- 博客(77)
- 收藏
- 关注
RSS订阅原创 偏导数——含有多个变量
定义我们看一下式 (4.6) 表示的函数。虽然它只是一个计算参数的平方和的简单函数，但是请注意和上例不同的是，这里有两个变量。def function_2(x): return x[0] ** 2 + x[1] ** 2 # 或者return np.sum(x**2)这里，我们假定向参数输入了一个 NumPy 数组。函数的内部实现比较简单，先计算 NumPy 数组中各个元素的平方，再求它们的和（np.sum(x**2) 也可以实现同样的处理）。我们来画一下这个函数的图像。结果如图
2022-05-01 18:10:47
1444
原创 导数——数值微分的例子
数值微分利用微小的差分求导数的过程称为数值微分 （numerical differentiation）。用上述的数值微分对简单函数进行求导。先来看一个由下式表示的 2 次函数。实现方法：import numpy as npimport matplotlib.pyplot as pltdef numerical_diff(f, x): h = 1e-4 return (f(x + h) - f(x - h)) / (2 * h)def function_1(x):
2022-05-01 17:03:39
670
原创 导数的定义（哎，忘光了）
1.定义导数就是表示某个瞬间的变化量。它可以定义成下面的式子。式（4.4）表示的是函数的导数。左边的符号 df(x)dx\frac{{\rm d}f(x)}{{\rm d}x} dxdf(x)表示 f （x ）关于 x 的导数，即 f （x ）相对于 x 的变化程度。式（4.4）表示的导数的含义是，x 的“微小变化”将导致函数 f （x ）的值在多大程度上发生变化。其中，表示微小变化的 h 无限趋近 0，表示为 ：limh→0\lim_{h\to0} h→0lim2.代码实现不好的示例d
2022-05-01 16:01:12
2367
原创 mini-batch 学习
1.mini-batch 学习前面介绍的损失函数的例子中考虑的都是针对单个数据的损失函数。如果要求所有训练数据的损失函数的总和，以交叉熵误差为例，可以写成下面的式（4.3）。这里，假设数据有 N 个，tnk 表示第 n 个数据的第 k 个元素的值（ynk 是神经网络的输出，tnk}是监督数据）。式子虽然看起来有一些复杂，其实只是把求单个数据的损失函数的式（4.2）扩大到了 N 份数据，不过最后还要除以 N 进行正规化。通过除以 N ，可以求单个数据的“平均损失函数”。通过这样的平均化，可以获得和训练数
2022-04-30 20:36:08
1616
原创 损失函数（交叉熵误差）
损失函数神经网络以某个指标为线索寻找最优权重参数。神经网络的学习中所用的指标称为损失函数 （loss function）。这个损失函数可以使用任意函数，但一般用均方误差和交叉熵误差等。交叉熵误差除了均方误差之外，交叉熵误差 （cross entropy error）也经常被用作损失函数。交叉熵误差如下式所示。这里，log 表示以e为底数的自然对数（loge ）。yk是神经网络的输出，tk 是正确解标签。并且，tk 中只有正确解标签的索引为 1，其他均为 0（one-hot 表示）。因此，式（4.2
2022-04-30 18:28:16
2465
原创 损失函数（均方误差）
损失函数神经网络以某个指标为线索寻找最优权重参数。神经网络的学习中所用的指标称为损失函数 （loss function）。这个损失函数可以使用任意函数，但一般用均方误差和交叉熵误差等。均方误差可以用作损失函数的函数有很多，其中最有名的是均方误差 （mean squared error）。均方误差如下式所示。这里，yk 是表示神经网络的输出，tk 表示监督数据，k 表示数据的维数。如式（4.1）所示，均方误差会计算神经网络的输出和正确解监督数据的各个元素之差的平方，再求总和。现在，我们用 Pyth
2022-04-30 16:38:28
4623
原创 简单3 层神经网络Mnist数据集的推理实现之批处理
批处理import os, sysimport numpy as npbase_dir = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))sys.path.append(base_dir)from dataset.mnist import load_mnistimport pickledef sigmoid(x): return 1 / (1 + np.exp(-x))def softmax(x):
2022-04-30 15:27:57
1014
原创 简单3 层神经网络Mnist数据集的推理实现
简单3 层神经网络Mnist数据集的推理实现import os, sysimport numpy as npbase_dir = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))sys.path.append(base_dir)from dataset.mnist import load_mnistimport pickledef sigmoid(x): return 1 / (1 + np.exp(-x))
2022-04-30 14:00:54
1057
原创 PIL的学习点点
显示图片from tensorflow.keras.datasets import mnistfrom PIL import Imagedef img_show(img): pil_img = Image.fromarray(img) pil_img.show()(x_train,y_train),(x_test,y_test) = mnist.load_data(r'f:\datasets\mnist.npz')image = x_train[0]print(image
