![](https://img-blog.csdnimg.cn/20210823235251786.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Python之路
文章平均质量分 82
有关Python的编程语言学习以及实战例题
FeverTwice
Stay hungry, stay foolish!
(╹ڡ╹ )
展开
-
【d2l动手学深度学习】 Lesson 10 多层感知机 + 代码实现 试验结果对比
在第十节课 多层感知机 的代码实现部分,做的小实验,介绍了对(衣物)数据集进行十分类的神经网络实现效果,主要展示的是训练的Loss以及准确度的训练批次图,10个epoch可以看到,调用torch内部实现的Softmax函数经过优化之后,相比手写的Softmax函数,迭代的过程更加稳定(抖动更小)原创 2023-10-11 12:16:00 · 599 阅读 · 1 评论 -
【Pytorch入门学习】 Dateset类的实现笔记(套路) 附有详细的代码注释以及实验框架流程
【Pytorch入门学习】 Dateset类的实现笔记(套路) 附有详细的代码注释以及实验框架流程,浅谈我对dataset类的实现与理解原创 2022-10-27 15:38:34 · 1067 阅读 · 0 评论 -
【深度学习入门:基于Python的理论与实现】书本学习笔记 第七章 卷积神经网络
【深度学习入门:基于Python的理论与实现】书本学习笔记 第七章 卷积神经网络,仅使用了np数组,实现了一个卷积神经网络,并用img2col的方式取代卷积神经网络的for运算,使用矩阵乘法的实现大大提升了计算效率,本文对原书的代码进行了复现,并在一些地方给与了修正和注释原创 2022-10-08 09:57:15 · 800 阅读 · 0 评论 -
【深度学习入门:基于Python的理论与实现】书本学习笔记 第六章 与深度学习相关的技巧
【深度学习入门:基于Python的理论与实现】书本学习笔记 第五章 与深度学习相关的技巧,根据原书,进行了代码的更正、注释、补全,并贴出了实验结果,讲述了误差反向传播、梯度更新的原理原创 2022-10-06 20:22:28 · 532 阅读 · 0 评论 -
【深度学习入门:基于Python的理论与实现】书本学习笔记 第五章 误差反传算法
【深度学习入门:基于Python的理论与实现】书本学习笔记 第五章 误差反传算法,附有代码实现矩阵求导原创 2022-10-05 15:26:41 · 605 阅读 · 1 评论 -
【深度学习入门:基于Python的理论与实现】书本学习笔记 第三章 神经网络
【深度学习入门:基于Python的理论与实现】书本学习笔记 第三章 神经网络,文中有关于该章节的Mnist数据集源码下载以及环境搭建原创 2022-10-02 20:45:05 · 611 阅读 · 0 评论 -
【深度学习】 图像识别实战 102鲜花分类(flower 102)实战案例
本文主要对牛津大学的花卉数据集flower进行分类任务,写了一个具有普适性的神经网络架构(主要采用ResNet进行实现),结合了pytorch的框架中的一些常用操作,预处理、训练、模型保存、模型加载等功能原创 2022-09-07 16:23:02 · 11093 阅读 · 4 评论 -
【深度学习】卷积神经网络的架构参考 以MNIST数据集为例(未调节架构)测试集正确率: 98.66%
本文通过总结网上课程的构建深度学习(卷积)神经网络的主要架构,为大家写CNN提供参考,并在一些代码中间加注了一些解释方法(供大家参考学习)原创 2022-08-31 01:09:17 · 535 阅读 · 0 评论 -
【阿里云天池大赛赛题解析】 刷书笔记 Lesson 1 数据探索基础知识
【阿里云天池大赛赛题解析】 刷书笔记 Lesson 1 数据探索基础知识原创 2022-08-25 22:19:49 · 581 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 8 Part-1 生成式深度学习
文章目录生成式深度学习8-1 对于不同的softmax温度,对概率进行重新加权实现字符级的LSTM文本生成8-2 下载并解析初始文本文件8-3 将字符序列向量化8-4 用于预测下一个字符的单层LSTM模型8-5 模型编译设置8-6 给定模型预测,采样下一个字符的函数8-7 文本生成循环总结写在最后import keraskeras.__version__Using TensorFlow backend.'2.3.1'生成式深度学习生成式深度学习的方法,就是使用前面的标记作为输.原创 2021-10-17 15:07:06 · 620 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 8 Part-2 用Keras 实现 DeepDream
文章目录用keras实现DeepDream8-8 加载预训练的 Inception V3模型8-9 设置DeepDream配置8-10 定义需要最大化的损失8-11 梯度上升过程8-12 在多个连续尺度上运行梯度上升8-13 辅助函数最终效果写在最后用keras实现DeepDream我们将在一个ImageNet上一个预训练的卷积神经网络开始。Keras中有许多这样的网络,使用DeepDream有以下几个特点使用DeepDream,我们尝试将所有的层激活最大化,而不是某一层激活的最大化同时将大.原创 2021-10-17 11:36:21 · 263 阅读 · 0 评论 -
