- 博客(288)
- 收藏
- 关注
RSS订阅原创 python学习指南—Python 进阶(Python Cookbook)
系列文章目录Python数据科学家养成计划（Python学习指南）文章目录系列文章目录前言前言随着人工智能的不断发展，数据科学相关技术也越来越重要，很多人都开启了学习数据科学相关知识体系的学习之旅，本文就介绍了数据科学中 Python 的基础内容。.....................
2022-05-03 14:26:49
706
原创 数据分析 LEVEL I 考证学习指南—指标概述
系列文章目录Python数据科学家养成计划（数据分析 LEVEL I 考证）文章目录系列文章目录前言一、指标概念前言随着人工智能的不断发展，数据科学相关技术也越来越重要，很多人都开启了学习数据科学相关知识体系的学习之旅，本文就介绍了数据科学中数据分析 LEVEL I 考证的知识体系内容。一、指标概念...
2021-11-06 19:19:11
1444
原创 数据分析 LEVEL I 考证学习指南—数据分析概述
系列文章目录Python数据科学家养成计划（数据分析LEVEL I考证）文章目录系列文章目录前言一、认识数据分析1. 热点问题解读前言随着人工智能的不断发展，数据科学相关技术也越来越重要，很多人都开启了学习数据科学相关知识体系的学习之旅，本文就介绍了数据科学中数据分析 LEVEL I 考证的知识体系内容。一、认识数据分析1. 热点问题解读什么是数据分析？答：根据方法论的指导，使用数据分析软件实现数据价值发现。为什么需要数据分析？答：记录业务轨迹，为未来业务决策提供参考及思考。
2021-10-17 22:51:09
509
原创 python学习指南—Python 基础知识
系列文章目录Python数据科学家养成计划（Python学习指南）文章目录系列文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言随着人工智能的不断发展，数据科学相关技术也越来越重要，很多人都开启了学习数据科学相关知识体系的学习之旅，本文就介绍了数据科学中 Python 的基础内容。一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码如下（示例）：import num
2021-09-05 20:42:52
405
原创 python学习指南—Windows 平台下载安装 Anaconda 及 Python 虚拟环境创建
系列文章目录Python数据科学家养成计划（Python学习指南）文章目录系列文章目录前言一、是什么？二、使用步骤1.引入库2.读入数据总结前言随着人工智能的不断发展，数据科学相关技术也越来越重要，很多人都开启了学习数据科学相关知识体系的学习之旅，本文就介绍了数据科学中 Python 的基础内容。一、是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码如下（示例）：import numpy as npimp
2021-09-04 22:38:19
880
2
原创 NumPy 基础
系列文章目录Python数据分析基础教程（NumPy学习指南）文章目录系列文章目录前言一、NumPy 数组对象二、创建多维数组1.引入库2.读入数据总结前言随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习中 NumPy 的基础内容。一、NumPy 数组对象示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、创建多维数组1.引入库代码如下（示例）：import numpy as np
2021-08-07 13:13:55
614
原创 NumPy 习题册
习题 1：考点：NumPy 模块的 arange() 函数的功能题目：arange(5) 的所用是什么？A. 创建一个包含 5 个元素的 Python 列表（list），取值分别为 1 ~ 5 的整数B. 创建一个包含 5 个元素的 Python 列表（list），取值分别为 0 ~ 4 的整数C. 创建一个包含 5 个元素的 NumPy 数组（ndarray），取值分别为 1 ~ 5 的整数D. 创建一个包含 5 个元素的 NumPy 数组（ndarray），取值分别为 0 ~ 4 的整数E
2021-08-07 12:58:38
366
原创 TensorFlow2 动手训练模型和部署服务
TensorFlow 开发环境搭建TensorFlow 数据导入与使用使用 tf.keras.datasets 加载数据使用
2021-06-16 22:10:23
155
原创 TensorFlow2 设计思想
Trensorflow2 新特性Temsorflow2 核心模块Tensorflow2 VS Tensorflow1.xTensorflow2 落地yi
2021-06-12 19:22:24
264
2
原创 python深度学习进阶（自然语言处理）—word2vec
python深度学习进阶（自然语言处理）—word2vec摘要基于推理的方法以预测为目标，同时获得了作为副产物的单词的分布式表示。 word2vec是基于推理的方法，由简单的 2层神经网络构成。 word2vec有 skip-gram和 CBOW模型。 CBOW模型从多个单词（上下文）预测 1个单词（目标词）。 skip-gram模型反过来从 1个单词（目标词）预测多个单词（上下文）。 由于word2vec可以进行权重的增量学习，所以能够高效地更新或添加单词的分...