2022-04-30 13:13:03
323
原创 激活函数之softmax函数
softmax函数分类问题中使用的 softmax 函数可以用下面的式表示：exp(x ) 是表示 ex 的指数函数（e 是纳皮尔常数 2.7182 …）。式（3.10）表示假设输出层共有 n 个神经元，计算第 k 个神经元的输出 yk 。如式（3.10）所示，softmax 函数的分子是输入信号 ak 的指数函数，分母是所有输入信号的指数函数的和。import numpy as npdef softmax(x): exp_a = np.exp(x) sum_exp_a =np
2022-04-23 17:01:05
5999
原创 简单3 层神经网络的实现
3 层神经网络3 层神经网络为对象，实现从输入到输出的（前向）处理。巧妙地使用 NumPy 数组，可以用很少的代码完成神经网络的前向处理。3 层神经网络：输入层（第 0 层）有 2 个神经元，第 1 个隐藏层（第 1 层）有 3 个神经元，第 2 个隐藏层（第 2 层）有 2 个神经元，输出层（第 3 层）有 2 个神经元。实现分解代码实现import matplotlib.pyplot as pltimport numpy as npdef init_network():
2022-04-23 16:06:55
850
原创 激活函数之relu函数
relu函数ReLU （Rectified Linear Unit）函数。ReLU 函数在输入大于 0 时，直接输出该值；在输入小于等于 0 时，输出 0。import matplotlib.pyplot as pltimport numpy as npdef relu(x): return np.maximum(0,x)if __name__ == '__main__': x = np.arange(-5, 5, 0.1) y = relu(x) plt
2022-04-23 10:52:08
998
原创 激活函数之sigmoid函数
sigmoid函数import matplotlib.pyplot as pltimport numpy as npdef sigmoid(x): return 1 / (1 + np.exp(-x))if __name__ == '__main__': x = np.arange(-5, 5, 0.1) y = sigmoid(x) plt.plot(x, y) plt.ylim(-0.1, 1.1) plt.show()
2022-04-23 10:37:54
295
原创 激活函数之阶跃函数
阶跃函数阶跃函数以 0 为界，输出从 0 切换为 1（或者从 1 切换为 0）。它的值呈阶梯式变化，所以称为阶跃函数。import matplotlib.pyplot as pltimport numpy as npdef step_function(x): y = x>0 print(y.shape,y.dtype) return y.astype(np.int32)# def step_function(x):# print(x>0)#
2022-04-23 09:59:57
821
原创 Matplotlib_图形的绘制和数据的可视化
1.pyplot 的功能import matplotlib.pyplot as pltimport numpy as npx = np.arange(0,6,0.1)y = np.sin(x)plt.plot(x,y)plt.show()
2022-04-19 23:25:57
82
原创 numpy记录下学习的过程
1.生成 NumPy 数组要生成 NumPy 数组，需要使用 np.array() 方法。np.array() 接收 Python 列表作为参数，生成 NumPy 数组（numpy.ndarray ）。x = np.array([1, 2, 3, 4])y = np.array([1, 1, 1, 1])print('x:', x, 'y', y, type(x))print('x+y:', x + y)print('x-y:', x - y)运行结果：x: [1 2 3 4] y [1
2022-04-19 21:04:10
649
原创 numpy_概述
文章目录1.简介2.NumPy 应用3.NumPy Ndarray 对象3.1示例1.简介NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。2.NumPy 应用NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。S
2021-05-26 20:58:15
134
原创 吴恩达机器学习（一）
**机器学习(Machine Learning)**是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径。例如，让机器人整齐有序的打扫房子，怎样去实现？我们要做的是让机器人观察我们完成任务的过程，从而从中学习。人工智能、机器学习、深度学习、神经网络之间的关系：人工智能(Artificial Intellige
2021-05-16 16:23:21
159
原创 错误汇总
keyerror:parallellnterleaveDataset这是错误，将tensorflow版本升级成1.15就不会报错低版本的tensorflow调用高版本tensorflow生成的ckpt文件出错
2021-03-01 20:55:31
100
原创 Django之中间件
1.默认的中间件配置Django 中间件是修改 Django request 或者 response 对象的钩子，可以理解为是介于 HttpRequest 与 HttpResponse 处理之间的一道处理过程。django会根据自己的规则在合适的时机执行中间件中相应的方法。浏览器从请求到响应的过程中，Django 需要通过很多中间件来处理，可以看如下图所示：Django 中间件作用：修改请求，即传送到 view 中的 HttpRequest 对象。修改响应，即 view 返回的 HttpRes
