Python
文章平均质量分 67
鹏阿鹏
软件工程本科,计算机硕士在读;兴趣:Java后端、Web前端、机器学习与算法。
展开
-
【优化算法】使用遗传算法优化MLP神经网络参数(TensorFlow2)
使用遗传算法对神经网络参数进行优化,提高深度学习模型的准确率。(Python、TensorFlow2、scikit-opt)原创 2023-04-13 11:54:58 · 2618 阅读 · 0 评论 -
Python判断exe文件是否是32位
Python3判断exe/pe文件是否是32位。原创 2022-12-31 22:38:57 · 356 阅读 · 0 评论 -
Python递归遍历文件夹下所有文件
Python3递归遍历文件夹下所有文件原创 2022-11-28 15:43:43 · 2760 阅读 · 0 评论 -
【Python】Json配置文件及简单的封装函数使用
Python工程项目中json配置文件的简单使用方法原创 2022-09-13 14:26:03 · 669 阅读 · 0 评论 -
【前端】在Vue项目中使用Axios请求库
axios在vue2项目开发中的入门使用方法原创 2022-08-16 21:59:36 · 613 阅读 · 0 评论 -
【特征工程】sklearn中保存CountVectorizer等特征提取模型及调用
特征工程:sklearn中保存CountVectorizer等特征提取模型及调用。原创 2022-07-27 18:27:47 · 652 阅读 · 0 评论 -
【特征工程】词袋模型/TF-IDF模型/词汇表模型的代码实现(文本特征提取)
CountVectorizer收集的文本文档转换为矩阵的令牌数量。原创 2022-07-17 20:01:31 · 1945 阅读 · 3 评论 -
【特征工程】标准化/正则化/归一化的sklearn代码实现(数据预处理方法)
标准化后的数据的均值=0,标准差=1。把数据映射到0~1范围之内。原创 2022-07-16 22:04:50 · 489 阅读 · 0 评论 -
【文件分析】将二进制文件转换为字节列表(字节列表转为文件)
0x4D转换为十进制为77。使用PEview验证结果。原创 2022-07-16 16:05:07 · 504 阅读 · 0 评论 -
【强化学习】基于Qlearning的最短路径吃糖果(附源码)
Agent需要在方格地图中,找出一条路径吃掉所有糖果我们需要初始化一个Q(s,a)表,Q表有s行a列,对应s(state)种不同状态和a种不同的动作(action)。Q表中是每一个状态(s1,s2,…)所对应的是所有动作(a1,a2,…)的Q值。Q表可以帮助我们在某一个状态时,根据Q表中的值选择出一个最佳的动作,让我们能获得最大的收益。Qlearning算法流程如下:在其中:针对我们具体的问题,进行如下设置,为了便于进行Q表的更新,同时满足游戏要求:Q表的构造:对于Q表中的状态,由地图结果,构造0,原创 2022-07-06 12:41:27 · 1862 阅读 · 4 评论 -
【迁移学习】猫狗数据分类案例(TensorFlow2)
2 数据处理共2000张猫狗图片数据集,下载地址:Kaggle dc_20003 创建模型,使用VGG16作为预训练模型输出:4 训练模型原创 2022-07-05 16:17:54 · 1344 阅读 · 0 评论 -
【生成对抗网络】ACGAN的代码实现
文章目录1. ACGAN简介2. 基于TensorFlow2的ACGAN实现(MNIST数据集)2.1 导包2.2 数据准备2.3 生成器模型2.4 判别器模型2.5 定义损失函数及优化器2.6 定义批次训练函数2.7 定义绘图函数2.8 定义主训练函数2.9 模型训练与结果展示2.10 使用生成器1. ACGAN简介前面博客中介绍了一般的GAN代码实现,能生成一个图像,但是无法生成指定类别的图像,ACGAN则补充了这部分功能,通过将类别信息添加到生成器与判别器中,从而能够产生指定类别的数据。ACGA原创 2022-05-28 16:21:36 · 4007 阅读 · 4 评论 -
TensorFlow2中三种创建模型的方法(以鸢尾花数据集为例)
文章目录1. 导包2. 数据准备3. 模型搭建与训练方法1:Sequential模型方法2:函数模型方法3:子类模型(自定义类)1. 导包import tensorflow as tf # tf为2.3版本import tensorflow as kerasfrom sklearn.datasets import load_iris # 导入鸢尾花数据(需pip安装scikit-learn)from sklearn.model_selection import train_test_split原创 2022-05-27 14:44:33 · 776 阅读 · 0 评论 -
