![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Python和深度学习
文章平均质量分 56
一个普普通通的个人纪录
叫我可爱的老实人
这个作者很懒,什么都没留下…
展开
-
DL练习 by Classify Leaves
新的知识点 对于多个非数值标签转化为数值label,产生字典 from sklearn.preprocessing import LabelEncoder le = LabelEncoder() le.fit(df['label']) df['label'] = le.transform(df['label']) label_map = dict(zip(le.classes_, le.transform(le.classes_))) label_inv_map = {v: k for k, v in原创 2021-09-12 19:22:06 · 148 阅读 · 0 评论 -
Liner Regression
线性回归 求解一个线性模型,使得真实数据点距离模型的欧氏距离最短。 适用于求解真实值的预测问题。 学习pytorch Step1 # torch.normal(means, std, out=None) # 返回一个张量,包含从给定参数means,std的离散正态分布中抽取随机数。 # torch.matmul # 做乘法 def synthetic_data(w, b, num_examples): x = torch.normal(0, 1, (num_examples, len(w)))原创 2021-04-13 15:40:50 · 274 阅读 · 0 评论 -
线性代数
一些基本名词不做解释了,主要记录一下求导(pytorch实现) x = torch.arange(4, dtype = torch.float32) x.requires_grad_(True) y = 2 * torch.dot(x, x) y.backward() x.grad Result tensor([ 0., 4., 8., 12.]) 解释: x.requires_grad_(True):使得x可以被求导,要对x求导必须有这句 y.backward()指的是哪个函数对x求导,下面举个例原创 2021-04-12 18:40:23 · 106 阅读 · 0 评论 -
Pandas
Series Series是一个带标签的一维数组 Series的创建方式 列表创建 b = pd.Series([9, 8, 7, 6], index = ['a', 'b','c', 'd']) 标量创建 s = pd.Series(25, index = ['a', 'b', 'c']) #不能省略index 从字典创建 d = pd.Series({'a' : 9, 'b' : 8, 'c' : 7}) # 改变形状 d = pd.Series({'a' : 9, 'b' : 8, '原创 2021-04-12 18:35:32 · 59 阅读 · 0 评论 -
Numpy
Numpy 修改 Numpy有着严格的数据类型,umpy数组类型取决于数组中的每一个元素(和优先级有关,如 int 和 float 类型同时存在,则数组类型为 float。 但是可以使用构造函数 dtype 来指定一个类型 切片 切片操作中,上限元素是不被包含在内的,有着左右之分,正数为左负数为右 a = [1, 2, 3, 4] print(a[0:3]) 结果为 [1, 2, 3] 可以看出 (上限 - 下限 = 结果长度) 还可以进行参数的省略 array[左边位置:右边位置],省略后默认左边从第原创 2021-04-12 16:33:01 · 124 阅读 · 1 评论