深度学习神经网络的搭建

发布时间:2022-12-04 TENSORFLOW 神经网络 PYTHON COMPUTERVISION

1 神经网络的搭建

接下来我们来构建如下图所示的神经网络模型:

在这里插入图片描述

tf.Keras中构建模有两种方式,一种是通过Sequential构建,一种是通过Model类构建。前者是按一定的顺序对层进行堆叠,而后者可以用来构建较复杂的网络模型。首先我们介绍下用来构建网络的全连接层:

tf.keras.layers.Dense(
    units, activation=None, use_bias=True, kernel_initializer='glorot_uniform',
    bias_initializer='zeros')

主要参数:

  • units: 当前层中包含的神经元个数
  • Activation: 激活函数,relu,sigmoid等
  • use_bias: 是否使用偏置,默认使用偏置
  • Kernel_initializer: 权重的初始化方式,默认是Xavier初始化
  • bias_initializer: 偏置的初始化方式,默认为0

1.1 通过Sequential构建

Sequential() 提供一个层的列表,就能快速地建立一个神经网络模型,实现方法如下所示:

# 导入相关的工具包
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
# 定义一个Sequential模型,包含3层
model = keras.Sequential(
    [
        # 第一层:激活函数为relu,权重初始化为he_normal
        layers.Dense(3, activation="relu",
                     kernel_initializer="he_normal", name="layer1",input_shape=(3,)),
        # 第二层:激活函数为relu,权重初始化为he_normal
        layers.Dense(2, activation="relu",
                     kernel_initializer="he_normal", name="layer2"),
        # 第三层(输出层):激活函数为sigmoid,权重初始化为he_normal
        layers.Dense(2, activation="sigmoid",
                     kernel_initializer="he_normal", name="layer3"),
    ],
    name="my_Sequential"
)

接下来我们使用:

# 展示模型结果
model.summary()

如下所示:

Model: "my_Sequential"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
layer1 (Dense)               (None, 3)                 12        
_________________________________________________________________
layer2 (Dense)               (None, 2)                 8         
_________________________________________________________________
layer3 (Dense)               (None, 2)                 6         
=================================================================
Total params: 26
Trainable params: 26
Non-trainable params: 0
_________________________________________________________________

通过这种sequential的方式只能构建简单的序列模型,较复杂的模型没有办法实现。

参数量计算:以第一个隐层为例:该隐层有3个神经元,每个神经元的参数为:4个(w1,w2,w3,b1),所以一共用3x4=12个参数。

在这里插入图片描述

1.2 利用function API构建

tf.keras 提供了 Functional API,建立更为复杂的模型,使用方法是将层作为可调用的对象并返回张量,并将输入向量和输出向量提供给 tf.keras.Modelinputsoutputs 参数,实现方法如下:

# 导入工具包
import tensorflow as tf
# 定义模型的输入
inputs = tf.keras.Input(shape=(3,),name = "input")
# 第一层:激活函数为relu,其他默认
x = tf.keras.layers.Dense(3, activation="relu",name = "layer1")(inputs)
# 第二层:激活函数为relu,其他默认
x = tf.keras.layers.Dense(2, activation="relu",name = "layer2")(x)
# 第三层(输出层):激活函数为sigmoid
outputs = tf.keras.layers.Dense(2, activation="sigmoid",name = "layer3")(x)
# 使用Model来创建模型,指明输入和输出
model = tf.keras.Model(inputs=inputs, outputs=outputs,name="my_model") 

同样通过:

# 展示模型结果
model.summary()

结果如下所示:

Model: "my_model"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input (InputLayer)           [(None, 3)]               0         
_________________________________________________________________
layer1 (Dense)               (None, 3)                 12        
_________________________________________________________________
layer2 (Dense)               (None, 2)                 8         
_________________________________________________________________
layer3 (Dense)               (None, 2)                 6         
=================================================================
Total params: 26
Trainable params: 26
Non-trainable params: 0
_________________________________________________________________

另外也可以通过:

# 模型展示
keras.utils.plot_model(model,show_shapes=True)

在这里插入图片描述

1.3 通过model的子类构建

通过model的子类构建模型,此时需要在__init__中定义神经网络的层,在call方法中定义网络的前向传播过程,实现方法如下:

# 导入工具包
import tensorflow as tf
# 定义model的子类
class MyModel(tf.keras.Model):
    # 在init方法中定义网络的层结构
    def __init__(self):
        super(MyModel, self).__init__()
        # 第一层:激活函数为relu,权重初始化为he_normal
        self.layer1 = tf.keras.layers.Dense(3, activation="relu",
                     kernel_initializer="he_normal", name="layer1",input_shape=(3,))
        # 第二层:激活函数为relu,权重初始化为he_normal
        self.layer2 =tf.keras.layers.Dense(2, activation="relu",
                     kernel_initializer="he_normal", name="layer2")
        # 第三层(输出层):激活函数为sigmoid,权重初始化为he_normal
        self.layer3 =tf.keras.layers.Dense(2, activation="sigmoid",
                     kernel_initializer="he_normal", name="layer3")
    # 在call方法中万完成前向传播
    def call(self, inputs):
        x = self.layer1(inputs)
        x = self.layer2(x)
        return self.layer3(x)
# 实例化模型
model = MyModel()
# 设置一个输入,调用模型(否则无法使用summay())
x = tf.ones((1, 3))
y = model(x)

同样的我们也可以通过summay方法来查看模型构建的结果

2 神经网络的优缺点

2.1 优点

  • 精度高,性能优于其他的机器学习方法,甚至在某些领域超过了人类
  • 可以近似任意的非线性函数
  • 随之计算机硬件的发展,近年来在学界和业界受到了热捧,有大量的框架和库可供调用

2.2 缺点

  • 黑箱,很难解释模型是怎么工作的
  • 训练时间长,需要大量的计算力
  • 网络结构复杂,需要调整超参数
  • 小数据集上表现不佳,容易发生过拟合
3 总结
  • 知道深度学习与机器学习的关系

深度学习是机器学习的一个子集,主要区别在是否包含特征工程

  • 知道神经网络是什么

一种模仿生物神经网络结构和功能的 计算模型

  • 知道常见的激活函数

默认使用relu,二分类是sigmoid, 多分类是softmaxs

  • 知道参数初始化的常见方法

随机初始化,标准初始化,Xavier初始化,He初始化

  • 能够利用tf.keras构建神经网络模型

Sequential的方法,Model的函数式编程,构建model的子类实现

  • 了解神经网络的优缺点

更多相关推荐


31 个Python代码实现的常用功能(附案例源码)

发布时间:2022-09-16 前端 PYTHON 开发语言 JAVA 面试
今天给大家分享30个Python常用代码案例,建议收藏啊~1、冒泡排序2、计算x的n次方的方法 3、计算aa+bb+c*c+…… 4、计算阶乘n!   5、列出当前目录下的所有文件和目录名 6、把一个list中所有的字符串变成小写: 7、输出某个路径下的所有文件和文件夹的路径 8、输出某个路径及其子目录下的所有文件路径 9、输出某个路径及其子目录下所有以.html为后缀的文件  10、把原字典的键...

Java线程中yield与join方法的区别

发布时间:2019-05-28 JAVA 操作系统 PYTHON
2019独角兽企业重金招聘Python工程师标准>>>长期以来,多线程问题颇为受到面试官的青睐。虽然我个人认为我们当中很少有人能真正获得机会开发复杂的多线程应用(在过去的七年中,我得到了一个机会),但是理解多线程对增加你的信心很有用。之前,我讨论了一个wait()和sleep()方法区别的问题,这一次,我将会讨论join()和yield()方法的区别。坦白的说,实际上我并没有用过...

Python进程梳理

发布时间:2019-06-23 进程 PYTHON PYTHON 开发之路
1multiprocessinglesson"""进程和线共用一个API,大体都是一样的进程实现了并行,线程实现了并发只是子进程开一个会占用多一倍内存,所以不能过多,而线程无要求""""""一,调用库不同,两种实例化方式相同(这是必然的)"""#线程importthreadingq=threading.Thread(target=fuuc,args=())fromthreadingimportTh...