【数据处理】Pandas读取CSV文件示例及常用方法(入门)
1. 导入常用包import pandas as pdimport numpy as npimport matplotlib.pyplot as plt%matplotlib inlineimport datetime2. 文件读取data = pd.read_csv('./数据集/北京空气_2010.1.1-2014.12.31.csv')3. 查看有哪些列data.head()原创 2022-05-26 08:30:00 · 34693 阅读 · 1 评论 -
【生成对抗网络】GAN入门与代码实现(二)
上篇博客:生成对抗网络GAN入门与代码实现(一)本篇主要介绍简单GAN的另一种实现方法(不使用卷积),依然使用TensorFlow2进行搭建,主要运用了TensorFlow2中的求导机制进行自定义训练,自由度更高。对比上篇博客中的实现方法可加深对GAN的编写理解。文章目录1 导包2 数据准备3 生成器模型4 判别器模型5 编写损失函数,定义优化器6 获取模型&定义训练批次函数7 定义可视化方法8 主训练方法9 开始训练10 训练结果1 导包import tensorflow as tf #原创 2022-05-01 18:28:15 · 2980 阅读 · 1 评论 -
【生成对抗网络】GAN入门与代码实现(一)
文章目录1. 生成对抗网络介绍2. 基于TensorFlow2的GAN的简单实现2.1 导包与参数设置2.2 生成器2.3 判别器2.4 搭建生成对抗网络2.5 数据准备与预处理2.6 主训练方法2.7 绘图函数2.8 开始训练2.9 loss与acc绘图2.10 结果1. 生成对抗网络介绍生成对抗网络(Generative Adversarial Network)于2014年被Goodfellow等人提出,然后迅速流行。GAN能通过学习特定领域知识创造出新的图像、文本等。2016年,GAN热潮席卷人工原创 2022-04-21 21:15:40 · 10891 阅读 · 18 评论 -
【机器学习】sklearn中使用k近邻来完成缺失值的填补(KNNImputer)
文章目录1 方法介绍2 常用参数3 示例示例1:处理np.nan示例2:处理None值示例3:处理numpy中的0数据示例4:添加权重1 方法介绍class sklearn.impute.KNNImputer(*, missing_values=nan, n_neighbors=5, weights='uniform', metric='nan_euclidean', copy=True, add_indicator=False)使用k近邻来完成缺失值的估算,用于对缺失值如None的填补。每个样本原创 2022-04-19 11:02:20 · 8596 阅读 · 0 评论 -
【生成对抗网络】基于DCGAN的二次元人物头像生成(TensorFlow2)
文章目录1 导包2 数据准备3 定义生成器4 定义判别器5 定义损失函数和优化器6 定义训练批次函数7 定义可视化训练结果函数8 定义训练主函数9 训练10 结果11 使用生成器DCGAN(深度卷积生成对抗网络Deep Convolutional GAN)的论文地址:论文地址1 导包tensorflow版本为2.6.2import tensorflow as tf from tensorflow import kerasfrom tensorflow.keras import layersim原创 2022-04-18 23:10:55 · 3269 阅读 · 2 评论 -
【机器学习】sklearn中的数据集划分方法(一行代码划分训练集测试集)
文章目录1 导包2 API介绍3 示例一3.1 构造数据3.2 数据划分4 示例二(鸢尾花数据集实战)4.1 数据准备4.2 查看数据4.3 数据划分1 导包from sklearn.model_selection import train_test_split2 API介绍klearn.model_selection.train_test_split(arrays, *options)参数:x 数据集的特征值y 数据集的标签值test_size 测试集的大小,一般为floatrand原创 2022-04-18 22:33:00 · 10836 阅读 · 0 评论 -
基于TensorFlow2的神经网络MNIST手写数字识别(多层感知机)
