i96jie的博客

画布大小的设置：plt.figure(figsize=(35,35))画布中坐标轴字体大小：plt.xticks(fontsize=40)plt.yticks(fontsize=40)label字体大小：plt.ylabel('Y',fontsize=40)plt.title('样本',fontsize=40) 绘图保存：plt.savefig("样本....

目录 1、tf.pad()2、tf.where()3、tf.ones_like()&tf.zeros_like()4、tf.equal() 5、tf.stack&tf.concat&tf.unstack6、tf.slice()持续更新中……1、tf.pad()    tf.pad(            tensor,      ...

先报一下运行平台：win10python3.5c编译器是vs2015贴一下不同版本的配置方法：Visual Studio 2010 (VS10): SET VS90COMNTOOLS=%VS100COMNTOOLS%Visual Studio 2012 (VS11): SET VS90COMNTOOLS=%VS110COMNTOOLS%Visual Studio 2013...

今天闲来无事，写了个txt合并的小脚本，或许以后在做个有关网络小说的词库。# -*- coding: utf-8 -*-"""Created on Mon Oct 1 11:08:56 2018@author: 96jie"""import osfile_dir = 'XIAOSHUO_txt/'#指点生成txt文件的大小，不超过100MSIZE_M = 100d...

def get_batch(image, label, image_W, image_H, batch_size, capacity): image = tf.cast(image, tf.string) label = tf.cast(label, tf.int32) #生成列队 input_queue = tf.train.slice_input_p...

Assign requires shapes of both tensors to match. lhs shape= [256，4096] rhs shape= [8192，4096]训练和测试中的网络参数不同导致的错误。但我使用的是同一个model文件，最后发现256和8192之间正好差了一个batch = 32 的倍数，应该是训练网络中，参数写错了。原训练网络：……bat...

1、hstack()&vstack()import numpy as npa = [1,2,3]b = [3,4,5]a1 = [[1],[2],[3]]b1 = [[2],[2],[3]]c = np.hstack((a,b))c1 = np.hstack((a1,b1))d = np.vstack((a,b))d1 = np.vstack((a1,b1))pri...

关于线性回归和逻辑回归的原理和python实现，请左转：逻辑回归、线性回归。这里就直接贴代码了。线性回归：# -*- coding: utf-8 -*-"""Created on Thu Aug 30 09:40:50 2018@author: 96jie"""import tensorflow as tfimport numpy as npimport matpl...

不断更新1、TypeError: 'xxx' object is not callable函数被作为变量用时会出现这种错误。举个栗子：def feature(a): return aa = 0feature = feature(a)a = feature(a)print(a)函数feature和变量feature重复，导致出现错误，只要将其中一个名字...

决策树原理决策树（decision tree）是机器学习中常用的一种分类和回归方法。决策树学习通常包含三个步骤：特征选择、决策树生成、决策树修剪。在本文中主要讨论分类决策树。分类决策树的模型是一个树形结构，由结点（node）和有向边（directed edge）组成，其中结点又分为：内部结点和叶结点。内部结点表示一个特征（图中的黑色圆），而叶结点表示一个类（黑色方框）。其中根结点包...

逻辑回归原理回归与分类在线性回归问题中，算法预期得到的结果大多都是连续的值，比如给定特征房子的面积，所处的地理位置（离市区的远近）来预测房价，换而言之，就是用于预测输入变量（自变量）和输出变量（因变量）之间的关系，回归模型正是表示从输入变量到输出变量之间映射的函数。而对于分类，输入变量和回归中的相似，但输出变量却变成了有限的离散数值，最常见的例子就是文本分类，监督学习从数据中学习一个分...

多项式回归原理之前已经介绍过一元线性回归以及python实现，详情请戳这里。而多项式回归，原理和多元线性回归相似。还是先举个栗子：唯一特征X，共有m = 500个数据数量，Y是实际结果，从中找到一条曲线，使数据集到曲线之间的距离差最小，如下图所示：先假设一条曲线：这里只假设成一个找到它和y的损失函数：和线性回归一样，找到最小的就可以了。梯度下降...