Python:7-1 列表去重 (40分)

输入一个列表,去掉列表中重复的数字,按原来次序输出!输入格式:在一行中输入列表输出格式:在一行中输出不重复列表元素输入样例:在这里给出一组输入。例如:[4,7,5,6,8,6,9,5]输出样例:在这里给出相应的输出。例如:475689代码实现:a=eval(input())b=set(a)b=list(b)b.sort(key=a.index)foriinrange(len(b)):ifi==le...

Datawhale 组队学习Task4:教你读推荐论文-MIND

发布时间:2022-11-24 学习 深度学习 PYTHON
论文十问Q1论文试图解决什么问题?先前的推荐系统中只把用户建模为一个嵌入表示,不能很好的反应用户的多种兴趣关系。Q2这是否是一个新的问题?是一个新的问题Q3这篇文章要验证一个什么科学假设?用户的兴趣是分散的,精细化建模每个用户的不同兴趣对推荐系统有帮助Q4有哪些相关研究?如何归类?谁是这一课题在领域内值得关注的研究员?大领域属于序列推荐,小类为多兴趣推荐,YitongPang,YimingZhan...

1.9 删除序列相同元素并保持顺序

发布时间:2020-09-08 数据结构 PYTHON COOKBOOK
问题怎样在一个序列上面保持元素顺序的同时消除重复的值?解决方案如果序列上的值都是hashable类型,那么可以很简单的利用集合或者生成器来解决这个问题。比如:defdedupe(items):seen=set()foriteminitems:ifitemnotinseen:yielditemseen.add(item)下面是使用上述函数的例子:>>>a=[1,5,2,1,9,1,...

python3汉化版手机版,python3安卓版汉化版

发布时间:2022-09-16 VUE.JS 计算机科学 开发语言 PYTHON
python3中文怎么安装谷歌人工智能写作项目:小发猫谁有Python3版本的chm格式的中文手册啊??求分享。。python是一款应用非常广泛的脚本程序语言,谷歌公司的网页就是用python编写typescript模块命名。python在生物信息、统计、网页制作、计算等多个领域都体现出了强大的功能。python和其他脚本语言如java、R、Perl一样,都可以直接在命令行里运行脚本程序。工具/原...

数据分析pandas 常用函数手册

发布时间:2022-11-20 PYTHON
pandas函数最近在对股票数据进行清洗和计算的过程中,遇到了不少对这个库函数的使用,所以做了个函数使用总结。轴的理解pandas很多函数会指定轴,要正确理解轴的含义,才容易明白函数意义ax0选中列,对行进行函数应用ax1选中行,对列进函数应用我的理解是先看选中了啥,然后应用操作,例如默认的都是ax0,代表选中了列,多行进行运算操作。常用函数手册信息函数说明df.shape输出dataframe有...

python安装numpy-NumPy 安装

发布时间:2020-11-01 安装 PYTHON
NumPy安装Python官网上的发行版是不包含NumPy模块的。我们可以使用以下几种方法来安装。1、使用已有的发行版本对于许多用户,尤其是在Windows上,最简单的方法是下载以下的Python发行版,它们包含了所有的关键包(包括NumPy,SciPy,matplotlib,IPython,SymPy以及Python核心自带的其它包):Anaconda:免费Python发行版,用于进行大规模数据...

numpy读取数据

发布时间:2021-10-11 PYTHON
注意不是所有的都是np.loadtxt因为不一定都是txt文件格式importnumpyasnpuk_file_path="./data/GB_video_data_numbers.csv"us_file_path="./data/US_video_data_numbers.csv"t1=np.loadtxt(us_file_path,delimiter=',',dtype="int")print...

