Esun Blog

PandasPandas基础1：数据类型一、Series一维数组，由key（相关的数据索引标签），和values（一组数据ndarray）组成可以把Series看成一个定长的有序字典创建方式由列表或numpy数组创建，默认索引为0到n-1的整数型索引由numpy数组创建时，Series对象指向原来numpy数组的地址index指定索引name指定名称copy新建地址pd.Series(data=[1, 2, 3, 4, 5], index=list('abcde'), nam

NumpyNumpy基础8：矩阵操作定义变量A、BA = np.ones(shape=(5,4),dtype='int8')B = np.full(shape=(5,4),fill_value=2,dtype='int8')求和np.add()np.add(A,B)⇒\Rightarrow⇒array([[3, 3, 3, 3], [3, 3, 3, 3], [3, 3, 3, 3], [3, 3, 3, 3], [3, 3, 3, 3]], dtype=int8)相减np.subt

NumpyNumpy基础7：基本操作索引li = [[1,2,3,],[4,5,6]]arr = np.array(li)arr[1][0] # 与列表一样arr[1,0] # tuple类型的索引⇒\Rightarrow⇒ 4,4aa[[1,0,1]] #使用索引生成新的array对象⇒\Rightarrow⇒ array([[4, 5, 6],[1, 2, 3],[4, 5, 6]])重设形状reshape#在形状改变中 -1 代表的是剩余的元素总和ndarray.

NumpyNumpy基础6：数组属性属性ndarray.ndim 数组的维度ndarray.shape 数组的形状ndarray.size 数组的总长度ndarray.dtype 数组的数据类型ndarray.T 数组的转置ndarray.imag 数组的虚数部分ndarray.real 数组的实数部分ndarray.itemsize 数组的字节数ndarray.nbytes 数组的总字节数ndarray.strides 在遍历数组时在每个维度中步进的字节元组应用ndarr

深度学习卷积神经网络的结构卷积层 -> 激活函数 -> 池化层 -> 全连接层a、卷积层 卷积层过滤器 数量 核大小 kernel size 步长 stride ...

深度神经网络深度学习网络与更常见的单一隐藏层神经网络的区别在于深度，深度学 习网络中，每一个节点层在前一层输出的基础上学习识别一组特定的特征。 随着神经网络深度增加，节点所能识别的特征也就越来越复杂。普通全连接神经网络的缺点参数太多，在cifar-10的数据集中，只有32 * 32 * 3，就会有这么多权重，如果说更大的图片，比如200 * 200 * 3就需要120000多个，这完全是浪费...

数据分析各类运用小计1.numpy 数值计算2.pandas python数据分析3.matplotlib + seaborn + pyechars + Bokeh 数据可视化 每天的数据分析结果,以自动化email的形式发送到邮箱 web展示的API4.scikit-learning 数据挖掘 dask(分布式CPU计算) pymars(GPU的numpy、pandas、skle...

深度学习神经网络人工神经网络（Artificial Neural Networks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connection Model），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。 人工神经网络：是一种应用类似于大脑神经突触联接的结构...

深度学习感知机感知机 （perceptron）这一算法。感知机是由美国学者Frank Rosenblatt在1957年提出来的。为何我们现在还要学习这一很久以前就有 的算法呢？因为感知机也是作为神经网络（深度学习）的起源的算法。因此， 学习感知机的构造也就是学习通向神经网络和深度学习的一种重要思想。 本章我们将简单介绍一下感知机，并用感知机解决一些简单的问题。感知机接收多个输入信号，输出一个...

Tensorflow基础7：变量import tensorflow as tfimport numpy as npimport tensorflow as tfimport numpy as npdef foo(x_data,y_data): #先定义 X = tf.placeholder(dtype='float32',shape=(None,3)) y...

Tensorflow基础8：张量生成合并与切片生成tf.zeros()tf.ones()tf.eye()tf.constant()random_normal() 标准正态分布rabdin_uniform 生成均匀分布tf.matmul() 点积tf.range()tf.linespace()tf.random_normal(shape=(10,), mean=0.0, s...

