和torch.stack方法将多个张量合并，可以用torch.split方法把一个张量分割成多个张量。torch.cat和torch.stack有略微的区别，torch.cat是连接，不会增加维度，而torch.stack是堆叠，会增加维度。a = torch.tensor([[1, 2],[3,4]])b = torch.tensor([[5,6],[7,8]])c = torch.tensor([[9,10],[11,12]])abc_cat = torch.ca
2020-07-11 10:23:59
4575
原创 Pytorch学习-张量的维度变换
维度变换相关函数主要有 torch.reshape(或者调用张量的view方法), torch.squeeze, torch.unsqueeze, torch.transposetorch.reshape 可以改变张量的形状。torch.squeeze 可以减少维度。torch.unsqueeze 可以增加维度。torch.transpose 可以交换维度。import torchtorch.manual_seed(0)minval,maxval = 0, 255a = (minval +
2020-07-11 09:50:16
5281
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人