- 博客(17)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 第4章 面向对象程序设计
定义和使用类下面展示一些 内联代码片。1.#声明类成员函数（必须要有一个参数），参数代表实例（对象）自身，可以用这个参数引用类的属性和成员函数#声明类class Person: #例4-1:定义一个类 def SayHello(self): ''' 成员函数（必须要有一个参数），参数代表实例（对象）自身，可以用这个参数引用类的属性和成员函数''' print("Hello!")
2020-05-28 17:25:33
269
原创 第3章 Python函数
数学运算函数下面展示一些 内联代码片。#数学运算函数print(abs(-1))#返回绝对值print(round(80.23456,2))#浮点数四舍五入，指定小数位数print(pow(2,3))#x的y次幂print(divmod(8, 3))#返回一个元组，商和余数#字符串处理函数str1 = "hello world"str2 = "HELLO WORLD"str3 = "Hello World"print(str1.upper())print(str2.lower())
2020-05-28 16:15:53
169
原创 第3章 Python函数
Python函数下面展示一些 内联代码片。参数和返回值：1.普通参数#def func(num): print('形参num的地址', id(num))a = 10func(a)print('实参a的地址', id(a))代码运行结果：形参num的地址 140708830487216实参a的地址 1407088304872162.list为参数# In[]:def sum(list): # list为参数 total = 0 for x in
2020-05-28 16:03:18
272
原创 第2章 序列数据结构、for循环
序列数据结构、for循环下面展示一些 内联代码片。// A code blockvar foo = 'bar';#序列数据结构（列表list、元组tuple、字典dict、集合set）list = ["苹果", "香蕉", "草莓"] # 列表listtuple = (1,2,3,4,5) # 元组tuple(元组的内容不能改变)dict = {'name':'小明','sex':'男','age':'18','score':'86'} # 字典
2020-05-28 15:35:55
243
原创 第六章 深度学习用于文本和序列
1.3.从原始文本到词嵌入下面展示一些 内联代码片。# -*- coding: utf-8 -*-""" 1.3.从原始文本到词嵌入"""# 1.下载IMDB数据的原始文本（处理IMDB原始数据的标签）import osimdb_dir = 'F:/datasets/aclImdb/aclImdb'train_dir = os.path.join(imdb_dir, 'train')labels = [] # 评论标签texts = [] #
2020-05-21 20:11:06
237
原创 第六章 深度学习用于文本和序列
1.2.使用词嵌入 下面展示一些 内联代码片。""" 1.2.使用词嵌入 """# 1.将一个Embedding层实例化from keras.layers import Embeddingembedding_layer = Embedding(1000, 64) # Embedding层至少需要2个参数：标记的个数,和嵌入的维度 2D (1000, 64)# 2.加载IMDB数据，准备用于Embedding层from keras.datasets import imdbfrom
2020-05-21 20:09:03
178
原创 第六章 深度学习用于文本和序列
1.1.单词和字符的one-hot编码 下面展示一些 内联代码片。"""1.1.单词和字符的one-hot编码 """# In[1]:.单词级的one-hot编码(简单示例)import numpy as npsamples = ['The cat sat on the mat.', 'The dog ate my homework.'] # 初始数据：长度为2,每个样本是列表的一个元素(本例的样本是一个句子,但也可以是一整篇文档)print(len(samples))token
2020-05-21 20:05:10
236
原创 第五章 深度学习用于计算机视觉
3.2.使用预训练的卷积神经网络--模型微调下面展示一些 内联代码片。""" 3.2.使用预训练的卷积神经网络--模型微调 """# 1.将VGG16卷积基实例化from keras.applications import VGG16conv_base = VGG16(weights = 'imagenet', include_top = False, input_shape = (150, 150, 3)) # 2
2020-05-21 16:48:42
223
原创 第五章 深度学习用于计算机视觉
3.1.2.使用预训练的卷积神经网络(使用数据增强的快速特征提取下面展示一些 内联代码片。""" 3.1.2.使用预训练的卷积神经网络(使用数据增强的快速特征提取) """ '因为其计算代价大，在GPU上运行'# 1.将VGG16卷积基实例化from keras.applications import VGG16conv_base = VGG16(weights = 'imagenet', include_top = False,
