神经网络机器学习（一）学习笔记整理

最新推荐文章于 2024-09-10 20:08:27 发布

想远行的猪

最新推荐文章于 2024-09-10 20:08:27 发布

阅读量289

点赞数

分类专栏：深度学习神经网络基础知识文章标签：基础知识深度学习

本文链接：https://blog.csdn.net/tcd1112/article/details/80833867

版权

基础知识同时被 3 个专栏收录

8 篇文章 0 订阅

订阅专栏

深度学习

5 篇文章 0 订阅

订阅专栏

神经网络

2 篇文章 0 订阅

订阅专栏

接触人工智能工作差不多半年时间了，现在就了解到的知识做简要回顾与总结。似乎毫无章法，但是基础知识。很多只有点，容我慢慢进行完善。

神经网络可以处理图像语音文本等数据，可以用在自动驾驶、语音助手、新闻媒体等方面。

1、激活函数：作用在提高规模化的非线性化能力，模拟被激化的能力

sigmoid函数：整个区间可导、非中心对称、数据后期变化不大，趋向于1学习效率降低。

RelU函数：线型、导数为1，效率比较高，（0,0）连续不可导。

tanh函数：中心对称、数据中心化，数据过多时，学习效率降低。

2、线性回归

误差是独立具有相同分布并且服从均值为0方差为theata方的高斯分布

似然函数：什么样的参数跟我们的数据组合恰好是真实值。

梯度下降：小批量梯度下、随机梯度下降、

3、逻辑回归

经典的二分类算法，可以是非线性函数，

似然函数->对数似然

应用梯度上升求最大值。参数更新。

4、卷积神经网络

2012年最流行的网络，广泛运用在图像和语言识别。做图像的时候，输入的就不在是图像，具有高度的具体数字，也不再是对像素点进行处理，而是对像素块进行处理，这样具有连续性更容易理解图像，对于图片还拥有长宽高三个值

5、RNN循环神经网络

缺陷：无法建模长时间的依赖

6、深度学习

以不少于两个隐含层的神经网络对输入进行端到端的非线型变换或者表示学习的技术。

卷积合数目等于输入的channel数乘输出的channel数值

卷积层：权重共享相比于全连接层减少了数据量，多通道卷积的快速实现

反卷积：卷积的逆向过程实现信号复原；FCN，反卷积实现上采样

pooling层：配合反卷积使用，max pooling（最大值）、mean pooling（平均值）和随机pooling

7、EXCEL操作

    book = xlrd.open_workbook("文件名.xls")#得到Excel文件的book对象，实例化对象
    sheet1 = book.sheet_by_index(0) # 通过sheet索引获得sheet对象
    #sheet_name = book.sheet_names()[0]# 获得指定索引的sheet表名字
    nrows = sheet1.nrows#获取文件行数
    #新建需要保存的文件
    book = xlwt.Workbook(encoding='utf-8', style_compression=0)

sheet_target = book.add_sheet('test', cell_overwrite_ok=True)

cell_value = sheet1.cell_value(i, 0)#获取sheet1中的第(i,0)的数据

sheet_target.write(i,j, sheet1.cell_value(i, j)) #将sheet1中的第(i,j)的数据写入到sheet_target中(i,j)处

8、python爬虫

一种方法

import requests

具体代码如下：

html_frist = "http://www.whrt.gov.cn/"
html = requests.get(html_frist)
html.encoding="utf-8"
print html.text

或者

import re
from bs4 import BeautifulSoup
import urllib

具体代码如下：

html = urllib.urlopen("×××").read().decode("utf-8")
soup = BeautifulSoup(html,features="lxml")
sup_urls = soup.find_all("a",{"target":"_blank","href":re.compile("")})

多功能Request：

post：账号登录，搜索内容上传图片文件往服务器传输数据等

get：正常访问网页

9、numpy

shape：长宽，横纵数目

ndim：返回数组维度

dtype.name：返回数据类型

size：返回数据量

random.random((2,3))：随机生成2×3的数组

np.hstack(a,b)：横向拼接a，b

np.vstack(a,b)：纵向拼接a，b

np.hsplit(a,3):横向平分切成三份

np.vsplit(a,3):纵向平分切成三份

c=a.view：将a复制给c，a和c在同一个地址

c=a.copy：将a深度复制给c，a和c在不同地址

10、matplotlib pandas 数据可视化

import matplotlib.pyplot as plt
import pandas as pd
a = pd.read_csv("a.csv")
a["data"] = pd.to_datetime(a["DATE"])
print a.head(5)
plt.ion()
plt.plot()
plt.show()
plt.savefig("a.npg")
plt.pause(n)#页面暂停显示n秒
plt.close()

11 tensorflow

实现机器学习算法的借口，同时是执行机器学习算法的框架

CPU/GPU 执行计算图构造计算图计算图有向图数据流图

12 线程与进程

t=threading.Thread(target =action,args = (1))

threading.Lock()来穿件锁，函数在执行前先获得锁，执行后释放锁。

with lock：lock.acquire()先获得锁；lock.release()执行完释放锁

Thread 提供低级别的原始的线程以及一个简单的锁

run() #表示线程活动的方法

start() #启动线程是否活动

join()

isAlive() #返回线程是否活动