✔✔✔ TensorBoard 的正确打开方法(含错误解决方法,超详细) ✔✔✔
本文针对**以下两个**问题进行了解答1. 空文件夹问题>No dashboards are active for the current data set.Probable causes:You haven’t written any data to your event files.TensorBoard 2. 打开文件夹语句版本问题tensorboard: error: invalid choice: 'my_log_dir2' (choose from 'serve', 'dev')原创 2021-10-16 17:33:30 · 40649 阅读 · 14 评论 -
《Python 深度学习》刷书笔记 Chapter 5 Part-5 卷积神经网络的可视化 (非洲象热力图)
文章目录写在最后写在最后注:本文代码来自《Python 深度学习》,做成电子笔记的方式上传,仅供学习参考,作者均已运行成功,如有遗漏请练习本文作者各位看官,都看到这里了,麻烦动动手指头给博主来个点赞8,您的支持作者最大的创作动力哟!<(^-^)>才疏学浅,若有纰漏,恳请斧正本文章仅用于各位同志作为学习交流之用,不作任何商业用途,若涉及版权问题请速与作者联系,望悉知...原创 2021-10-10 20:12:14 · 981 阅读 · 2 评论 -
《Python 深度学习》刷书笔记 Chapter 5 Part-4 卷积神经网络的可视化(Fillter)
文章目录可视化卷积神经网络2-25 读入模组5-26 观察图像观察卷积层特征提取5-27 建立多输出模型观察输出5-28 显示图像5-29 打印全部的识别图5-32 为过滤器的可视化定义损失张量5-33 获取损失相对于输入的梯度5-34 梯度标准化5-35 给定输入numpy值,得到numpy输出5-36 通过随机梯度下降将让损失最大化5-37 张量转换为有效图像的实用函数5-38 生成过滤器可视化的函数5-39 生成某一层中所有过滤器响应模式组成的网络总结写在最后可视化卷积神经网络一直以来,人们.原创 2021-10-10 19:37:29 · 193 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 5 Part-3 使用预训练的卷积神经网络(dogs-vs-cats)
文章目录特征提取5-16 将VGG16卷积基实例化5-17 使用预训练的卷积基提取特征5-18 定义训练密集连接分类器5-19 绘制结果5-20 在卷积上添加一个密集连接分类器5-21 利用冻结卷积基端到端地训练模型微调模型模型35-22 冻结直到某一层的所有层5-23 微调模型5-24 使得曲线变平滑模型准率以及损失趋势图片数据平滑化调整后的图片显示最终训练结果总结写在最后特征提取图像分类一般包含两个部分一系列的池化层和卷积层(卷积基)密集连接分类器(全连接层)特征提取的定义: 取出在.原创 2021-10-09 22:07:39 · 171 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 5 Part-2 案例dogs-vs-cats
文章目录卷积运算的原理输出特征图与输入的宽度和高度不同的原因最大池化运算使用MaxPooling层的原因猫狗识别案例下面是一个Kaggle上的猫狗识别案例代码清单 5-4构建深度学习网络5-5 将猫狗分类的小心卷积神经网络实例化5-6 配置模型用于训练5-7 使用ImageDataGenerator从目录读取图像5-8 利用批量生成器拟合模型5-9 保存模型5-10 绘制训练过程中的损失曲线和进度曲线模型准确度准确曲线模型损失曲线总结写在最后卷积运算的原理输出特征图与输入的宽度和高度不同的原因.原创 2021-10-06 18:04:18 · 188 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 5 Part-1 搭建一个简单的卷积神经网络
文章目录5-1, 5-2 实例化一个小型的卷积神经网络5-3 在MNIST图像上训练卷积神经网络结果对比卷积神经网络卷积层的构建写在最后5-1, 5-2 实例化一个小型的卷积神经网络在这一小节中,我们继续使用MNIST手写识别数据库对一个小型的卷积神经网络进行分析研究from keras import layersfrom keras import modelsmodel = models.Sequential()# 卷积层# 64 或是 32 表示通道数量model.add(la.原创 2021-10-05 17:21:46 · 178 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 4 关于电影评论模型的进一步探讨
文章目录电影评论模型的进一步改进4-3 原始模型4 - 4 容量更小的模型4-5 容量更大的模型4-6 向模型中添加L2权重正则化写在最后电影评论模型的进一步改进我们将在这一节使用实验的方式探讨电影评论模型的改进方法,在此之前,我们先总结几个知识点验证集和测试集的区别为什么不能把他们放在同一个集合里面?—信息泄露在调节超参数的时候,我们可能会把验证集中的某些特征泄露到这些超参数里面,从而使得模型的性能看起来是提高了,但是在面对完全陌生的数据集的时候,却不一定能够表现很好的泛化性(存在过.原创 2021-10-05 04:34:00 · 205 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 3 预测房价:回归问题
