python
K同学啊
“365天深度学习训练” 报名中,报名微信:mtyjkh_
展开
-
残差网络 与 深度残差网络 关系详解
深度残差网络(Deep Residual Network): 深度残差网络是指由多个残差块组成的深度神经网络。不同点:"深度残差网络"这个术语通常用于指代ResNet结构的特定实现,特别是指用于解决计算机视觉问题的网络,而ResNet一词则更广泛地指代使用残差块的任何网络。总结:深度残差网络是ResNet的一个特定实现,通过引入残差块并使用跳跃连接,允许构建更深的神经网络。残差网络(ResNet)和深度残差网络(Deep Residual Network)是两个与深度学习相关的概念,它们有些异同之处。原创 2023-07-18 09:34:16 · 532 阅读 · 0 评论 -
@tf.function 是什么意思,作用是什么
相比于动态图,静态图可以进行更多的优化,例如自动并行化、自动求导等,从而提高计算效率。装饰器可以将函数转换为 TensorFlow 图,提高函数的执行效率并支持自动优化和自动求导等功能,适用于大部分的 TensorFlow 计算任务。:装饰器可以将函数中的部分张量运算转换为 TensorFlow 图,这样可以将大部分计算转移到 GPU 上进行加速,提高计算性能。:通过将函数转换为 TensorFlow 图,可以避免重复的计算和 Python 解释器的开销,从而提高函数的执行效率。原创 2023-07-08 11:03:40 · 1315 阅读 · 0 评论 -
深度学习如何入门?
我们通过算术学习、MNIST手写数字识别了解了什么是深度学习,也用TensorFlow2实现了MNIST手写数字识别,从整体上了解了一个深度学习程序是什么样子的,应该有哪些步骤📖《深度学习100例》🔥365天深度学习训练营🔥。原创 2023-07-03 13:37:12 · 2700 阅读 · 1 评论 -
torch.zeros() 函数介绍
函数是 PyTorch 中的一个函数,用于创建一个指定大小的全零张量(tensor)。函数返回一个新的张量,其元素全部为零,并具有指定的形状、数据类型和设备。函数常用于初始化模型参数、创建占位符张量等场景。原创 2023-06-02 16:14:49 · 5998 阅读 · 0 评论 -
tensorflow复现深度可分离卷积
当涉及到深度可分离卷积的复现时,TensorFlow提供了一些内置的函数和层,使得任务更加容易。函数来创建深度可分离卷积层。这个函数接受类似于标准卷积层的参数,并将其应用于输入数据。我们还使用了批标准化层(你可以根据需要修改模型的层数、卷积核大小、激活函数等,以适应特定的任务和数据集。最后,我们添加了全连接层和输出层来完成模型的构建。)来进行规范化,并使用最大池化层(在上述代码中,我们使用了。原创 2023-05-23 21:13:34 · 244 阅读 · 0 评论 -
小团体~第四波
~原创 2023-03-20 10:25:50 · 440 阅读 · 0 评论 -
Conv2DTranspose详解
例如,当用于图像生成任务时,Conv2DTranspose层可以将一个随机的低分辨率的噪声输入转换成一个高分辨率的图像输出。由于Conv2DTranspose层可以自动学习如何将低分辨率的输入映射到高分辨率的输出,因此它在图像生成和图像恢复任务中具有广泛的应用。Conv2DTranspose层的操作与此相反:它接收一个低分辨率的输入,然后将其通过转置滤波器升采样到更高的分辨率。Conv2DTranspose是深度学习神经网络中的一种层,它执行称为转置卷积或反卷积的操作。它是常规卷积层的反向操作。原创 2023-03-15 15:35:52 · 1158 阅读 · 0 评论 -
数组扩张一个维度 python
要将一个数组在 Python 中扩展一个维度,可以使用 NumPy 库中的函数。中,第一个维度的长度为 1,第二个维度的长度为原始数组的长度 4。这个函数会将原始数组的形状增加一个长度为 1 的新维度。在这个例子中,我们创建了一个一维数组。函数将其扩展成了一个二维数组。原创 2023-03-01 18:50:05 · 3830 阅读 · 0 评论 -
如何用pandas将某列进行唯一编码后,修改原dataframe
要用 Pandas 将某列进行唯一编码并修改原 DataFrame,可以使用 Pandas 中的。函数和 DataFrame 的列操作方法。假设要将 DataFrame 中的。这样,就可以对原 DataFrame 进行修改了。原创 2023-03-01 18:07:42 · 388 阅读 · 0 评论 -
one-hot 编码的生成与撤销
【代码】one-hot 编码的生成与撤销。原创 2023-02-28 14:55:20 · 134 阅读 · 0 评论 -
tensorflow-macos tensorflow-metal 安装方法
【代码】tensorflow-macos tensorflow-metal 安装方法。原创 2022-12-30 18:43:57 · 512 阅读 · 1 评论 -
stylecloud.gen_stylecloud() 参数详解
参数详解:def gen_stylecloud(text=None, file_path=None, # 输入文本/CSV 的文件路径 size=512, # stylecloud 的大小(长度和宽度) icon_name='fas fa-flag', # stylecloud 形状的图标名称(如 fas fa-grin)。[default: fas fa-flag]原创 2021-10-08 20:20:06 · 1343 阅读 · 7 评论 -
