最近在阅读文献的同时,也会去尽可能的理解作者提供的文章复现代码。本文主要记录在学习复现代码时,所遇到的python语法。
一.常见用法
1.查询目录是否存在,若不存在则创建。
def create_dirs(cls):
if not (os.path.exists(cls.qfnet_data)):
os.mkdir(cls.qfnet_data)
2.矩阵降低维度
import numpy as np
a = np.arange(10).reshape(1,10)
a.shape
'''
(1, 10)
'''
a= np.squeeze(a)
a.shape
'''
(10,)
'''
3.按照给定维度,生成[0,1)之间的数
import numpy as np
a=np.random.rand(10,1)
a
'''
array([[0.57997003],
[0.90799495],
[0.68702079],
[0.55828478],
[0.0077297 ],
[0.92349057],
[0.13043781],
[0.85285445],
[0.31115271],
[0.74266582]])
'''
4.计算矩阵元素间的欧氏距离,并且合并成为方阵
a=squareform(pdist(X, 'euclidean'))
5.添加一个全连接层
import tensorflow as tf
tf.layers.dense(
inputs, #层的输入
units, #该层的输出维度
activation=None, #激活函数
use_bias=True,
kernel_initializer=None, # 卷积核的初始化器
bias_initializer=tf.zeros_initializer(), # 偏置项的初始化器
kernel_regularizer=None, # 卷积核的正则化
bias_regularizer=None, # 偏置项的正则化
activity_regularizer=None,
kernel_constraint=None,
bias_constraint=None,
trainable=True,
name=None, # 层的名字
reuse=None # 是否重复使用参数
)
二.文献阅读技巧
2022.11.18日总结
1.先读摘要和结论
2.接着看性能分析
3.最后看方法
参考文章
tf.layers.dense的使用方法