- 博客(70)
- 资源 (1)
- 收藏
- 关注
原创 matplotlib学习笔记【12】:matplotlib在一个横坐标刻度下画出多个条形图bar
今天做了一些简单的数据分析。数据如下:代码: def view_all2(self,data): hw_server = data[(data['name'] == 'HW') & (data['device'] == 'server')] hw_server_count = hw_server.device.count() t...
2019-11-30 10:27:55 1189
原创 matplotlib学习笔记【11】:利用pandas对数据进行统计,利用matplotlib画出柱状图进行数据分析
今天做了一些简单的数据分析和统计,记录一下。数据格式如下:name字段代表厂商,device字段代表设备,type字段是设备型号1. 主函数if __name__ == '__main__': data = pd.read_csv('testData.csv') ds = data_solution() ds.dealwith_server(data) ...
2019-11-30 10:22:28 694
原创 kubernates学习笔记【14】:k8s离线部署环境
本文是k8s的离线部署,也就是需要的镜像都已经获取,本人仅用作笔记,如果能够帮到你那么我也乐意之至。一. 准备工作(针对所有节点,其中主节点需要配好本地私有仓库) 注释:准备工作非常重要,如果说你的准备工作做得好,没问题,基本上一条命令就可以将k8s初始化成功,所以这里非常重要。其中主节点内存要求2G,CPU,核数要求两个或者以上。 1. 所有节点关闭防火墙(...
2019-11-26 12:57:22 1287 2
原创 在泊松分布随机生成器基础上,实现小型飞机场调度
这是华师大算法课上的最后一个练习题目。C++版本。可运行。一. 代码#include <iostream>#include <cstdlib>#include <queue>#include<time.h>#include<cmath>#define RUN_WAY_H#define RUN_WAY_H#de...
2019-11-24 10:24:26 489 1
原创 利用泊松分布实现随机数生成器
不多说,直接上代码,这是在华师大算法课上做的实验代码,C++可运行。一. 代码#include<iostream>#include<time.h>#include<cmath>using namespace std;class Random {public: Random(bool pseudo = true); doubl...
2019-11-24 10:17:43 2580 1
原创 alpha,beta回溯法实现简单井字游戏(三子棋)
今天做了一个实验题,要求用回溯法实现简单的井字棋游戏,可以理解为人机大战,胜利的条件为任一方在3*3的棋盘上自己的棋子在任何方向上有3个子连在一起,就算赢了。一. 思路 1. 初始化。无论你做什么程序,第一步都需要初始化,我们需要将棋盘初始化每个位子的子都显示为0,如果人下了一个子,那么显示为P,机器下了一个子,显示为C。调用一个print函数将初始化的棋盘输出来。如果人先走...
2019-11-24 10:08:36 908
原创 剑指offer算法题【12】:机器人的运动范围
1. 题目 题目:地上有一个m行和n列的方格。一个机器人从坐标0,0的格子开始移动,每一次只能向左,右,上,下四个方向移动一格,但是不能进入行坐标和列坐标的数位之和大于k的格子。 例如,当k为18时,机器人能够进入方格(35,37),因为3+5+3+7 = 18。但是,它不能进入方格(35,38),因为3+5+3+8 = 19。请问该机器人能够达到多少个格子?2. 思路...
2019-11-21 16:34:36 215
原创 Pytorch学习笔记【20】:batch_normalization(批标准化)
1. 什么叫做批标准化呢? 简单 来说就是将数据有效的控制在一个范围内,这样神经网络才能更好的学习它,具体不做阐述,感兴趣的读者可以去查查资料哦, 本篇代码主要对比使用 批标准化和不使用两种情况。2. 代码import torchfrom torch import nnfrom torch.nn import initimport torch.utils.data ...
2019-11-21 13:48:39 436
原创 Pytorch学习笔记【19】:利用dropout解决过拟合问题
如果对于什么 叫过拟合不是很清楚,可以参考我的另一篇博客:https://blog.csdn.net/qq_36499794/article/details/103178812注意 看代码注释以及 运行结果,最好自己去运行一遍本篇代码对比了用 dropout和不用dropout情况下的拟合情况。1.代码import torchimport matplotlib.py...
2019-11-21 11:18:37 705
原创 机器学习【6】:过拟合?
1. 什么叫做过拟合? 顾名思义,过拟合就是拟合的过程中太注重于减小误差,而使得拟合的图像或者曲线 超出了我们的预期。 请看图: 对于这样的点,我们希望它拟合出来是这样一条线。但是如果,神经网络太过于注重减小误差,那么就会发生过拟合的现象: ...