sp.coo_matrix() 详解
sp.coo_matrix() 的作用是生成矩阵1. 构造一个空矩阵这种用法比较简单,直接生成一个给定维度的矩阵,并且可以指定元素类型。如下指定生成一个(3,4)且数据类型为int16的矩阵实例:import scipy.sparse as spimport numpy as npA = sp.coo_matrix((3, 4), dtype=np.int16).toarray()A"""输出:array([[0, 0, 0, 0], [0, 0, 0, 0],原创 2021-09-18 10:23:09 · 12911 阅读 · 0 评论 -
numpy.ones() 详解
函数原型:numpy.ones(shape, dtype=None, order=‘C’)参数介绍:shape:int或int的序列,为新数组的形状;如果我们仅指定一个int变量,则将返回一维数组。如果是一个整数元组,将返回给定形状的数组。dtype(可选 ):数组的所需数据类型;默认是 numpy.float64。order: {‘C’,‘F’},可选,默认值:C 是否在内存中以行主(C-风格)或列主(Fortran-风格)顺序存储多维数据。返回值:返回具有给定形状,数据类型和顺序的原创 2021-09-18 09:50:30 · 3213 阅读 · 1 评论 -
from __future__ import print_function 介绍
在开头加上from __future__ import print_function这句之后 ,即使在Python2.X,使用print就得像Python3.X那样加括号使用。Python2.X中print不需要括号,而在Python3.X中则需要。示例:# python2.7print "Hello world"# python3print("Hello world")如果某个版本中出现了某个新的功能特性,而且这个特性和当前版本中使用的不兼容,也就是它在该版本中不是语言标准,那么我如果想要原创 2021-09-17 07:57:05 · 213 阅读 · 0 评论 -
Python中numpy库unique函数解析
a = np.unique(A).unique()函数去除其中重复的元素,并按元素由大到小返回一个新的无元素重复的元组或者列表import numpy as npA = [1, 2, 2, 5,3, 4, 3]a = np.unique(A)B= (1, 2, 2,5, 3, 4, 3)b= np.unique(B)C= ['fgfh','asd','fgfh','asdfds','wrh']c= np.unique(C)print(a)print(b)print(c)# 输出为.原创 2021-09-03 09:42:06 · 400 阅读 · 0 评论 -
jupyter notebook中忽略所有警告,让页面更整洁
jupyter notebook 中忽略所有警告import warningswarnings.filterwarnings("ignore")原创 2021-09-03 09:36:46 · 1549 阅读 · 0 评论 -
python 判断目录和文件是否存在,若不存在即创建
python 判断目录和文件是否存在,若不存在即创建import osdirs = './11'if not os.path.exists(dirs): os.makedirs(dirs)原创 2021-09-02 07:56:52 · 291 阅读 · 1 评论 -
进度条模块tqdm介绍
tqdm安装pip install tqdm代码示例:from tqdm import tqdmtotal = 10000 # 总迭代次数loss = totalwith tqdm(total=total, desc="进度条") as pbar: for i in range(total): loss -= 1 pbar.set_postfix({'loss': '{0:1.5f}'.format(loss)}) # 输入一个字典,显示实验指标原创 2021-08-09 09:49:31 · 1116 阅读 · 1 评论 -
np.random.randint()介绍
用法示例:np.random.randint(0, 3, [4, 6])"""输出:array([[1, 1, 0, 2, 2, 1], [1, 0, 2, 1, 2, 0], [0, 1, 2, 1, 1, 1], [0, 2, 2, 2, 0, 2]])"""原创 2021-07-21 22:21:57 · 722 阅读 · 0 评论 -
np.expand_dims()介绍
np.expand_dims()用于扩展数组的形状参数:values:数组axis:表示在该位置添加数据用法示例:注意数据扩展时 [] 所加的位置import numpy as npa = np.array([[1,2,3],[4,5,6]])print(a)print(a.shape)"""输出:[[1 2 3] [4 5 6]](2, 3)"""b = np.expand_dims(a, axis=0)print(b)print(b.shape)"""输原创 2021-07-21 22:14:18 · 967 阅读 · 0 评论 -