Model object is not callable

发布时间:2022-11-23 开发语言 PYTHON
    记录一下自己犯得优质错误,希望对遇到问题的你有所帮助 开头的时候,我把cutword_thulac.py命名成了thulac.py,然后就出现了Modelobjectisnotcallable,试过了anacondaprompt没有问题,还在想为什么,然后发现,是py文件命名问题,你如果取同样的名字,电脑就不知道该用哪个了,所以把文件名改一下就运行成功了!...

Python画常见分布的概率密度图

发布时间:2022-11-01 PYTHON PYTHON学习 学习笔记
因为做概随大作业,了解了一些python画概率分布图的方法。正态分布代码如下:importnumpyasnpimportmathimportmatplotlib.pyplotasplt#设置中文plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=Falsedefgd(x,mu=0,sigma=1)...

基于jQuery的上下无缝滚动

发布时间:2012-04-13 JAVASCRIPT VIEWUI PYTHON
2019独角兽企业重金招聘Python工程师标准>>>$(function(){var_wrap=$('ul.line');//定义滚动区域var_interval=2000;//定义滚动间隙时间var_moving;//需要清除的动画_wrap.hover(function(){clearInterval(_moving);//当鼠标在滚动区域中时,停止滚动},function...

Python提取文件夹中特定类型文件的名称

发布时间:2022-11-13 PYTHON
defgetFileName(Path_File,Type_File):#欢迎使用,使用请注明来源,作者姜正,邮箱jiangzheng221@mails.ucas.ac.cn,中国科学院海洋所#Path_File是文件夹的路径,Type_File是文件的种类(Eg:‘.txt’)List_FileName=[]#List_FileName用来存储符合筛选条件的文件的名称List_AllFile=o...

python-nonlocal关键字

发布时间:2022-09-14 PYTHON
nonlocal关键字作用:外层函数的局部变量,被内部函数引用使用形成闭包:使用了nonlocal关键字,将变量标记为不在本地作用域定义,而在上级的某一级局部作用域中定义,但不能是全局作用域中定义示例:在上级局部作用域中定义,在内部作用域中使用defcounter():count=0definc():nonlocalcountcount+=1print(count)returncountretur...

安卓 记录

发布时间:2018-03-29 移动开发 PYTHON
2019独角兽企业重金招聘Python工程师标准>>>1,checkbox扩大点击区域android:layout_width="wrap_content"android:layout_height="15dp"android:button="@null"android:drawableLeft="@drawable/check_style"android:paddingLeft...

Ubuntu安装FairMOT环境避坑记录

本人电脑环境为Ubuntu22.04、显卡3090、本地cuda为11.6。按照FairMOT官方提供的教程搭建环境,但在编译DCNv2时报错了。现将遇到的坑总结如下:1、报错显示:NVIDIAGeForceRTX3090withCUDAcapabilitysm_86isnotcompatiblewith。。。原因为RTX3090算力过高,CUDA11以下不支持,需要CUDA11以上的版本。安装c...

Windows下安装配置Anaconda、PyCharm开发Python程序

发布时间:2022-11-23 开发语言 PYTHON
前言Anaconda是为独立从业者开发的工具包,可让您使用数以千计的开源包和库,它是一种开源、灵活的解决方案,它提供了以跨平台方式构建、分发、安装、更新和管理软件的实用程序。Conda可以轻松管理多个数据环境,这些环境可以单独维护和运行而不会相互干扰。一、下载安装Anaconda1、下载Anaconda,下载地址为:Anaconda|TheWorld'sMostPopularDataScience...

python&AI

人工智能三个阶段弱人工智能只能完成特定任务(驾驶,翻译)通用人工智能强人工智能超越人类机器学习TomMitchel定义的过程任务训练过程模型表现与统计学&计量经济学关系机器学习:侧重Optimization实现Prediction统计学:Statisticallymodelingandinference计量经济学:causalinference分类Supervisedlearning数据已...

Python XlsxWriter业务流量周报表脚本(转载)

发布时间:2018-01-19 运维 PYTHON
一、使用XlsxWriter模块生成Excel表格安装XlsxWriter模块pip2.7installxlsxwriter官网:http://xlsxwriter.readthedocs.org/常用方法说明:Workbook(filename[options])用于创建一个workbook对象创建一个Excel文件workbook=xlsxwriter.Workbook('chart.xlsx...