2021-05-23 17:23:41
1370
1
原创 python自然语言处理入门-词典分词
自然语言处理入门-词典分词摘要 中文分词指的是将一段文本拆分为一系列单词的过程，这些单词顺序拼接后等于原文本。 词典分词是最简单、最常见的分词算法，仅需一部词典和一套查词典的规则即可。 给定一部词典，词典分词就是一个确定的查词与输出的规则系统。1.什么是词 语言学定义：具备独立意义的最小单位。 基于词典的中文分词中的定义：词典中的字符串就是词。1.1词的定义 齐夫定律：哈弗大学语言学家乔治 .金斯利 .齐夫于 1949年发表，...
2021-05-09 18:25:34
2611
2
原创 python自然语言处理入门-新手上路
新手上路摘要自然语言处理（Natural Language Processing，NLP）是一门融合了计算机科学、人工智能以及语言学的交叉学科。它们的关系如图 1-1所示。这门学科研究的是如何通过机器学习等技术，让计算机学会处理人类语言，乃至实现终极目标——理解人类语言或人工智能。图 1-1 自然语言处理与计算机科学、人工智能以及语言学的关系1.自然语言与编程语言 ...
2021-05-08 22:55:45
3132
6
原创 python深度学习进阶（自然语言处理）-自然语言和单词的分布式表示
深度学习进阶-自然语言处理-自然语言和单词的分布式表示摘要使用 WordNet等同义词词典，可以获取近义词或测量单词间的相似度等。 使用同义词词典的方法存在创建词库需要大量人力、新词难更新等问题。 目前，使用语料库对单词进行向量化是主流方法。 近年来的单词向量化方法大多基于 “单词含义由其周围的单词构成” 这一分布式假设。 在基于计数的方法中，对语料库中的每个单词周围的单词的出现频数进行计数并汇总（=共现矩阵）。 通过将共现矩阵转化为 PPMI矩阵并降维，可以将大的稀疏向量转变为...
2021-05-05 23:48:21
2441
3
原创 python深度学习入门-与学习相关的技巧
深度学习入门-与学习相关的技巧摘要参数更新方法：SGD、Momentum、AdaGrad、Adam等。 权重初始值的赋值方法对进行正确的学习非常重要。 作为权重初始值，Xavier初始值、He初始值等比较有效。 通过使用 Batch Normalization（批归一化），可以加速学习，并且对初始值变得健壮。 抑制过拟合的正则化技术有：权值衰减、Dropot等。 逐渐缩小 “好值”存在的范围是搜索超参数的一个有效方法。1.参数的更新 最优化（optimiza...
2021-05-04 00:08:05
4129
21
原创 python深度学习入门-误差反向传播法
深度学习入门-误差反向传播法摘要通过使用计算图，可以直观地把握计算过程。 计算图的节点是由局部计算构成的。局部计算构成全局计算。 计算图的正向传播进行一般的计算。通过计算图的反向传播，可以计算各个节点的导数。 通过将神经网络的组成元素实现为层，可以高效地计算梯度（反向传播法）。 通过比较数值微分和误差反向传播法的结果，可以确认误差反向传播法的实现是否正确（梯度确认）。1、计算图 通过数值微分计算神经网络的权重参数的梯度（严格来说，是损失函数关于权重参数的梯度），优点：简单、...
2021-05-01 18:52:21
1264
4
原创 python深度学习入门-神经网络的学习
深度学习入门-神经网络的学习1、从数据中学习 神经网络的特征：从数据中学习。 从数据中学习：可以由数据自动决定权重参数的值。1.1数据驱动 如何实现手写数字 “5”的识别？图 3-1 手写数字5的例子 图 3-2 从人工设计规则转变为由机器从数据中学习 方案一：人工想到的算法。 方案二：先从图像中提取特征量，再用机器学习技术学习这些特征的模式。 特征量：可以从输入数据（输入图像）中准确地提取本质数据（重要的...