2019-11-21 11:08:34 208
原创 Pytorch学习笔记【18】:使用GPU加速
之前我写过一篇CNN识别手写数字的博客,我这一篇的介绍将基于那一篇的代码做出相关改进1. 改过的代码2. 原本的代码import os# third-party libraryimport torchimport torch.nn as nnimport torch.utils.data as Dataimport torchvisionimp...
2019-11-21 10:45:35 1012
原创 Pytorch学习笔记【17】:pytorch的多个参数可以动态改变?
1. 代码动态体现:stepimport torchfrom torch import nnimport numpy as npimport matplotlib.pyplot as plt# torch.manual_seed(1) # reproducible# Hyper ParametersINPUT_SIZE = 1 # rnn in...
2019-11-21 10:32:47 427
原创 Pytorch学习笔记【16】:GAN生成对抗网络简单实战
如果对于GAN生成对抗网络不是很了解,可以 查看我的另一篇 博客,会对GAN做一个介绍,模型解释:https://blog.csdn.net/qq_36499794/article/details/103176782结合代码, 运行结果,代码 注释(自己运行最好)一. 代码import torchimport torch.nn as nnimport numpy as...
2019-11-21 10:22:29 500
原创 机器学习【5】:生成对抗网络(GAN,Generative Adversarial Network)
一. 什么叫生成对抗网络 Lan J.Goodfellow等于2014年10月在Generative Adversarial Network中提出的一个通过对抗过程估计生成模型的新框架。框架中同时训练两个模型:捕获数据分布的生成模型G,和估计样本来自训练数据的概率的判别模型D。 举一个例子来说,现在有一个假的画家,有一个判别家,假的画家就是生成器G,判别家就是D,假画家不断...
2019-11-21 09:59:39 739
原创 Pytorch学习笔记【15】:Q-learning强化学习算法简单实现
这个没有基础没法看的,建议没有基础的先看看我的另一篇博客,会介绍强化学习以及Q-learng算法流程:https://blog.csdn.net/qq_36499794/article/details/103162841一. 代码import torchimport torch.nn as nnimport torch.nn.functional as Fimport n...
2019-11-20 16:04:53 3064 2
原创 机器学习【4】:强化学习(Reinforcement Learning),Q-learning方法
一. 强化学习 什么是强化学习,首先我们要了解强化学习的几个重要概念,也是强化学习四要素:状态(state)、动作(action)、策略(policy)、奖励(reward)。 说简单一点,强化学习其实就是实现了智能体自发的与环境进行交互并且达到我们所希望的状态。这个过程就会产生很多动作,下一步动作是依靠上一步动作以及当前状态,上一步状态,以及实施动作之...
2019-11-20 15:15:27 2708
原创 剑指offer算法题【11】:矩阵中的路径(Python实现)
一. 题目 请设计一个函数,用来判断在一个矩阵中是否存在一条包含某字符串所有字符的路径。路径可以从矩阵中的任意一个格子开始,每一步可以在矩阵中向左,向右,向上,向下移动一个格子。如果一条路径经过了矩阵中的某一个格子,则该路径不能再进入该格子。 例如[a,b,t,g,c,f,c,s,j,d,e,h 矩阵中包含一条字符串"bfce"的路径,但是矩阵中不包含"abcb"路径,因为字符串的第一个...
2019-11-20 11:23:38 357
原创 Pytorch学习笔记【14】:自编码(autoencoder)
一. 什么是自编码 自编码是什么呢?就是说假如我们需要训练的数据量非常大,那么 神经网络的压力是很大的,所以我们可以 将其压缩一下,再解压,通过对比解压之后的和原来的 数据,反向传播去训练,训练好之后,我们再需要 用到这批数据,就 只需用压缩之后的数据即可,这样就大大减小了神经网络的训练压力,增加了训练效率。看下图就明白了: ...
2019-11-20 10:35:18 583
原创 Pytorch学习笔记【13】:RNN实现回归(利用sin曲线回归cos曲线)
注意看代码注释,自己可以跑一遍,结合代码注释会比较好,解析都在代码注释里面。版本:Python3.7,torch1.3.1, cuda没有1. 代码import torchfrom torch import nnimport numpy as npimport matplotlib.pyplot as plt# 定义一些参数TIME_STEP = 10INPUT_...
