![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Python深度学习
404 Not Found.
自律给我自由
展开
-
第六章 深度学习用于文本和序列
1.3.从原始文本到词嵌入下面展示一些 内联代码片。# -*- coding: utf-8 -*-""" 1.3.从原始文本到词嵌入"""# 1.下载IMDB数据的原始文本(处理IMDB原始数据的标签)import osimdb_dir = 'F:/datasets/aclImdb/aclImdb'train_dir = os.path.join(imdb_dir, 'train')labels = [] # 评论标签texts = [] #原创 2020-05-21 20:11:06 · 211 阅读 · 0 评论 -
第六章 深度学习用于文本和序列
1.2.使用词嵌入 下面展示一些 内联代码片。""" 1.2.使用词嵌入 """# 1.将一个Embedding层实例化from keras.layers import Embeddingembedding_layer = Embedding(1000, 64) # Embedding层至少需要2个参数:标记的个数,和嵌入的维度 2D (1000, 64)# 2.加载IMDB数据,准备用于Embedding层from keras.datasets import imdbfrom原创 2020-05-21 20:09:03 · 153 阅读 · 0 评论 -
第六章 深度学习用于文本和序列
1.1.单词和字符的one-hot编码 下面展示一些 内联代码片。"""1.1.单词和字符的one-hot编码 """# In[1]:.单词级的one-hot编码(简单示例)import numpy as npsamples = ['The cat sat on the mat.', 'The dog ate my homework.'] # 初始数据:长度为2,每个样本是列表的一个元素(本例的样本是一个句子,但也可以是一整篇文档)print(len(samples))token原创 2020-05-21 20:05:10 · 186 阅读 · 0 评论 -
第五章 深度学习用于计算机视觉
3.2.使用预训练的卷积神经网络--模型微调下面展示一些 内联代码片。""" 3.2.使用预训练的卷积神经网络--模型微调 """# 1.将VGG16卷积基实例化from keras.applications import VGG16conv_base = VGG16(weights = 'imagenet', include_top = False, input_shape = (150, 150, 3)) # 2原创 2020-05-21 16:48:42 · 200 阅读 · 0 评论 -
第五章 深度学习用于计算机视觉
3.1.2.使用预训练的卷积神经网络(使用数据增强的快速特征提取下面展示一些 内联代码片。""" 3.1.2.使用预训练的卷积神经网络(使用数据增强的快速特征提取) """ '因为其计算代价大,在GPU上运行'# 1.将VGG16卷积基实例化from keras.applications import VGG16conv_base = VGG16(weights = 'imagenet', include_top = False,原创 2020-05-21 16:47:24 · 162 阅读 · 0 评论 -
第五章 深度学习用于计算机视觉
3.1.1.使用预训练的卷积神经网络(不使用数据增强的快速特征提取下面展示一些 内联代码片。""" 3.1.1.使用预训练的卷积神经网络(不使用数据增强的快速特征提取) """# 1.将VGG16卷积基实例化from keras.applications import VGG16 # conv_base是一个VGG模型conv_base = VGG16(weights = 'imagenet', # 指定模型初始化的权重检查点原创 2020-05-21 16:45:29 · 189 阅读 · 0 评论 -
第五章 深度学习用于计算机视觉
猫狗大战 dogs-vs-cats下面展示一些 内联代码片。""" 2.1.猫狗大战 dogs-vs-cats (创建目录及分配图像) """import os, shutiloriginal_datasets_dir ='F:\datasets\dogs-vs-csts\dogs-vs-csts 数据集' # 原始数据集解压目录的路径base_dir = 'F:\datasets\dogs-vs-csts\猫狗大战' # 保存较小数据集的目录 (创建目录)os原创 2020-05-21 16:44:17 · 151 阅读 · 0 评论 -
第五章 深度学习用于计算机视觉
1.卷积神经网络CNN--手写数字分类-MNIST数据集下面展示一些 内联代码片。""" 1.卷积神经网络CNN--手写数字分类-MNIST数据集 """# 1.网络架构 实例化一个小型的卷积神经网络from keras import modelsfrom keras import layersnetwork = models.Sequential() # 因为需要将同一个模型多次实例化,所以用一个函数Sequential来构建模型,构造器network.add(layers.C原创 2020-05-21 16:41:06 · 168 阅读 · 1 评论 -
第三章 神经网络入门
3.预测房价--回归问题下面展示一些 内联代码片。""" 预测房价--回归问题 """# 1.价值波士顿房价数据from keras.datasets import boston_housing(train_data, train_targets), (test_data, test_targets) = boston_housing.load_data() # 切分数据print(train_data.shape) # 2D连续型数据(404, 13)原创 2020-05-16 10:44:39 · 242 阅读 · 0 评论 -
第三章 神经网络入门
2.路透社数据集[新闻分类]--多分类问题 下面展示一些 内联代码片。""" 路透社数据集(新闻分类)--多分类问题 """# 1.加载路透社数据集from keras.datasets import reuters(train_data, train_labels), (test_data, test_labels) = reuters.load_data(num_words=10000)print(len(train_data))print(len(test_data))print(原创 2020-05-16 10:41:44 · 159 阅读 · 0 评论 -
第三章 神经网络入门
1.IMDB数据集[电影评论分类]--二分类问题下面展示一些 内联代码片。""" IMDB数据集(电影评论分类)--二分类问题 """# 1.加载IMDB数据集from keras.datasets import imdb(train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000)print(train_data[0])print(train_labels[0])a = ma原创 2020-05-16 10:33:57 · 277 阅读 · 0 评论 -
第二章 神经网络的数学基础
2.神经网络的数据表示下面展示一些 内联代码片。""" 2.神经网络的数据表示 """# 1.标量(0D张量)import numpy as npx = np.array(12)print(x)print(x.shape) # 张量的形状print(x.ndim) # 张量的维度=轴,0阶# 2.向量(1D张量)x = np.array([11, 23, 5, 9, 17])print(x)print(x.shape)print(x.ndim) # 1阶# 3原创 2020-05-16 10:25:23 · 194 阅读 · 0 评论 -
第二章 神经网络的数学基础
手写数字分类-MNIST数据集 下面展示一些 内联代码片。# -*- coding: utf-8 -*-""" 手写数字分类-MNIST数据集 """from keras.datasets import mnist # 加载Keras中的MNIST数据集(train_images, train_labels), (test_images, test_labels) = mnist.load_data()print(train_images.shape) # train_imag原创 2020-05-16 10:06:20 · 234 阅读 · 0 评论