2021-04-18 19:01:49
1248
4
原创 python深度学习入门-神经网络
神经网络中的激活函数使用平滑变化的 sigmoid函数或 ReLU函数。通过巧妙地使用 NumPy多维数组，可以高效地实现神经网络。机器学习的问题大体上可以分为回归问题和分类问题。关于输出层的激活函数，回归问题中一般用恒等函数，分类问题中一般用 softmax函数。分类问题中，输出层的神经元的数量设置为要分类的类别数。输入数据的集合称为批。通过以批为单位进行推理处理，能够实现高速的运算。
2021-04-10 00:36:09
2775
3
原创 python深度学习入门-感知机
感知机是具有输入和输出的算法。给定一个输入后，将输出一个既定的值。感知机将权重和偏置设定为参数。使用感知机可以表示与门和或门等逻辑电路。异或门无法通过单层感知机来表示。使用 2层感知机可以表示异或门。单层感知机只能表示线性空间，而多层感知机可以表示非线性空间。多层感知机（在理论上）可以表示计算机。
2021-04-06 23:52:34
886
1
原创 Tensorflow2.x框架-卷积神经网络-TF描述卷积计算层
Tensorfow描述卷积计算可以在Tensorflow框架下利用keras来构建 CNN中的卷积层，使用的是 tf.keras.layers.Con2D函数，具体的使用方法如下：tf.keras.layers.Conv2D( input_shape=(高, 宽, 通道数), # 输入特征图维度，仅在第一层有，可省略 filters=卷积核个数, kernel_size=卷积核尺寸, # 正方形写核长整数 或 （核高h, 核宽w） s...
2021-04-06 00:43:39
231
原创 Tensorflow2.x框架-卷积神经网络-全零填充（padding）
摘要一、全零填充概念 全零填充（padding）：为了保持输出图像尺寸与输入图像一致，经常会在输入图像周围进行全零填充，如下图所示，在 5 * 5的输入图像周围填 0，则输出特征尺寸同为 5 * 5。 ...
2021-04-05 21:55:45
1481
原创 Tensorflow2.x框架-卷积神经网络-卷积计算过程
卷积计算过程摘要一、全连接网络回顾 全连接 NN特点：每个神经元与前后相邻层的每一个神经元都有连接关系。（可以实现分类和预测） 全连接网络的参数个数为： 如下图所示，针对一张分辨率仅为 28 * 28的黑白图像（像素值个数为 28 * 28 * 1 = 784），全连接网络的参数总量就有将近 40万个。 在实际应用中，图像的分辨率远高于此，且大多数是彩色图像，如下图所示。虽然全连接网络一般被认为是分类预测的最佳网络，但待优化的参数...
2021-04-05 19:44:54
736
原创 Tensorflow2.x框架-神经网络八股扩展-给图识物
应用程序，给图识物目录摘要一、给图识物二、前向传播执行应用三、完整代码摘要应用程序，给图识物一、给图识物输入一张手写数字图片：神经网络自动识别出值：手写 10个数字，正确率 90%以上合格。二、前向传播执行应用predict(输入数据,batch_size=整数) #返回前向传播计算结果实现前向传播执行识图应用三步骤：（1）复现模型（前向传播）model = tf.keras.Sequential([ tf.ke...
2021-04-05 13:42:32
321
原创 Tensorflow2.x框架-神经网络八股扩展-acc曲线与loss曲线
loss /loss可视化，可视化出准确率上升、损失函数下降的过程目录摘要一、acc曲线与loss曲线二、完整代码摘要loss /loss可视化，可视化出准确率上升、损失函数下降的过程一、acc曲线与loss曲线history = model.fit(训练集数据, 训练集标签, batch_size=, epochs=, ...
2021-04-05 00:19:32
2384
原创 Tensorflow2.x框架-神经网络八股扩展-参数提取
参数提取，把参数存入文本摘要参数提取，把参数存入文本。一、提取可训练参数model.trainable_variables返回模型中可训练的参数二、设置print输出格式np.set_printoptions(precision=小数点后按四舍五入保留几位，threshold=数组元素数量少于或等于门槛值，打印全部元素；否则打印门槛值+1个元素，中间用省略号补充)注：precision=np.inf #打印小数位数；threshold=np.nan #...