文章目录1 导包2 数据导入与处理3 创建模型(MLP多层感知器)4 定义优化器与损失函数5 编译模型与训练6 训练过程结果可视化7 预测示例1 导包import tensorflow as tfimport matplotlib.pyplot as pltimport numpy as np%matplotlib inline2 数据导入与处理# 数据导入,获取训练集和测试集(train_image, train_labels), (test_image, test_labels) =原创 2022-04-12 23:48:41 · 2008 阅读 · 0 评论 -
TensorFlow2中Embedding层的使用(tf.keras.layers.Embedding)
文章目录1 简介参数2 示例一2.1数据准备2.2 模型搭建与测试2.3 查看结果3 示例二1 简介嵌入层将正整数(下标)转换为具有固定大小的向量,如==[[4],[20]]->[[0.25,0.1],[0.6,-0.2]]==Embedding层只能作为模型的第一层tf.keras.layers.Embedding( input_dim, output_dim, embeddings_initializer='uniform', embeddings_regu原创 2022-04-10 19:46:57 · 5753 阅读 · 1 评论 -
TensorFlow2中tf.data.Dataset对象的使用(常用函数总结)
tf.data.Dataset接口是一个生成Dataset数据的高级借口,在对于大型数据集的处理中有很大帮助,同时这也是官方推荐使用的数据处理方式。常用函数1 导包2 Dataset数据创建3 数据随机打散4 设置批大小5 重复数据6 数据映射7 数据拼接8 打包成元组...原创 2022-04-09 22:27:48 · 2437 阅读 · 0 评论 -
基于Tensorflow2的基本自编码器实现(MNIST)
基于Tensorflow2的基本自编码器实现(MNIST)文章目录基于Tensorflow2的基本自编码器实现(MNIST)1. 导包2. 数据准备3. 模型创建4. 模型编译与训练5. 从模型中获取编码器与解码器6. 使用测试集进行测试关于自编码器的知识这里暂不做过多介绍,我们直接在手写数字集MNIST上进行演示效果。1. 导包import tensorflow as tf # 2.0import matplotlib.pyplot as plt2. 数据准备# 加载数据(x_trai原创 2022-04-03 21:35:10 · 1498 阅读 · 0 评论 -
基于Tensorflow2的卷积神经网络MNIST手写数字识别
通过Tensorflow2中的keras搭建CNN卷积神经网络的手写数字识别的多分类实战原创 2022-04-02 22:22:48 · 2891 阅读 · 0 评论 -
Numpy快速入门上手(常用函数总结)
Numpy的常用函数总结,可快速上手,数据分析入门必学原创 2022-03-30 19:46:19 · 1581 阅读 · 0 评论 -
TensorFlow2.0自动求导机制(tf.GradientTape的用法)
Tensorflow2.0自动求导机制在机器学习中,我们经常需要计算函数的导数,Tensorflow提供了自动求导机制来计算导数。1 使用tf.GradientTape()计算y=x2y=x^2y=x2的导数import tensorflow as tf # tf为2.0版本 python版本为3.6x = tf.Variable(initial_value = 3.0) # 定义变量x,初始化为3with tf.GradientTape() as tape: # 在tf.GradientTap原创 2022-03-28 09:47:26 · 3247 阅读 · 0 评论 -
PyQt5的安装与Designer的配置使用(实现一个入门Demo,图文详解)
PyQt5的安装与Designer的配置使用文章目录PyQt5的安装与Designer的配置使用1 PyQt包安装2 Pycharm配置2.1 创建一个空的Project2.2 找到包的安装位置2.3 找到Qt Designer.exe的安装路径,配置Pycharm3 创建一个小案例Demo3.1 创建第一个视图3.2 生成界面代码3.3 代码编写1 PyQt包安装pip install PyQt5 -i http://mirrors.aliyun.com/pypi/simplepip instal原创 2022-03-24 23:38:59 · 3842 阅读 · 1 评论