python
聪明的小k
这个作者很懒,什么都没留下…
展开
-
tensorflow从入门到放弃再到精通(5.1):合并与分割
5.1 合并与分割5.1.1合并原创 2020-09-15 19:00:29 · 184 阅读 · 0 评论 -
tensorflow从入门到放弃再到精通(4.6):数学运算和前向传播
4.9数学运算4.9.1 加、减、乘、除运算加减乘除分别通过tf.add,tf.subtract, tf.multiply, tf.divide函数来实现,一般推荐使用+-*/来代替。整除和余除也是常见的运算之一,通过//和%来实现。import tensorflow as tfa = tf.range(5)b = tf.constant(2)#整除运算print(a//b)# 余除运算print(a%b)4.9.2 乘方运算通过tf.pow(x,a),可以方便的计算原创 2020-09-08 21:36:05 · 267 阅读 · 0 评论 -
tensorflow从入门到放弃再到精通(4.5):数据维度和Broadcasting
4.7 维度变换在神经网络运算过程中,维度变换是最核心的张量操作,通过维度变化可以将数据任意的切换形式,满足不同的运算需求。考虑一下为什么需要维度变换?例如,Y=X@W+b其中,X包含了2个样本,每个样本特征长度是4,X的shape为[2,4]。线性层的输出为3个节点,那么W的shape为[4,3]。偏置b的shape为[3]。那么X@W的运算结果shape为[2,3],需要叠加shape为[3]的偏置b,不同的2个张量是怎么直接相加的呢?设计偏置向量的初衷,我们给每个层输出节点添加一个偏.原创 2020-09-07 21:30:57 · 313 阅读 · 0 评论 -
tensorflow从入门到放弃再到精通(4.3):张量的典型应用
4.5 张量的典型应用4.5.1 标量原创 2020-08-10 16:49:14 · 416 阅读 · 0 评论 -
tensorflow从入门到放弃再到精通(4.2):TensorFlow 基础语法以及数据类型-待优化张量和创建张量
4.3 待优化张量tensorflow增加了一种专门计算梯度信息的记录张量:tf.Variable,在普通张量的基础上新增了 name,trainable 等属性来支持计算图的构建。它会消耗大量的计算资源,而且会自动更新相关参数,对于不需要优化的张量,不需要通过tf.Variable封装#tf.Variable()可以将普通的张量转化成待优化张量a = tf.Constant([-1, 0, 1, 2])aa = tf.Variable(a)aa.name, aa.trainable##原创 2020-07-16 19:43:29 · 210 阅读 · 0 评论 -
python reload(sys)找不到,name 'reload' is not defined
在操作数据库的时候遇到这个问题,为什么会出现这种原因?查询如下: python在安装时,默认的编码是ascii,当程序中出现非ascii编码时,python的处理常常会报这样的错UnicodeDecodeError: 'ascii' codec can't decode byte 0x?? in position 1: ordinal not in range(128),python没办法处...原创 2020-03-25 13:31:20 · 269 阅读 · 0 评论 -
rasa报错ModuleNotFoundError: No module named 'rasa_nlu.test'
这个是版本问题:下载的时候需要注意:pip install rasa-nlu==0.14.4pip install rasa-core==0.13.2重新装过之后便不会再有问题了。,美滋滋原创 2020-03-22 23:32:05 · 1158 阅读 · 0 评论 -
阿里云服务器pyspark修改python版本
需要修改配置文件vim /etc/ecm/spark-conf-2.4.1-1.0.0/spark-env.sh改成然后再打开pyspark修改完成了原创 2020-03-22 19:26:27 · 396 阅读 · 0 评论 -
tensorflow从入门到放弃再到精通(3.2):构建模型详解
回顾一下生物神经元组织:我们把一组长度为的输入向量原创 2020-03-17 18:24:01 · 354 阅读 · 0 评论 -
tensorflow从入门到放弃再到精通(2.3):线性模型实战案例
没病?没病走两步。来走两步试试啊?好!试试就试试!!请听题:数据源,没有!背景故事,没有!随便指定一下w=1.477,b=0.089,按照这个模型自己找去采样吧好的,题目很明了,我们直接开搞1.数据采样不用头疼,为了更好的模拟真是样本的观测误差,我们给样本加上点误差自变量,那就是均值为0,标准差为0.01的高斯分布随机采样100次,我们就能获得n个样本的训练数据...原创 2020-03-14 00:13:33 · 262 阅读 · 1 评论 -
数据分析之RFM——用户模型分析(附案例数据和代码)
本文从RFM模型概念入手,结合实际案例,详解Python实现模型的每一步操作,并提供案例同款源数据,以供同学们知行合一。看这篇文章前源数据长这样:学完后只要敲一个回车,源数据就变成了这样:是不是心动了?OK,闲话少叙,我们来开动正餐!RFM,是一种经典到头皮发麻的用户分类、价值分析模型,同时,这个模型以直白著称,直白到把需要的字段写在了脸上,让我们再念一遍:“R!F!M!”:R,R...转载 2020-01-03 21:18:07 · 21454 阅读 · 5 评论