u011587322的博客

1、 数组的属性使用numpy生成的数组有以下属性Shape：返回数组的维度元组，也可用于调整数组的维度；import numpy as np"""创建数组"""print("""创建数组""")arr1 = np.array([[1,2,3,4,5,6],[1,2,3,4,5,6]])print(arr1)print(arr1.shape)arr1.shape = (6,2)

OutOfRangeError (see above for traceback): RandomShuffleQueue '_1_shuffle_batch/random_shuffle_queue' is closed and has insufficient elements (requested 1, current size 0)使用tfrecord时，报上述错误，检查了各种逻辑，最...

神经网络发展至今，优化算法层出不穷，但大底是出不了梯度下降的框框架架。梯度下降法 Gradient Descent公式：选择负梯度方向进行参数更新，算是常规操作了。对于多层神经网络如何执行梯度下降：def update_parameters_with_gd(parameters, grads, learning_rate): """ Update parame...

今天在做实验时，发现pandas中std（）函数计算出来的标准差与手工计算出来的值存在差异，怀疑之下，经查阅文档，发现pandas的std（）与numpy的std（）存在差异，实验流程如下；import pandas as pdimport numpy as np# df = pd.DataFrame([['a','b','c','d','e','f'],[1,2,3,4,5,6]],inde...

一、pandas的数据结构1、 pandas处理以下三种数据结构Series：序列，1D标记均匀数组，大小不变       均匀数组       尺寸大小不变       数据的值不可变DataFrame：数据帧，2D标记，大小可变的表结构与潜在的异质类型的列       异构数据       大小可变       数据可变Panel：面板，3D标记，大小可变的数组       异构数据     ...

基本概念最小二乘法又称最小平方法，是一种数学优化方法，是求解机器学习算法的模型参数的常用方法之一通过最小化误差的平方和寻找数据的最佳函数的参数；利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际的数据之间的误差平方和为最小最小二乘法还可以用于曲线拟合所谓二乘，其实可以理解为平方，所以又称为最小平方法。推导得到了a，求b，由b的推导公式，可知：这样就求出了a和b的值；python代码...

Numpy是一个Python科学计算的基础模块，Numpy不但能够完成科学计算的任务，也能够被用作有效的多位数据容器，这使得Numpy可以无缝并快速的整合各种数据；1、 Numpy对象ndarrayNumpy中定义的最重要的对象称为ndarray的N维数组类型，它描述相同类型的元素集合，可以使用基于零的索引访问集合中的项目；Ndarray中的每个元素在内存中使用相同大小的块。注：这里需要与列表进行...

numpy的相关知识点已经分别总结完了，再对整体的知识点进行一次回顾，温故而知新。

一、算数运算numpy.add() :数组相加numpy.subtract():数组相减numpy.multiply():数组相乘numpy.devide():数组相除import numpy as npA = np.array([1,2,3,4,5])B = np.array([1,2,3,4,5])print('A+B = ',np.add(A,B))print('A-B = ',np...

一 、 位操作bitwise_and:对数组元素执行位与操作bitwise_or：对数组元素执行位或操作invert：计算位非left_shift：向左移动二进制表示的位right_shift：向右移动二进制表示的位import numpy as npa = 3b = 6print('a的二进制表示为',bin(a))print('b的二进制表示为',bin(b))print('按位与'...

广播广播是指numpy在算数运算期间处理不同形状的数组的能力，对数组的算数运算通常在相应的元素上进行。如果两个阵列具有完全相同的形状，则这些操作被无缝执行；迭代Numpy包包含一个迭代器对象numpy.nditer，它是一个有效的多维迭代器对象，可以用于在数组上进行迭代。数组的每一个元素可使用Python的标准接口iterator访问；import numpy as nparr1 = np.ar...

 一、RNN与CNN的区别CNN是在空间上的共享，而RNN是在时序上的共享；RNN采用的是时序数据，输入的数据存在先后顺序关系；二、RNN网络模型在RNN结构中与传统的前馈神经网络不同，其存在记忆效应，这种记忆使得神经网络可以对上下文进行分析，显示的表示其对时间的依赖性：这种对时间的依赖产生了混沌效应。RNN模型的数学表示为：上面形成一个简单的RNN层，将整...