高手系列!数据科学家私藏pandas高阶用法大全 ⛵

💡作者:韩信子@ShowMeAI📘数据分析实战系列:https://www.showmeai.tech/tutorials/40📘本文地址:https://www.showmeai.tech/article-detail/394📢声明:版权所有,转载请联系平台与作者并注明出处📢收藏ShowMeAI查看更多精彩内容如果你是数据科学家、数据分析师、机器学习工程师,或者任何python数据从业者,你一定...

Linux 服务器安装部署Jena

Jena1.下载包https://jena.apache.org/download/index.cgi2.上传至服务器对应路径并解压3.配置环境变量>sudovim~/.bashrc添加如下内容>source~/.bashrc4.开启fuseki服务浏览器中输入http://localhost:3030就可以看到如下页面啦5.上传自己的数据文件到jena的TDB2中>tdb1.x...

【监测】判断Linux进程在哪个CPU核运行的方法

发布时间:2019-11-23 SHELL LINUX PYTHON JAVA 操作系统
原文:https://linux.cn/article-6307-1.html?pr问题:有一个Linux进程运行在多核处理器系统上,如何查看该进程运行在哪个CPU上?方法一:如果一个进程使用taskset命令明确的被固定(Pinned)到CPU的特定内核上,你可以使用taskset命令找出被固定的CPU内核:taskset-c-p<pid>例如,如果你对PID为5357的进程感兴趣,...

Python数据分析之pandas学习

发布时间:2018-08-04 PYTHON
                  在pandas中有两类非常重要的数据结构,即序列Series和数据框DataFrame。Series类似于numpy中的一维数组,除了通吃一维数组可用的函数或方法,而且其可通过索引标签的方式获取数据,还具有索引的自动对齐功能;DataFrame类似于numpy中的二维数组,同样可以通用numpy数组的函数和方法,而且还具有其他灵活应用,后续会介绍到。1、Seri...

java学习思维导图

发布时间:2018-04-02 JAVA 数据库 PYTHON
2019独角兽企业重金招聘Python工程师标准>>>jvm体系http://naotu.baidu.com/file/d25f5efd0c2529f46fd76c9aeb51f395?token=8f23f5ee2a544b7ejava并发体系http://naotu.baidu.com/file/e6b41e23a4ec47e38b751e8dd976776c?token=b...

python爬虫2之利用cookie进行登录

发布时间:2022-11-30 爬虫 PYTHON爬虫 开发语言 PYTHON
利用requests模拟post方法requests.post(url=,data=,hearders=)url即要解析的网址data即是向服务器添加的信息;注意类型必须为字典hearders此处常设置用户代理User-Agent此处以百度翻译为例子,打开百度翻译输入相关信息观察,如下图所示:例如requests实现代码如下:#百度翻译栗子importrequestsurl="https://fa...

python --爬虫基础 --爬取今日头条 使用 requests 库的基本操作, Ajax

发布时间:2018-11-23 爬虫 JSON PYTHON
'''思路一:由于是Ajax的网页,需要先往下划几下看看XHR的内容变化二:分析js中的代码内容三:获取一页中的内容四:获取图片五:保存在本地使用的库1.requests网页获取库2.fromurllib.parseimporturlencode将字典转化为字符串内容整理拼接到url3.os操作文件的库4.fromhashlibimportmd5md5的哈希库5.frommultiprocessi...

获取tabs的打开数量和当前是否打开

发布时间:2014-11-13 JAVASCRIPT VIEWUI PYTHON
2019独角兽企业重金招聘Python工程师标准>>>控制tabs打开的数量!//用下面的方法得到当前TAB的总数量vartabcount=$('#tabs').tabs('tabs').length;//获得当前打开窗口数量前一个参数是Id可变的,后一个tabs固定写死修改addTab方法为:functionaddTab(subtitle,url,icon){vartabCou...

