Refuse_to_fail的博客

原创 Pytorch 实现 简单的卷积神经网络模型

forward是深度学习模型中常见的方法之一，用于执行模型的前向推断（forward inference）。在前向推断阶段，模型将输入数据传递到计算图中，经过一系列的计算和变换，最终得到输出结果。forward方法通常接受输入数据作为参数，并返回模型预测的输出结果。

原创 pip命令应用；pip创建依赖清单requirements.txt

2.显示所有已安装的包。

原创 LeNet-5-实现-cifar2

#LeNet-5 完成 cifar2 import tensorflow as tf import matplotlib.pyplot as plt from tensorflow.keras import layers, losses, Model 1)定义一个有参有返回值的函数用于加载图片 def load_img(file_path): img = tf.io.read_file(file_path) img = tf.image.decode_jpeg(img) img = tf.image.res

原创 tensorflow2.2 安装教程

1.检查anaconda安装：在cmd输入 conda --version 2.检测已经安装的环境：conda info --envs 3.新建一个python3.5的环境，tensorflow： ###conda create -n xxx python=3.5 xxx为虚拟环境名 ###conda create -n xxx python=3.6 xxx为虚拟环境名 conda create -n xxx python=3.7 xxx为虚拟环境名 4.激活新建的环境：activate

原创 tensorflow2.0 1-100求和

张量是一个类型化的N维数组（tf.Tensor）,由三部分组成：名字，形状，数据类型。 1-100的求和 import warnings warnings.filterwarnings(‘ignore’) import tensorflow as tf a = tf.Variable(0)#定义变量0 for i in range(1,101):#循环100次 a = tf.add(a,i)#累加 tf.print(a) tf.print(“1-100的累加：”,a) ...

原创 matplotlib 显示中文负号显示

原创 时间选取、时间划分

import pandas as pd import numpy as np df = pd.read_csv(r’…\train.csv’) print(df.head()) print(df.info()) print(df.describe()) d = pd.to_datetime(df.datetime,format=’%Y-%m-%d %H:%M:%S’).dt df[‘hour’] = d.hour print(df.head())

原创 缺失值比例

import pandas as pd df = pd.read_csv(r’E:\py-code\test1\MachineLearning\datas\titanic.csv’) ① 显示每个列有缺失值的比例 缺失数量/总数量 m = df.shape[0] print(df.isnull().sum() / m) ② 将age字段使用众数做缺失值填充 print(df[‘Age’].mode()) df[‘Age’] = df[[‘Age’]].fillna(24) print(df[‘Age’])