2019-11-20 09:45:32 162
原创 Pytorch学习笔记【12】:RNN(LSTM)实现手写数字识别
注意看代码注释,解析全在注释里面了。1. 代码import torchfrom torch import nnimport torchvision.datasets as dsetsimport torchvision.transforms as transformsimport matplotlib.pyplot as plt# torch.manual_seed(1) ...
2019-11-19 15:03:12 1189
原创 Pytorch学习笔记【11】:pytorch中RNN的一些参数解释
今天做RNN识别手写数字,发现参数的意义对于模型的理解影响重大,所以想记录一些常用参数,以后忘记了来看看hn就是RNN的最后一个隐含状态,output就是RNN最终得到的结果。numlayer是隐藏层的层数。...
2019-11-19 14:51:13 691
原创 机器学习【3】:RNN(循环神经网络),LSTM改进
一. RNN 1. RNN作用是什么? RNN是一种可以具有前后记忆的一种特殊的神经网络,它不仅考虑当前时刻的输入,而且赋予了网络对前面的内容的一种'记忆'功能.当前节点的输出是基于上一个节点的状态加上当前节点的输入。这样的神经网络是具有上下文关系对应的,后面的信息是基于前面的信息而得出的,几乎所有和时间序列有关的数据我们都可以用循环神经网络进行训练。 ...
2019-11-19 14:30:01 3808
原创 matplotlib学习笔记【10】:动画展示
1. 代码import numpy as npfrom matplotlib import pyplot as pltfrom matplotlib import animationfig, ax = plt.subplots()x = np.arange(0, 2*np.pi, 0.01)line, = ax.plot(x, np.sin(x))def animate(...
2019-11-16 17:34:51 175
原创 matplotlib学习笔记【9】:在图中画图,次坐标轴的勾画
一. 在图中画图 1. 代码import matplotlib.pyplot as pltfig = plt.figure()x = [1, 2, 3, 4, 5, 6, 7]y = [1, 3, 4, 2, 5, 8, 6]"""以下参数的意思全都是百分比:左边从fig的%10开始,下面也从fig的10%开始。而这张图的宽度和高度都占整个fig的80%这是整个图的范围...
2019-11-16 17:23:35 210
原创 matplotlib学习笔记【8】:subplot的分格显示
1. 代码import matplotlib.pyplot as pltimport matplotlib.gridspec as gridspec# 方式 1: subplot2grid##########################plt.figure()"""这种方式就是定义3*3的网格,然后后面就告诉你从哪个网格(0,0就是0行0列的网格开始)colspan = ...
2019-11-16 16:41:29 255
原创 matplotlib学习笔记【7】:subplot实现多张图片显示在一个窗口中
1. 代码import matplotlib.pyplot as plt# 例子 1:###############################plt.figure(figsize=(6, 4))# plt.subplot(行数,列数,第几张)两行两列一共4张图片plt.subplot(2, 2, 1)plt.plot([0, 1], [0, 1])plt.subplo...
2019-11-16 16:26:16 3206
原创 matplotlib学习笔记【6】:以矩阵形式读取图片,3D图像显示
一. 以矩阵形式读取图片 1. 代码import matplotlib.pyplot as pltimport numpy as np# image data# 定义一个矩阵,也就是图片的像素点a = np.array([0.313660827978, 0.365348418405, 0.423733120134, 0.365348418405...
2019-11-16 16:08:36 2687 2
原创 matplotlib学习笔记【5】:等高线的画法
1. 代码import matplotlib.pyplot as pltimport numpy as np# 定义山峰的高度的函数,你不用管def f(x,y): # the height function return (1 - x / 2 + x**5 + y**3) * np.exp(-x**2 -y**2)# 创建点n = 256x = np.lin...
2019-11-16 15:18:01 317
原创 matplotlib学习笔记【4】:柱状图(也就是条形图)
注意看代码注释,解析全在注释中,其实自己运行一下,结合代码注释,效果最好。1. 代码import matplotlib.pyplot as pltimport numpy as np# 创建数据n = 12X = np.arange(n)Y1 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)Y2 = (1 - ...
2019-11-16 14:46:01 219
原创 Pytorch学习笔记【10】:实战!CNN手写数字识别
注意看代码注释!!!解析都在注释里,不要怕麻烦,自己复制代码,运行一遍,然后结合 运行结果和代码注释就能够看懂代码1. 代码:import os# 引入一些包import torchimport torch.nn as nnimport torch.utils.data as Dataimport torchvisionimport matplotlib.pyplot...