搭建python的开发环境(anaconda + pycharm)

发布时间:2019-04-02 ANACONDA PYTHON
下载anaconda镜像,(慢的)www.continuum.io或者https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/(python3.7版本的,搜索4.3.0选择Anaconda3的windows;python2.7对应anaconda2)安装过程中需要勾选Addtosystempath验证安装成功:win+r,cmd,输入python...

Pycharm配置Anaconda3环境

发布时间:2022-10-30 IDE PYCHARM PYTHON
Pycharm配置Anaconda3环境使用前言`简述:Anaconda3一款python开源版本软件(最流行的数据分析平台),pycharm配置Anaconda3环境使用安装库或其它库都会非常方便,或安装库时必免一些未知的报错等都是非常有用的一、先安装好pycharm和Anaconda3直达1:pycharm官网下载直达2:Anaconda3官网下载二、使用步骤1.定位安装自已的Anaconda...

分享实时股票python接口的部分功能运行过程

发布时间:2022-11-23 开发语言 PYTHON
实时股票python接口的部分功能运行开发过程:1.#-*-coding:utf-8-*-2.3."""4.5.此DLL接口为32位,用python解释器调用此接口的时候必须要用python32位解释器6.7.1.用32位系统的直接安装32位python解释器8.2.用64位系统的要设置兼容32位python解释器9.10."""11.12.fromctypesimport*13.14.15.#填...

为什么akshare取数会很慢?如何修正?

如果按照惯例,假如我们使用在python虚拟环境中安装了akshare,测试运行的时候检查akshare取数并没有问题,但是如何拿到自控模块来运行多多少少都是出现些速度的快慢的问题。就比如说,在股票交易过程中,用户在a股行情接口打开来获取akshare数据包进行预处理,获取的数据零零散散,就容易出现akshare取数会很慢的情况,那么,在这些情况下,作为软件开发者,应该如何在修正呢?那首先我们可以...

股票接口实时交易数据怎么查询?

股票数据接口作为软件应用而言,很多资源和数据是由自身提供的,像其他一些功能还是需要调用第三方提供的服务,这其中就涉及到股票数据接口api的调用功能,通过api来获取实时交易数据查询更方便,因此,如果交易者想要了解股票接口实时交易数据,应该怎么去操作查询呢?我们首先来看,运用到哪些api接口的功能,将数据按照相应的变化输出:1、获取的数据类型:消息说明TickRecord逐笔成交OrderRecor...

katalon开启google浏览器权限

发布时间:2022-08-23 CHROME KATALON SELENIUM PYTHON
浏览器中访问Clipboard API需要开启权限,通常会弹出下面的对话框  自动测试不允许交互,可以通过Robot工具来模拟点击allow Robotrobot=newRobot(); robot.delay(2000); robot.keyPress(KeyEvent.VK_TAB); robot.keyPress(KeyEvent.VK_ENTER);这种方法是模拟人工点击allow...

开发吐槽大会

发布时间:2022-11-16 C语言 C++ PYTHON JAVA PHP
开发平时对需求很辛苦的,今天让我们畅所欲言,把平时没有机会吐槽的,统统宣泄出来,来吐槽!!!哈哈哈哈哈哈,上周公司组织了吐槽大会,觉得蛮有意思的,平时认真工作的程序员儿,开启吐槽模式也是句句扎心,最狠的是,扎死产品的同时还不小心“刺伤”自己的开发同伴(不过感觉程序员小伙伴之间经常直来直去“互相伤害”hhhhhh)让我来康康都有什么统一的“怨言”!...

python:下载天涯论坛上指定作者的文章

发布时间:2009-10-26 PYTHON
最近看天涯上的连续小说,感到有些地方很不方便,比如:作者写了一篇后,后面很多人回复,然后作者在写,别人再回复,导致看一篇完整的文章时,需要自己可能得翻很多次页才能看完.于是编写了这个python脚本,只要用户输入帖子首页的网址,和作者名(如果不输入,就认为是第一篇文章的作者),就能将该帖子中该作者写的内容全部提取出来# -*- coding: mbcs -*-#import re,urllib, ...