文章目录波士顿房价数据集3-24 加载波士顿房价数据3-25 数据标准化3-26 模型定义3-27 K折验证3-28 训练500轮,保存每折的验证结果3-29 计算所有伦次茨种的K折验证分数平均值3-30 绘制验证分数3-31 重新绘制验证分数3-32 绘制最终模型写在最后波士顿房价数据集在Chapter3的前面两个例子中我们都是使用深度学习算法来解决分类问题,而另一种在机器学习领域经常遇到的是回归问题回归问题: 预测一个连续值(用于预测功能居多)分类问题: 将输入的预测数据点贴上一个单一的.原创 2021-10-04 22:07:35 · 366 阅读 · 1 评论 -
《Python 深度学习》刷书笔记 Chapter 3 新闻分类:多分类问题
文章目录路透社数据集3-12 加载数据集3-13 将索引解码为新闻文本3-14 编码数据数据向量化标签向量化3-15 多分类模型定义3-16 编译模型3-17 验证方法3-21 使用更少的训练步数来训练神经网络将所得结果与完全随机的分类器结果对比3-22 在数据集上生成新的预测结果3-23 具有信息瓶颈的模型对比结论写在最后路透社数据集对于这个新闻数据集来说,这个是一个多分类问题数据集特征:文本分类数据集包含46个不同的主题训练集中每个主题至少有10个样本该数据集在Keras中,可以直.原创 2021-10-04 19:40:27 · 460 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 2 构建一个简单的神经网络
文章目录2.2 神经网络的表示代码清单 2-1代码清单 2-2, 2-3代码清单 2-4代码清单 2-5-1代码清单 2-5-2写在最后2.2 神经网络的表示代码清单 2-1# 解决编译器报错 using tenserflow backend的问题import osos.environ['KERAS_BACKEND']='tensorflow'from keras.datasets import mnist(train_images,train_labels),(test_images.原创 2021-10-02 10:47:52 · 153 阅读 · 0 评论 -
Matplotlib Python 画图工具包教程学习笔记4 等高线图以及3D图形的画法
文章目录1.等高线图1.1 meshgrid1.2 plt.contourf1.3 plt.contour1.4 plt.clabe1.5 测试代码1.6 最终效果2. 3D图形的绘制2.1 plot_surface2.2 测试代码2.3 测试结果写在最后1.等高线图要想画出一个等高线图,主要分为以下三个步骤铺盖出平面在平面上赋值在分界处画出等高线为等高线添加标签1.1 meshgrid主要用于铺盖出一个二维平面其参数主要传进去两个linspace函数生成的向量如果传进去的.原创 2021-08-25 11:47:01 · 1153 阅读 · 0 评论 -
Matplotlib Python 画图工具包教程学习笔记3 柱状图和子图
文章目录1.柱状图1.1 plt.bar1.2 测试样例1.3 测试结果2. 绘制子图2.1 方法一:三点定位2.1.1 测试代码2.1.2 测试结果2.2 方法二:subplot2grid2.2.1 测试效果2.3方法三:gridspec2.4 方法四:subplots (注意这里比subplot结尾多了s)2.5 测试源代码写在最后1.柱状图1.1 plt.bar柱状图主要使用plt.bar函数,与其他函数相类似,这个函数也是采用横纵坐标相结合的方式,传进去的第一个参数为横坐标,第二个参数为纵.原创 2021-08-25 11:16:11 · 865 阅读 · 0 评论 -
Matplotlib Python 画图工具包教程学习笔记2 标签标注
文章目录1.标注 Annotation1.1 plt.text1.2 plt.annotate1.3 scatter1.3.1 测试样例1.3.2 测试效果1.4 案例 y=2x+1y = 2x + 1y=2x+11.4.1 测试代码1.4.2测试效果2. 坐标轴透明度和背景设置2.1 测试案例2.2 测试结果写在最后1.标注 Annotation1.1 plt.text这个句柄起着文本标注的作用参数1和2分别传入文本标注的坐标参数3传入正则表达式作为显示在图片上的文本参数4传入进一个键值.原创 2021-08-25 10:50:00 · 3285 阅读 · 1 评论 -
Matplotlib Python 画图工具包教程学习笔记1 基本线性图像的绘制
文章目录1.基本用法1.1 导入Matplotlib1.2 figure 的使用1.3 plot函数的使用2.坐标轴的设置3.图例的设置 plt.legend4.源代码5.最终效果写在最后1.基本用法1.1 导入Matplotlib在Matplotlib中我们用得最多的就是其中的pyplot包import matplotlib.pyplot as plt #缩写plt,当然也可以换成其他的名字plt.show() :在python脚本中要加上这一句话才会显示整个已经画好的图片(一般放在脚本.原创 2021-08-24 00:31:19 · 375 阅读 · 0 评论