2019-11-12 16:26:58 314
原创 Pytorch学习笔记【9】:实战!对比各种优化器的训练效率
注意看代码注释,解析全在注释里面!!!1. 代码:import torchimport torch.utils.data as Dataimport torch.nn.functional as Fimport matplotlib.pyplot as plt""" 此段代码用于对比各种优化器在神经网络训练时候的训练速度"""# 定义一些参数,学习率,每一批...
2019-11-11 16:51:09 297
原创 Pytorch学习笔记【8】:批量训练数据(自定义每次训练数据量)
注意看代码注释,解析全在 注释里1. 代码:import torchimport torch.utils.data as Datatorch.manual_seed(1) # reproducibleBATCH_SIZE = 5 # 每次训练5个数据# BATCH_SIZE = 8x = torch.linspace(1, 10, 10) # th...
2019-11-11 16:01:42 1266
原创 matplotlib学习笔记【3】:设置能见度,散点图学习
一. 设置能见度1. 代码:import matplotlib.pyplot as pltimport numpy as npx = np.linspace(-3, 3, 50)y = 0.1*xplt.figure()plt.plot(x, y, linewidth=10, zorder=1) # set zorder for ordering the plot...
2019-11-11 15:34:00 265
原创 matplotlib学习笔记【2】:添加图示图例,添加标注
一. 添加图示图例1. 代码:import matplotlib.pyplot as pltimport numpy as npx = np.linspace(-3, 3, 50)y1 = 2*x + 1y2 = x**2plt.figure()# set x limitsplt.xlim((-1, 2))plt.ylim((-2, 3))# set new s...
2019-11-11 15:02:53 1054
原创 matplotlib学习笔记【1】:matplotlib的简单使用,figure讲解,坐标轴的设置
一. 简单使用1. 代码import matplotlib.pyplot as pltimport numpy as np""" 此段代码介绍了matplotlib模块的简单应用"""x = np.linspace(-1,1,50)print(x)print(x.ctypes)# y = 2*x + 1y = x**2 + 1plt.plot(x,y) # ...
2019-11-11 14:17:43 254 1
原创 Pytorch学习笔记【7】:快速搭建神经网络,神经网络的保存与加载
还是老话,注意看代码 注释,解析都在注释里一. 快速搭建神经网络1. 代码import torchimport torch.nn.functional as F"""此段代码主要诠释了如何快速搭建神经网络以及两种搭建方法的输出比较,我们可以看到输出略有不同,但是两种方式搭建的神经网络的效果是一模一样的。"""class Net(torch.nn.Module)...
2019-11-11 13:22:08 306 1
原创 机器学习【2】:梯度下降算法,梯度下降实现简单回归案例
一. 梯度下降 1. 什么叫梯度下降? 假设现在在一个二维空间,只有x,y坐标。我模拟一个简单的场景: 梯度下降法的基本思想可以类比为一个游客下山的过程。假如一个人被困在山上,需要下山(也就是找到山的最低点)。但此时山上的浓雾很大,导致可视度很低。因此,下山的路径就无法确定,他必须利用自己周围的信息去找到下山的路径。这个时候,他就可以利用梯度下降算法来帮...
2019-11-10 17:25:34 342
原创 机器学习【1】:机器学习类别,线性回归
一. 类别 1. 有监督学习 包括分类,回归等问题模型。 简单来说,在有监督学习中, 所有的数据都会被 打上标签,基于已知的数据集, 进行训练,然后使用训练好的模型去预测未知的数据集的 结果。 2. 无监督学习 包括聚类,关联规则等问题模型。 无监督学习中的数据是没有标签的,只能通过一些计算去学习一...
2019-11-10 16:12:58 167
原创 Pytorch学习笔记【6】:简单神经网络实现分类
注意看代码注释,所有的解析都写在代码注释 里面了1. 代码:import torchimport torch.nn.functional as Fimport matplotlib.pyplot as pltfrom torch.autograd import Variable""" torch.normal(means, std, out=None) 参...
2019-11-10 13:12:24 459
原创 Pytorch学习笔记【5】:简单神经网络实现回归模型
还是 那句老话!!!注意看代码注释和运行结果,解析全部写在代码注释中了。一. 代码import torchimport torch.nn.functional as Fimport matplotlib.pyplot as pltfrom torch.autograd import Variable# 先自己构造数据x = torch.unsqueeze(torch.l...
2019-11-10 09:36:16 492
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人