2020-12-18 16:36:15
408
原创 Django之CSRF(跨站请求伪造)
一丶什么是CSRF？CSRF是Cross Site Request Forgery的缩写，翻译过来就是跨站请求伪造。那么什么是跨站请求伪造呢？让我一个词一个词的解释：1、跨站：顾名思义，就是从一个网站到另一个网站。2、请求：即HTTP请求。3、伪造：在这里可以理解为仿造、伪装。综合起来的意思就是：从一个网站A中发起一个到网站B的请求，而这个请求是经过了伪装的，伪装操作达到的目的就是让请求看起来像是从网站B中发起的，也就是说，让B网站所在的服务器端误以为该请求是从自己网站发起的，而不是从A网站发起的
2020-12-17 21:37:28
176
原创 session
1.Session基于Cookie做用户验证时：敏感信息不适合放在cookie中2.Session原理Cookie是保存在用户浏览器端的键值对Session是保存在服务器端的键值对，session依赖于cookie，3.配置 settings.py配置文件中设置默认操作（通用配置）SESSION_COOKIE_NAME ＝ "sessionid" # Session的cookie保存在浏览器上时的key，即：sessionid＝随机字符串（默认）S
2020-12-16 18:02:55
105
原创 django之装饰器
FBV:def auth(func): def inner(request,*args,**kwargs): v = request.COOKIES.get('username_test',None) if not v: return redirect('/app01/login/') return func(request,*args,**kwargs) return inner@authdef index.
2020-11-27 16:17:24
189
原创 自定义分页和基于cookie实现定制显示数据条数
pagination.pyfrom django.utils.safestring import mark_safeclass Page: def __init__(self,current_page,data_length,data_count=10,page_count=10): """ :param current_page: 当前显示的页数 :param data_length: 需要显示的数据总长度 :param d.
2020-11-27 14:37:20
155
原创 Cookie
1、获取Cookie客户端浏览器上的一个文件request.COOKIES['key']request.get_signed_cookie(key, default=RAISE_ERROR, salt='', max_age=None) 参数： default: 默认值 salt: 加密盐 max_age: 后台控制过期时间2、设置Cookierep = HttpResponse(...) 或 rep ＝ render(request
2020-11-26 22:54:42
136
原创 Templates模板
- 母版...html - 继承 extends block - 导入 includesample01.html<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <title>Title</title> <link href="/static/sample.css" rel="stylesheet"/>
2020-11-25 16:51:23
306
1
原创 视图获取用户请求相关信息以及请求头
- 请求的其他信息 from django.core.handlers.wsgi import WSGIRequest request.environ request.environ['HTTP_USER_AGENT']views.pydef index(request): for k,v in request.environ.items(): print(k,v) return HttpResponse('ok')输出：ALLUSERSPROFILE C:
2020-11-25 16:36:04
272
原创 初识ajax
初识$.ajax({ url: '/host', type: "POST", data: {'k1': 123,'k2': "root"}, success: function(data){ // data是服务器端返回的字符串 var obj = JSON.parse(data); }})建议：永远让服务器端返回一个字典return HttpResponse(json.dumps(字典))view.pydef ajax_edit(request): ret =
2020-11-17 19:00:42
253
原创 Django_概述
Python的WEB框架有Django、Tornado、Flask 等多种，Django相较与其他WEB框架其优势为：大而全，框架本身集成了ORM、模型绑定、模板引擎、缓存、Session等诸多功能。基本配置终端命令：django-admin startproject sitenameIDE创建Django程序时，本质上都是自动执行上述命令其他：# 创建Django工程django-admin startproject 【工程名称】 mysite - mysite # 对
2020-10-26 21:19:05
207
原创 Web框架