词云制作 Python
1.基本方法import wordcloudimport matplotlib.pyplot as pltmy_cloud = wordcloud.WordCloud(width=1000, height=800, background_color='white', font_path='msyh.ttc')my_cloud.generate('华为是全原创 2021-04-05 10:03:13 · 414 阅读 · 0 评论 -
常用 镜像
用法示例:pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple清华:https://pypi.tuna.tsinghua.edu.cn/simple阿里云:http://mirrors.aliyun.com/pypi/simple/中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/华中理工大学:http://pypi.hustunique.com/山东理工大学:原创 2021-03-11 12:34:31 · 917 阅读 · 0 评论 -
neuralcoref使用教程-指代消解
作者:明天依旧可好联系方式:ke.zb@qq.com创作时间:2020.3.1neuralcoref与spaCy的配合使用目前版本上bug(今天是2020.3.1),需要将spaCy降解到2.1.0版本才可以正常使用pip install spaCy==2.1.0如果事前已经安装过了,可以使用下面的语句来卸载pip uninstall spaCy...原创 2020-09-02 14:54:19 · 3440 阅读 · 16 评论 -
深度学习-循环神经网络(RNN)
作者: 明天依旧可好QQ交流群: 807041986最新更新时间: 2020-12-11注:关于深度学习的相关问题,若本文未涉及可在下方留言告诉我,我会在文章中进行补充的。原文链接:深度学习系列:深度学习(TensorFlow 2)简单入门代码|数据:微信公众号(明天依旧可好)中回复:深度学习导入数据import pandas as pdimport tensorflow as tfimport osdf = pd.read_csv("Tweets.csv",usecols=["a原创 2020-12-13 08:54:33 · 561 阅读 · 0 评论 -
欢迎进入 K同学啊 的博客目录(全站式导航)
欢迎进入 K同学啊 的博客目录(全站式导航)机器学习100天深度学习100例TensorFlow2简单入门原创 2020-12-11 21:16:19 · 1824 阅读 · 2 评论 -
matplotlib-bar-绘制柱状图
import matplotlib.pyplot as pltx1 = [1, 3, 4, 5, 6, 7, 9]y1 = [4, 7, 1, 6, 7, 5, 4]x2 = [2, 4, 6, 8, 10]y2 = [5, 5, 3, 4, 3]plt.bar(x1, y1, label="Red Bar", color='r')plt.bar(x2, y2, label="Green Bar", color='g')plt.plot()plt.xlabel("bar numbe原创 2020-12-11 20:49:09 · 331 阅读 · 0 评论 -
深度学习-卷积神经网络(CNN)
import tensorflow as tffrom tensorflow.keras import datasets, layers, modelsimport matplotlib.pyplot as plt(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()# 将像素的值标准化至0到1的区间内。train_images, test_images = train_im原创 2020-12-11 12:51:31 · 704 阅读 · 0 评论 -
matplotlib-pie-绘制饼状图
import matplotlib.pyplot as pltplt.figure(figsize=(6,9)) #调节图形大小labels = ['A','B','C','D'] #定义标签sizes = [146,223,121,68] #每块值colors = ['red','yellowgreen','light原创 2020-12-10 20:53:47 · 467 阅读 · 1 评论 -
python3-matplotlib库简单入门
1.花最少的时间学习最有用的知识,将时间花在刀刃上。一、Matplotlib-scatter-绘制散点图二、Matplotlib-hist-直方图(条形统计图)这篇文章会随着时间不断更新...原创 2020-01-06 13:52:55 · 690 阅读 · 0 评论 -
matplotlib-plot-绘制折线图
import numpy as npimport matplotlib.pyplot as plt y = [1,2,4,3.6,4,3.1,4.6,5.1,6,6]x = ["a","b","c","d","e","f","g","h","i","j"]"""绘制折线图方法plot参数一:y轴参数二:x轴"""plt.plot(x, y,color='red',alpha=0.8)plt.ylim(0,7)plt.xlabel("X")plt.ylabel("Y")plt.t原创 2020-12-10 20:43:58 · 467 阅读 · 0 评论 -
