作业
格子6666
这个作者很懒,什么都没留下…
展开
-
梯度下降法拟合曲线
import randomimport numpy as npx=[[2104,3],[1600,3],[2400,3],[1416,2],[3000,4]]t=[400,330,369,232,540]n=len(x)c=[]h=[]ti=[]y=[]e=[]alpha=0.01for i in range(3): c.append(random.random())for i in range(5): x[i].append(1)for i in range(原创 2021-09-03 23:55:45 · 776 阅读 · 0 评论 -
np.hstack()和np.vstack()用于堆叠矩阵
import numpy as npx=np.array([[3,4,5],[1,3,4]])y=np.array([[1,1,1],[2,2,2]])np.hstack((x,y))array([[3, 4, 5, 1, 1, 1], [1, 3, 4, 2, 2, 2]])np.vstack((x,y))array([[3, 4, 5], [1, 3, 4], [1, 1, 1], [2, 2, 2]])原创 2021-09-03 23:56:14 · 173 阅读 · 0 评论 -
np.pad()函数进行padding操作
import numpy as npA= np.arange(95,99).reshape(2,2)Aarray([[95, 96], [97, 98]])np.pad(A,((3,2),(2,3)),'constant',constant_values=(0,0))array([[ 0, 0, 0, 0, 0, 0, 0], [ 0, 0, 0, 0, 0, 0, 0], [ 0, 0, 0, 0, 0, 0,原创 2021-09-03 23:57:17 · 453 阅读 · 0 评论 -
python改进欧拉法
原式:改进欧拉法公式:单纯的比着公式打程序,与欧拉法进行对比,发现改进欧拉法的精度高了不少import numpy as npfrom matplotlib import pyplot as pltdef f(x,y): return y-2*x/yh=0.1x=[x/10 for x in range(0,11)]n=np.size(x)y=np.zeros([1,20])t=np.zeros([1,n])y[0,0]=1for i in range(n):原创 2021-09-24 09:52:28 · 3420 阅读 · 3 评论 -
主成分分析练习(PCA)
主成分分析练习(PCA)原始数据:程序:import numpy as npdef pca(data): row = np.size(data, 0) #行 col = np.size(data, 1) #列 avg = np.zeros([1, col]) for i in range(col): avg[0, i] = np.mean(data[:, i]) for i in range(col): data[:, i]原创 2021-10-07 22:10:08 · 371 阅读 · 0 评论 -
通过极简方案构建手写数字识别模型_1
import paddlefrom paddle.nn import Linearimport paddle.nn.functional as Fimport osimport numpy as npimport matplotlib.pyplot as plttrain_dataset = paddle.vision.datasets.MNIST(mode='train')train_data0 = np.array(train_dataset[0][0])train_label_0 =原创 2021-10-20 00:08:39 · 963 阅读 · 0 评论 -
通过极简方案构建手写数字识别模型_2
通过极简方案构建手写数字识别模型在房价预测深度学习任务中,我们使用了单层且没有非线性变换的模型,取得了理想的预测效果。在手写数字识别中,我们依然使用这个模型预测输入的图形数字值。其中,模型的输入为784维(28×28)数据,输出为1维数据,如 图6 所示。输入像素的位置排布信息对理解图像内容非常重要(如将原始尺寸为28×28图像的像素按照7×112的尺寸排布,那么其中的数字将不可识别),因此网络的输入设计为28×28的尺寸,而不是1×784,以便于模型能够正确处理像素之间的空间信息。说明:事实上,原创 2021-10-20 09:19:32 · 697 阅读 · 0 评论