Web框架本质众所周知，对于所有的Web应用，本质上其实就是一个socket服务端，用户的浏览器其实就是一个socket客户端。# Author:maira# !/usr/bin/env python# coding:utf-8import socketdef handle_request(client): buf = client.recv(1024) client.send("HTTP/1.1 200 OK\r\n\r\n".encode('utf-8')) cl
2020-10-26 16:41:30
141
原创 JavaScript_正则表达式
1、定义正则表达式/…/ 用于定义正则表达式/…/g 表示全局匹配/…/i 表示不区分大小写/…/m 表示多行匹配JS正则匹配时本身就是支持多行，此处多行匹配只是影响正则表达式^和KaTeX parse error: Expected group after '^' at position 9: ，m模式也会使用^̲来匹配换行的内容)注：定义正则表达式也可以 reg= new RegExp()2、匹配test(string) 判断字符串是否符合规定的正则 rep =
2020-10-23 14:47:21
101
原创 jQuery示例
多选，反选，全选- 选择器- $('#tb:checkbox').prop('checked'); 获取值 $('#tb:checkbox').prop('checked', true); 设置值 - jQuery方法内置循环： $('#tb:checkbox').xxxx - $('#tb:checkbox').each(function(k){ // k当前索引 // this，DOM，当前循环的元素 $(this) })
2020-10-12 21:23:43
143
原创 jQuery
jQuery是一个javascript库，核心理念是write less,do more(写得更少,做得更多)，他内部帮我们把几乎所有功能都做了封装，相比上一节基于DOM、BOM操作会更加简单。前戏1. 快速应用<script src="../jquery-3.5.1.js"></script>2. DOM对象和jQuery对象DOM对象和jQuery对象都为标签提供了各种各种功能，并且两者之间可以进行相互转换。jquery对象[0] => Dom对象Dom
2020-10-12 21:22:44
309
原创 DOM
定义文档对象模型（Document Object Model，DOM）是一种用于HTML和XML文档的编程接口。它给文档提供了一种结构化的表示方法，可以改变文档的内容和呈现方式。我们最为关心的是，DOM把网页和脚本以及其他的编程语言联系了起来。DOM属于浏览器，而不是JavaScript语言规范里的规定的核心内容。1、查找标签1.1 直接查找document.getElementById 根据ID获取一个标签document.getElementsByName
2020-09-24 21:26:27
135
原创 HTML示例
1.跑马灯<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <title>Title</title></head><body> <div id="i1" style="font-size:x-large;">亲爱的召唤师们，欢迎来到王者峡谷！</div> <script&
2020-09-24 21:09:55
1318
原创 JavaScript
JavaScript是一门编程语言，浏览器内置了JavaScript语言的解释器，所以在浏览器上按照JavaScript语言的规则编写相应代码之，浏览器可以解释并做出相应的处理。一、如何编写1.JavaScript代码存在形式： - Head中 <script> //javascript代码 alert(123); </script>
2020-09-24 19:56:31
148
原创 HTML+CSS(1)
1.引入第一步：网络传输都基于socket实现在网络中双方如果想要进行通信，必须依赖socket，并且分为客户端和服务端两部分。import socketdef handle_request(conn): d = conn.recv(1024) f = open('H5.html','rb') data = f.read() f.close() conn.send("HTTP/1.1 200 OK\r\n\r\n".encode('utf-8'))
2020-09-17 19:30:39
264
原创 Android手机app的adb命令测试电量
Android手机app电量测试Android 5.0及以上的设备, 允许我们通过adb命令dump出电量使用统计信息第一步：手机安装要测试的应用，打开手机开发者模式-USB模式，运行cmd.exe：adb kill-serveradb devices //查看手机连接是否正常第二步：因为电量统计数据是持续的, 会非常大, 统计我们的待测试App之前先reset下, 连上设备, 命令行执行。adb shell dumpsys batterystats --reset 此时，手机里电量统计被清
2020-09-12 17:01:02
1220
原创 笔记
man info 帮助查询命令用法who 目前有谁在线netstat -a 网络的联机状况ps -aux 查看后台执行的程序chgrpchownchmodmkdirrmtouchpwdrmdirecho $PATHcp mvcat 由第一行开始显示文件内容tac 由最后一行开始显示nl 显示时带有行号more 一页一页的显示内容less 与more相似，但是可以往前翻页head 只看开头几行tail 只看结尾几行od 以二进制方式读取文件umask 文件
2020-09-02 18:15:17
117
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人