weixin_41992565的博客

import numpy as np import matplotlib.pyplot as plt import h5py import scipy from PIL import Image from scipy import ndimage % matplotlib inline 第一部分： python 的numpy 基础练习 1.1“sigmoid ” def sigmoid(x): ...

#单词级的 one-hot编码 import numpy as np #利用split方法对样本进行分词，在实际应用中还需要从样本中去掉标点和特殊符号 samples =['The cat sat on the mat.','The dog ate my homework.'] #构建数据中所有标记的索引 token_index = {} for sample in samples: fo...

import numpy as np import pandas as pd import matplotlib.pyplot as plt import torch from torch import nn from torch.autograd import Variable #定义模型 ''' input_size – 输入的特征维度 hidden_size – 隐状态的特征维度 num_...

import numpy as np import pandas as pd import matplotlib.pyplot as plt import torch from torch import nn from torch.autograd import Variable #定义模型 ''' input_size – 输入的特征维度 hidden_size – 隐状态的特征维度 num_...

探索tensorflow import math import numpy as np import h5py import matplotlib.pyplot as plt import tensorflow as tf from tensorflow.python.framework import ops %matplotlib inline np.random.seed(1) #加载数据...

优化方法 到目前为止，您始终使用Gradient Descent更新参数并最大限度地降低成本。在这个笔记本中，您将学习更多高级优化方法，这些方法可以加快学习速度，甚至可以让您获得更好的成本函数最终值。拥有一个好的优化算法可能是等待天数与短短几个小时之间的差异，以获得良好的结果。 梯度下降在成本函数J上“下坡”。把它想象成试图这样做： import numpy as np import matpl...

本章节学习神经网络中的正则化 import numpy as np import matplotlib.pyplot as plt import sklearn import sklearn.datasets import scipy.io %matplotlib inline plt.rcParams['figure.figsize'] = (7.0, 4.0) plt.rcParams['...

本章节学习 初始化参数的不同影响 import numpy as np import matplotlib.pyplot as plt import sklearn import sklearn.datasets %matplotlib inline plt.rcParams['figure.figsize'] = (7.0, 4.0) plt.rcParams['image.interpola...

import time import numpy as np import h5py import matplotlib.pyplot as plt import scipy from PIL import Image from scipy import ndimage %matplotlib inline plt.rcParams['figure.figsize'] = (5.0, 4.0) ...

本节目的实现深层神经网络基本功能 就像拼积木一样先把每个积木功能实现 import numpy as np import h5py import matplotlib.pyplot as plt %matplotlib inline plt.rcParams['figure.figsize'] = (5.0, 4.0) plt.rcParams['image.interpolation'] = ...

线性不可分的分类 实验结论无论用svm，k-nn,logistic效果都不是很理想，实验的过程就省略了。下面我们看用浅层神经网络训练线性不可分数据效果. import numpy as np import matplotlib.pyplot as plt import sklearn import sklearn.datasets import sklearn.linear_model %mat...

罗辑回归神经网络 import numpy as np import matplotlib.pyplot as plt import h5py#储存在h5文件中的数据集进行的交互包 import scipy from PIL import Image from scipy import ndimage % matplotlib inline 接上一章，我们引入猫咪的图片 并把它转换成n*1的矩阵...

cutils 文件内的代码 import numpy as np def softmax(x): e_x = np.exp(x - np.max(x)) return e_x / e_x.sum(axis=0) def smooth(loss, cur_loss): return loss * 0.999 + cur_loss * 0.001 def print_sa...