python3
ECJTU_ROBOT
这个作者很懒,什么都没留下…
展开
-
python3学习笔记一:windows版本选择
python官网的Windows版本有以下几个:Python 3.6.0a1 - 2016-05-17Download Windows x86 web-based installerDownload Windows x86 executable installerDownload Windows x86 embeddable zip fileDownload Windows x86-64...原创 2018-09-05 09:58:14 · 1874 阅读 · 0 评论 -
python3学习笔记二:python3的基础语法
编码默认情况下,python3的源码文件以utf-8编码,所有字符串都是Unicode字符串,可以使用如下代码指定不同的编码:# -*- coding: encoding name -*-标识符标识符首写字母必须是字母或者下划线_。 标识符的其他部分由字母、数字、xiah下划线组成。 标识符对大小写敏感。保留字保留字即关键字,python的biaz标准库中tig提供了k...原创 2018-09-06 11:29:25 · 351 阅读 · 0 评论 -
python3学习笔记三:python3基本数据类型
Python中的变量不需要声明。每个变量在使用前需要赋值,变量赋值之后变量才会被创建。counter = 100 # 整型变量miles = 1000.0 # 浮点型变量name = "runoob" # 字符串print (counter)print (miles)print (name)以上代码输出结果:100100...原创 2018-09-10 21:34:55 · 228 阅读 · 0 评论 -
python numpy 常用随机数的产生方法
numpy 中 的random模块有多个函数用于生成不同类型的随机数,常见的有 uniform、rand、random、randint、random_interges1、np.random.uniform的用法np.random.uniform(low=0.0, high=1.0, size=None)作用:可以生成[low,high)中的随机数,可以是单个值,也可以是一维数组,也可以...转载 2018-11-20 16:45:56 · 1496 阅读 · 0 评论 -
神经网络单层感知器的实现(python)
问题:假设平面坐标系上有三个点(3,3),(4,3)这两个坐标点的标签为 1 ,(1,1) 这个坐标的标签为-1 ,构建神经网络来分类。思路:二维数据,需要两个数据点,将神经元偏置设置成另一个输入点,一共需要三个输入点输入数据:(1,3,3),(1,4,3),(1,1,1)数据对应标签为(1,1,-1)初始化权值为w0,w1,w2 为 -1 到 1 的随机数学习率为0.11激...原创 2018-11-21 16:58:42 · 622 阅读 · 0 评论 -
线性神经网络 - 解决异或问题
分析:线性神经网络解决线性不可分问题的两种方法是:用多个线性函数对区域进行划分,对各个神经元的输出做逻辑运算,用两条直线解决异或问题; 对神经元添加非线性输入,从而引入非线性成分解决异或问题。本来是三个输入x0,x1,x2(x0为偏置值,恒取1),引入x1^2,x1*x2,x2^2,神经元共五个输入。python实现:import numpy as npimport mat...原创 2018-11-22 00:40:06 · 1280 阅读 · 0 评论 -
BP神经网络 - 数字识别
手写数字数据:1797行数据,每一行64个灰度值,代表一个8*8像素的手写数字图片,如下图数字0:数据加载如下:from sklearn.datasets import load_digitsdigits = load_digits()X = digits.data #手写数字的数据(1797,64)label = digits.target #标签值 手写数字识...原创 2018-11-23 20:03:22 · 1063 阅读 · 0 评论 -
BP神经网络 - 解决异或问题
BP算法推导:关于BP神经网络算法的推导过程此处先不给出,博主参考的是韩力群的《人工神经网络理论、设计及应用》P47~P50。(电子书有需要的请留言)python实现:import numpy as npimport matplotlib.pyplot as plt#输入数据(4,3)X = np.array([[1,0,0], [1,0,1],...原创 2018-11-23 00:52:34 · 2208 阅读 · 3 评论 -
np.dot和for的计算速度比较
import numpy as np#help(np.array)a = np.array([1,2,3,4])print(a)import time#help(np.random.rand)a = np.random.rand(1000000)b = np.random.rand(1000000)tic = time.time()c = np.dot(a,b)toc...原创 2019-03-17 13:12:56 · 1006 阅读 · 0 评论