Matplotlib-动态更新图表
这里以散点图的动态更新为例import matplotlib.pyplot as pltimport numpy as npimport randomplt.ion() # 开启交互模式plt.subplots()for j in range(20): plt.clf() # 清空画布 plt.xlim(0, 10) # 因为清空了画布,所以要重新设置坐标轴的范围 plt.ylim(0, 10) x = [random.randi原创 2020-12-10 15:54:51 · 1828 阅读 · 1 评论 -
Matplotlib-barh-绘制水平条形图
import numpy as npimport matplotlib.pyplot as plt high = [5,1,4,5.6,2,4,6.2,1.3,6,2]x = ["a","b","c","d","e","f","g","h","i","j"]"""绘制水平条形图方法barh参数一:y轴参数二:x轴"""plt.barh(range(10), high, height=0.7, color=['r','b','y','green'], alpha=0.8) # 从下往上画原创 2020-12-06 12:37:04 · 1573 阅读 · 0 评论 -
列表和字典之间的相互转换-Python3
将列表转化为字典a = ['a1','a2','a3','a4']b = ['1','2','3','4']c = zip(a,b)print(dict(c))"""输出:{'a1': '1', 'a2': '2', 'a3': '3', 'a4': '4'}"""将字典转化为列表dit = {'a1': '1', 'a2': '2', 'a3': '3', 'a4': '4'} # 将字典的key转换成列表lst = list(dit)print(lst) # 将字典的v原创 2020-12-05 18:31:12 · 374 阅读 · 0 评论 -
数据预处理
作者: 明天依旧可好QQ交流群: 807041986最新更新时间: 2020-12-1注:关于pandas的相关问题,若本文未涉及可在下方留言告诉我,我会在文章中进行补充的原文链接:https://mtyjkh.blog.csdn.net/article/details/84752080,欢迎转载1. 标准化数据集的标准化(Standardization)对scikit-learn中实现的大多数机器学习算法来说是常见的要求 。如果个别特征或多或少看起来不是很像标准正态分布(具有零均值和原创 2020-12-01 16:43:21 · 228 阅读 · 0 评论 -
语言检测工具-langid
安装:pip install langid代码示例:>>> import langid>>> langid.classify("This is a test")('en', -54.41310358047485)原创 2020-09-10 21:03:12 · 851 阅读 · 0 评论 -
机器学习-学习资源整理
sklearn官方文档sklearn官方文档: scikit-learnsklearn官方文档–API文档: API Referencesklearn官方文档–案例: Examples数据kaggle数据集本篇文章会随着机器学习100天系列文章的更新不断更新原创 2020-08-08 16:35:46 · 258 阅读 · 0 评论 -
Numpy中的array
numpy.array(): 用于创建数组使用numpy.array方法将tuple和list, array, 或者其他的序列模式的数据转创建为ndarray, 默认创建一个新的ndarray.注: narray中文意思是数组原创 2020-08-07 10:48:13 · 318 阅读 · 0 评论 -
线性回归的概念
文章目录1. 前言2. 什么是回归3. 什么是线性4. 什么是线性回归5. 百度百科+维基百科6. 一元线性回归7. 损失函数8. 梯度下降------【机器学习第1天:线性回归(代码篇)】------1. 前言在上篇文章(线性回归-代码篇)中我们实现了用线性归回模型预测鸢尾花的花瓣宽度,上一篇更侧重代码的实现。在这篇文章中,我们会把重心放到理论知识上面。2. 什么是回归回归的目的是为了预测,比如上一篇文章中通过花瓣长度预测花瓣宽度回归之所以能预测是因为它通过大量的花瓣长度与宽度数据,“弄懂原创 2020-08-02 16:40:10 · 1934 阅读 · 0 评论 -
机器学习第2天:简单线性回归模型
数据学习第一天:数据预处理文章目录一、具体实现步骤第1步:数据预处理第2步:使用简单线性回归模型来训练训练集第3步:预测结果第4步:可视化训练集结果可视化测试集结果可视化二、可视化结果展示训练集结果可视化结果测试集结果可视化结果三、知识点详解1. 关于LinearRegression()2. 关于数据可视化一、具体实现步骤第1步:数据预处理import pandas as pdimpor...原创 2020-08-02 08:39:20 · 29374 阅读 · 2 评论