2020-05-21 16:47:24
189
原创 第五章 深度学习用于计算机视觉
3.1.1.使用预训练的卷积神经网络(不使用数据增强的快速特征提取下面展示一些 内联代码片。""" 3.1.1.使用预训练的卷积神经网络(不使用数据增强的快速特征提取) """# 1.将VGG16卷积基实例化from keras.applications import VGG16 # conv_base是一个VGG模型conv_base = VGG16(weights = 'imagenet', # 指定模型初始化的权重检查点
2020-05-21 16:45:29
233
原创 第五章 深度学习用于计算机视觉
猫狗大战 dogs-vs-cats下面展示一些 内联代码片。""" 2.1.猫狗大战 dogs-vs-cats (创建目录及分配图像) """import os, shutiloriginal_datasets_dir ='F:\datasets\dogs-vs-csts\dogs-vs-csts 数据集' # 原始数据集解压目录的路径base_dir = 'F:\datasets\dogs-vs-csts\猫狗大战' # 保存较小数据集的目录 (创建目录)os
2020-05-21 16:44:17
183
原创 第五章 深度学习用于计算机视觉
1.卷积神经网络CNN--手写数字分类-MNIST数据集下面展示一些 内联代码片。""" 1.卷积神经网络CNN--手写数字分类-MNIST数据集 """# 1.网络架构 实例化一个小型的卷积神经网络from keras import modelsfrom keras import layersnetwork = models.Sequential() # 因为需要将同一个模型多次实例化，所以用一个函数Sequential来构建模型，构造器network.add(layers.C
2020-05-21 16:41:06
214
1
原创 第三章 神经网络入门
3.预测房价--回归问题下面展示一些 内联代码片。""" 预测房价--回归问题 """# 1.价值波士顿房价数据from keras.datasets import boston_housing(train_data, train_targets), (test_data, test_targets) = boston_housing.load_data() # 切分数据print(train_data.shape) # 2D连续型数据(404, 13)
2020-05-16 10:44:39
294
原创 第三章 神经网络入门
2.路透社数据集[新闻分类]--多分类问题 下面展示一些 内联代码片。""" 路透社数据集(新闻分类)--多分类问题 """# 1.加载路透社数据集from keras.datasets import reuters(train_data, train_labels), (test_data, test_labels) = reuters.load_data(num_words=10000)print(len(train_data))print(len(test_data))print(
2020-05-16 10:41:44
191
原创 第三章 神经网络入门
1.IMDB数据集[电影评论分类]--二分类问题下面展示一些 内联代码片。""" IMDB数据集(电影评论分类)--二分类问题 """# 1.加载IMDB数据集from keras.datasets import imdb(train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000)print(train_data[0])print(train_labels[0])a = ma
2020-05-16 10:33:57
303
原创 第二章 神经网络的数学基础
2.神经网络的数据表示下面展示一些 内联代码片。""" 2.神经网络的数据表示 """# 1.标量(0D张量)import numpy as npx = np.array(12)print(x)print(x.shape) # 张量的形状print(x.ndim) # 张量的维度=轴，0阶# 2.向量(1D张量)x = np.array([11, 23, 5, 9, 17])print(x)print(x.shape)print(x.ndim) # 1阶# 3
2020-05-16 10:25:23
241
原创 第二章 神经网络的数学基础
手写数字分类-MNIST数据集 下面展示一些 内联代码片。# -*- coding: utf-8 -*-""" 手写数字分类-MNIST数据集 """from keras.datasets import mnist # 加载Keras中的MNIST数据集(train_images, train_labels), (test_images, test_labels) = mnist.load_data()print(train_images.shape) # train_imag
2020-05-16 10:06:20
283
Code-SVD.zip
2020-11-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人