2021-04-04 23:41:15
392
原创 Tensorflow2.x框架-神经网络八股扩展-断点续训
断点续训，存取模型目录摘要一、读取模型二、保存模型三、完整代码摘要断点续训，可以存取模型。一、读取模型load_weights(路径文件名)# 读取模型base_path = os.path.dirname(os.path.abspath(__file__))# ../MNIST_FC/checkpoint/base_path = os.path.join(base_path, "MNIST_FC")base_path = os.path.join(base
2021-04-04 22:51:34
211
原创 Tensorflow2.x框架-神经网络八股扩展-数据增强
数据增强，扩展数据集目录摘要一、Tensorflow2.x数据增强函数一、Sequential()实现数据增强二、Class()实现数据增强摘要 数据增强（增大数据量），可以帮助扩展数据集。 对图像的增强，就是对图像的简单形变，用来应对因拍照角度不同引起的图片变形。一、Tensorflow2.x数据增强函数image_gen_train = tf.keras.preprocessing.image.ImageDataGenerator(增强方法)...
2021-04-04 21:31:34
562
1
原创 Tensorflow2.x框架-FASHION_MNIST数据集
FASHION数据集目录摘要一、导入模块二、导入 MNIST数据集三、作为输入特征，输入神经网络时，将数据拉伸为一维数组四、可视化训练集输入特征的第一个元素五、打印出训练集输入特征的第一个元素六、打印出训练集标签的第一个元素七、打印出训练集（输入特征、标签）、测试集（输入特征、标签）的形状八、完整代码九、Sequential()实现手写数字识别十、Class()实现手写数字识别摘要 FASHION数据集（具有mnist近乎所有的特征）：...
2021-04-03 22:29:57
620
原创 Tensorflow2.x框架-MNIST数据集
MNIST数据集摘要MNIST数据集： 提供 6w张 28*28像素点的 0~9手写数字图片和标签，用于训练。 提供 1w张 28*28像素点的 0~9手写数字图片个标签，用于测试。一、导入模块# 模块导入import tensorflow as tffrom matplotlib import pyplot as plt二、导入 MNIST数据集# 导入数据集，分别为输入特征和标签mnist = tf.keras.datase...
2021-03-29 01:05:59
1413
1
原创 Tensorflow2.x框架-用 Tensorflow API：tf.keras 搭建网络八股 sequential
Tensorflow2.0 的 API：tf.keras来搭建网络八股 sequential，以鸢尾花数据集来演示
2021-03-28 14:48:55
415
1
原创 单向链表—从单向链表中删除一个元素
从单向链表中删除一个元素一、题目 从单向链表的中删除一个元素。二、基本思想 1、遍历整个链表； 2、找到数据域值等于要删除的元素的节点； 3、将数据域值等于要删除的元素的节点的上一节点的 “next”指针指向数据域值等于要删除的元素的节点的 “next”节点。三、图示 四、代码示例"""1、在单向链表 L 的头部插入一个元素。注...
2021-03-17 22:42:33
2235
原创 单向链表—在单向链表的尾部插入一个元素
在单向链表的尾部插入一个元素一、题目 在单向链表 L尾部插入一个元素。 注意，在设置尾指针指向新节点之前，设置尾节点的“next”指针指向新节点。当向一个空链表中插入新节点时，需要考虑空链表不存在尾节点的情况。二、基本思想 1、创建一个新的节点； 2、将新节点的数据域设置为新元素，将该节点的 “next”指针设置为空； 3、设置尾节点的 “next”...
2021-03-17 22:39:45
6132
原创 单向链表—在单向链表的头部插入一个元素
在单向链表的头部插入一个元素一、题目 在单向链表 L 头部插入一个元素。注意，要在为新节点分配 L.head 变量之前设置新节点的 “next”指针。如果初始列表为空（即 L.head为空），那么就将新节点的 “next”指针指向空（None）。二、基本思想 1、创建一个新的节点； 2、将新节点的数据域设置为新元素，将该节点的 “next”指针指向当前的头节点； ...
2021-03-17 22:36:14
3480
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