Tensorflow基础7：形状的重设numpy当中reshape可以进行形状的调整tf中分为静态和动态形状: ts.get_shape:获取形状tf.reshape():重设形状with one.as_default(): plh = tf.placeholder(dtype='int32',shape=[3,3,3]) a = tf.constant(np.rando...

Tensorflow基础6：张量的属性graph 张量的图(空间)op 张量之间的运算符name 张量的字符描述shape 张量的形状dtype 张量的数据类型gr = tf.Graph()with gr.as_default(): a = tf.constant(np.random.randint(0,100,(3,5))) b = tf.constant(np...

Tensorflow基础5：常量的声明和使用#一开始定义常量的声明和使用好tensor的形状a = tf.constant(np.random.randint(0,100,(5,3)),name='ybq')a<tf.Tensor ‘ybq:0’ shape=(5, 3) dtype=int32>#仅仅用于占位的张量plh = tf.placeholder(dtype=...

Tensflow基础4：run()函数run()是运算和转换一次只能运行一个单位run()只能tensorflow中的单位one = tf.Graph()var1 = tf.constant(1)with tf.Session() as sess: display(sess.run(var1))1with one.as_default(): var2 = t...

Tensflow基础3：Sessiontensorflow 分为前台和后台前台系统:输入系统 定义图的结构后台系统:输出系统 运算一个Session同时智能运算一个图，如果不指定使用的是默认图1.开启 tf.Session()2.sess.run()或ts.eval()运行图结构，输入的数据传递到python的解释器中，转换到C++中去3.Session可以用来指定分配计算的资源...

Tensflow基础2：图graph图状结构空间,一个庞大数据结构集合，每个图使用随机内存空间,图都是相对独立的图的主要作业就是分配内存空间，对于编码本身无意义一个图中包含 tensor(张量) op(operation-Node,运算符)tensorflow中有一个默认的图获取默认的图tf.get_default_graph()<tensorflow.python.fra...

Tensflow基础1：tf的IOtensor ：张量包的导入import tensorflow as tfimport numpy as np强制转换成tensor类型a = tf.constant(123)b = tf.constant(567)with tf.Session() as sess: sess.run(a) display(res.eval(...

NumpyNumpy基础4：保存读取方法一：CSVcsv,dat是一种常用的数据格式化文件类型，为了从中读取数据，我们使用#保存numpy.savetxt(fname='***.csv',X=cat[*],delimiter=',', fmt='%.2f') fname 存储的路径 X 代表要呗存储的数据 delimiter 分割符#读取np.loadtxt(fname='...

Numpy基础4：线性代数矩阵（ndarray对象） 标量：0维的 100 向量：1维的 [4,7,2] 矩阵: 2维的 张量: 3维及以上矩阵的转置A=np.array([[1,2,3],[3,2,1]])Aarray([[1, 2, 3],[3, 2, 1]])A.Tarray([[1, 3],[2, 2],[3, 1]])矩阵的点积ATA = np...

Numpy基础3：创建对象ndarray对象 ndarray 类具有六个参数，它们分别是： shape # 数组的形状。 dtype # 数据类型。 buffer # 对象暴露缓冲区接口。 offset # 数组数据的偏移量。 strides # 数据步长。 order # {'C'，'F'}，以行或列为主排列顺序。 创建方法pytho...

Numpy基础2：数据类型Numpy 既 numeric python 数字化的python,是python钟的数值计算的基础包。大部分提供科学计算的包都依赖于numpy。- ndarray支持矢量化运算，不需要循环，可以节省时间和空间。- 实现线性代数、随机数生成以及傅里叶变换。- 用C、C++等其它的代码编写的C API。numpy中最重要的一个形式叫ndarray n 表示的...

Numpy基础1：预编译技术既JIT技术（ just in time）首先，导入numba和numpyimport numba as nbimport numpy as np定义两个相同功能的函数def a(): return sum(list(range(100000)))# 用numba给b函数进行编译@nb.jit(nopython=True) def b():...

本篇分享一些numpy经典题目的解答前，先导入库import numpy as npimport time正文1、创建一个长度为10的一维全为0的ndarray对象，然后让第5个元素等于1a = np.zeros(shape=10)a[4]=1结果：array([0., 0., 0., 0., 1., 0., 0., 0., 0., 0.])2、创建一个元素为从10到49的n...