深度学习实践1-----文献复现

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