gemoumou的python学习实记

一维卷积

import tensorflow as tfimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport pandas as pdimport osimport reimport datetime# 显存自适应分配gpus = tf.config.experimental.list_physical_devices(device_type='GPU')for gpu in gpus: ...

什么是RNN？

UNET图像语义分割模型简介

图像语义分割简介图像语义分割网络结构-FCN上采样

常见图像处理的任务图像定位图像定位网络架构Oxford-IIIT数据集

模型保存(tf.keras保存模型)保存Tf.Keras 模型保存为 HDF5 文件Keras 使用了 h5py Python 包。h5py 是 Keras 的依赖项，应默认被安装保存/加载整个模型不建议使用 pickle 或 cPickle 来保存模型。使用 model.save(‘path/to/my_model.h5’) 将整个模型保存到单个 HDF5 文件中。包括以下内容：· 模型的结构，允许重新创建模型· 模型的权重· 训练配置项（损失函数，优化器）·

``

使用预训练网络（迁移学习）预训练网络是一个保存好的之前已在大型数据集（大规模图像分类任务）上训练好的卷积神经网络如果这个原始数据集足够大且足够通用，那么预训练网络学到的特征的空间层次结构可以作为有效的提取视觉世界特征的模型。即使新问题和新任务与原始任务完全不同学习到的特征在不同问题之间是可移植的，这也是深度学习与浅层学习方法的一个重要优势。它使得深度学习对于小数据问题非常的有效。Keras内置预训练网络Keras库中包含VGG16、VGG19\ResNet50、Inception v3、Xcepti

000000

Tensorboard可视化简介TensorBoard是一款为了更方便 TensorFlow 程序的理解、调试与优化发布的可视化工具。你可以用 TensorBoard 来展现你的 TensorFlow 图像，绘制图像生成的定量指标图以及附加数据。TensorBoard 通过读取 TensorFlow 的事件文件来运行。TensorFlow 的事件文件包括了你会在 TensorFlow 运行中涉及到的主要数据。Tensorboard随着tensorflow的安装一并被安装好Tensorboard主要

Eager模式简介Tensorflow 发布了新的 TF 2.0 Beta 版本我们可以通过以下命令安装：pip install tensorflow==2.0.0-beta1TensorFlow的eager模式是一个命令式编程环境，它使得我们可以立即评估操作产生的结果，而无需构建计 算图。Eager模式极大的方便我们使用TensorFlow、调试模型，增加了网络调试的灵活程度和tensorflow对于初学者友好性。在这里我们可以叫它 tensorflow的交互模式。与Tensorflow 1.x

…

什么是标准化传统机器学习中标准化也叫做归一化，一般是将数据映射到指定的范围，用于去除不同维度数据的量纲以及量纲单位。数据标准化让机器学习模型看到的不同样本彼此之间更加相似，这有助于模型的学习与对新数据的泛化常见的数据标准化形式：标准化和归一化将数据减去其平均值使其中心为 0，然后将数据除以其标准差使其标准差为 1。Batch Normalization, 批标准化, 和普通的数据标准化类似, 是将分散的数据统一的一种做法, 也是优化神经网络的一种方法.什么是批标准化批

jkjk

import tensorflow as tffrom tensorflow import kerasimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as np# 下载数据集并划分为目标集和测试集(train_image,train_lable),(test_image,test_label) = tf.keras.datasets.fashion_mnist.load_data()train_image...

CNN 简介实现对图像的高准确率识别离不开一种叫做卷积神经网络的深度学习技术。卷积神经网络主要应用于计算机视觉相关任务，但它能处理的任务并不局限于图像，其实语音识别也是可以使用卷积神经网络。我们将使用识别Mnist手写数字、cifar10图像数据以及猫和狗图像识别数据来让大家对于卷积神经网络有一个大概的了解。什么是卷积神经网络？当计算机看到一张图像（输入一张图像）时，它看的是一大堆像素值。当我们人类对图像进行分类时，这些数字毫无用处，可它们却是计算机可获得的唯一输入。

1111111

TF.DATA 模块tf.data模块简介import tensorflow as tf# 使用一个列表建立datasetdataset = tf.data.Dataset.from_tensor_slices([1,2,3,4,5])dataset# 应用datasetfor ele in dataset: print(ele)# 把Tensor输出为numpy类型for ele in dataset: print(ele.numpy())

import tensorflow as tffrom tensorflow import kerasimport matplotlib.pyplot as plt%matplotlib inline# 导入fashion数据集fashion_mnist = keras.datasets.fashion_mnist(train_images,train_labels),(test_images,test_labels) = fashion_mnist.load_data()# 对样本进行归

多层感知器：优化使用梯度下降算法学习速率学习速率选取原则反向传播SGDRMSpropAdamlearning_rate=0.01# -*- coding: utf-8 -*-# -*- coding: utf-8 -*-import osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 修改警告级别，不显示警告import tensorflow as tfimport pandas as pdimp

softmax分类Fashion MNIST数据集

线性回归预测的是一个连续值，逻辑回归给出的“是”和“否”的答案一个二元分类的问题。sigmoid函数是一个概率分布函数，给定某个输入，它将输出为一个概率值。逻辑回归损失函数交叉熵损失函数# -*- coding: utf-8 -*-import osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 修改警告级别，不显示警告import tensorflow as tfimport pandas as pdimport numpy as np

多层感知器计算输入特征得加权和，然后使用一个函数激活（或传递函数）计算输出。单个神经元多个神经元单层神经元缺陷多层感知器多层感知器激活函数relu：曲线如下图，假如过来的函数是x当x小于0的时候直接屏蔽，大于0的时候就原样输出sigmoid激活：假如输出的x值就会带入下面公式进行计算tanh激活：-1到1之间leak relu激活# -*- coding: utf-8 -*-import osos.environ['TF_CPP_MIN_LOG_LEVEL']

损失函数Z，样本个数n

线性回归原理线性方程 y=kx+bimport osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 修改警告级别，不显示警告import tensorflow as tfimport pandas as pdimport matplotlib.pyplot as pltdata = pd.read_csv('A.csv')print(data)plt.scatter(data.Education,data.Income)plt.show

pip install tensorflow==2.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simplepip install numpy pandas matplotlib sklearn -i https://pypi.tuna.tsinghua.edu.cn/simple