qq_42806980的博客

原创 遗忘小tips

1.macOS系统中的pycharm-preference，应该对应windows和linux系统中的file-settings2.导入tensorflow

原创 统计学原理

1.1.2统计学特点： 1.数量性 1.1数量特征 1.2数量关系 1.3数量界限 2.总体性 3.具体性第二节三.统计分组

原创 tensorflow学习（6）

原创 tensorflow学习(5)

原创 tensorflow学习（4.1）

tf.keras搭建神经网络八股六步法importmnist = tf.keras.datasets.mnist(x_train,y_train),(x_test,y_test) = mnist.load_data()train test（自制数据集）Sequential/Classmodel.compilemodel.fitmodel.summary神经网络八股功能扩展1.自制数据集，解决本领域应用2.数据增强，扩充数据集3.断点续训，存取模型

原创 tensorflow学习（3.1）

model = tf.keras.models.Sequential([网络结构])网络结构举例：拉直层：tf.keras.layers.Flatten()全连接层：tf.leras.layers.Dense(神经元个数，activation="激活函数"，kernel_regularizer=哪种正则化）model.compile(optimizer=优化器，loss=损失函数，metrics=["准确率"]model.fit(训练集的输入特征，训练集的标签，batch_size=

原创 tensorflow学习（2.1,2.2）

tf.where(条件语句，真返回a，假返回b)np.random.RandomState.rand(维度） 返回[0，1）之间的随机数np.vstack(数组1，数组2)将两个数组按垂直方向叠加np.mgrid[] .ravel() np.c_[] 生成网格坐标点nn复杂度：多用nn层数和nn参数的个数表示空间复杂度：层数 = 隐藏层的层数+1个输出层 总参数 = 总w+总b时间复杂度：乘加运算次数激活函数tf...

原创 tensorflow学习（1.4常用函数）

强制tensor转换为该数据类型tf.cast(张量名，dtype=数据类型）计算张量维度上元素的最小值tf.reduce_min(张量名）九三张量维度上元素的最大值tf.reduce_max（张量名）import tensorflow as tfx1 = tf.constant([1., 2., 3.], dtype=tf.float64)print("x1:", x1)x2 = tf.cast(x1, tf.int32)print("x2", x2)print("m

原创 tensorflow学习（1.3）

创建一个张量tf.constant(张量内容，dtype=数据类型（可选））import tensorflow as tfa = tf.constant([1, 5], dtype=tf.int64)print("a:", a)print("a.dtype:", a.dtype)print("a.shape:", a.shape)a: tf.Tensor([1 5], shape=(2,), dtype=int64)a.dtype: <dtype: 'int64'>

原创 numpy学习--常用统计函数

rand()返回[0.0,1.0)的随机浮点数numpy.random.rand(d0,d1,...dn)randint()函数

原创 numpy学习--数据处理

连接数组concatenate()函数沿指定的轴连接多个数组numpy.concatenate((a1,a2,...),axis)vstack()函数yan

原创 numpy学习--索引

一维数组索引访问ndarray[0轴索引][1轴索引]ndarray[0轴索引,1轴索引]

原创 numpy学习--二维数组

转置it = [[1,2,3],[4,5,6]]i = np.array(it)print(i.T)

原创 numpy学习--一维数组

arange（）函数创建数值范围并返回数组对象numpy.arange（start，stop,step,dtype)start:kai shi zhi