关于导入的JS不支持中文的问题解决方法

发布时间:2015-08-09 JAVASCRIPT VIEWUI PYTHON
2019独角兽企业重金招聘Python工程师标准>>>最近最项目导入js的时候,发现中文在页面上面显示的是乱码,网上有很多解决方式,比如把文件重新保存为utf-8的方式,然后再打开等等不过我发现了一种更简单的方式来解决这个问题首先,我们知道js是支持中文的,但是为什么在html页面上显示的是乱码呢,说明问题肯定出在导入JS的时候,那么如果在导入的时候设置编码的话,应该就行了于是,...

Weblogic Domain Template Creation Script

发布时间:2010-12-27 JAVA PYTHON
ThisWLSTscript"VASDomainTemplateFinalV1.py"readsdomaininformationfrom"VASDomainInfoV1.txt"andcreatesweblogicserverdomaintemplateinthedirectoryasmentionedin"VASDomainInfoV1.txt".配置过程:1)Thispythonscript...

余弦相似度

发布时间:2013-07-30 PYTHON
转载自:http://www.ruanyifeng.com/blog/2013/03/cosine_similarity.html评:作者写的通俗易懂。实在不需要改进了,一下仅仅是加深个人印象,便于个人记忆。第一步:分词句子A:我/喜欢/看/电视,不/喜欢/看/电影。句子B:我/不/喜欢/看/电视,也/不/喜欢/看/电影。 第二步:列出所有词我,喜欢,看,电视,电影,不,也。 第三步:计算词频句子...

编写和排版到打印和封装一本高考词典

发布时间:2019-05-03 PYTHON
说明笔者个人博客网站:https://hk-shao.github.io/最新文章和更新都会在这里搜集了历年来各个省份的高三英语模拟卷和历年来的高考英语全国卷总共130多份电子文档,统计其中所有的大约50多万单词,得到不同单词的频数。使用python爬取了Google翻译的汉语释义和英文释义,有道词典的单词音标和单词的短语。整理好后用Word进行排版,最后导出pdf到网店进行封装打印成书。简单介绍...

【博学谷学习记录】超强总结,用心分享|人工智能第十三课Python-操作mysql数据库 !

发布时间:2022-11-20 学习 PYTHON初识 PYTHON 数据库
1、学习PyMySQL意义如何实现将大批量数据插入到MySQL数据库?如果使用之前学习的MySQL客户端来完成这个操作,那么这个工作量无疑是巨大的,我们可以通过使用程序代码的方式去连接MySQL数据库,然后对MySQL数据库进行增删改查的方式,实现大批量的数据的插入,像这样使用代码的方式操作数据库就称为数据库编程。2、安装PyMySQL模块安装PyMySQL:#pipinstallpymysql卸...

复习笔记

复习笔记:网络结构LeNetAlexNetZFNetVGGNiNInceptionv1到v4Inception-ResNetResNetWRNFractalNetStochasticDepthDenseNetResNeXtXceptionSENetSqueezeNetNASNetMobileNetv1和v2ShuffleNet杂点使用全局平均池化代替全连接层:17年很多论文支出:GAP(Globa...

神经网络瘦身:SqueezeNet

发布时间:2018-03-07 SQUEEZENET 神经网络
正文共1753个字,4张图,预计阅读时间5分钟。今年二月份,UCBerkeley和Stanford一帮人在arXiv贴了一篇文章:SqueezeNet:AlexNet-levelaccuracywith50xfewerparametersand<0.5MBmodelsize(https://arxiv.org/abs/1602.07360)这篇文章做成了许多人梦寐以求的事——压缩神经网络参数...

Flask服务器与客户端基本通信【Unity网络编程(三)】

这里先演示基于Python的客户端和服务器的登录实现。1.Flask服务器端(GET和POST请求接收实现)1.GET和POST区别:(简单理解)1.GET因为是读取,就可以对GET请求的数据做缓存(浏览器)。不能随意多次执行。POST不能缓存(所以如果重新执行POST请求,浏览器会弹框提示你可能对丢失信息)2.GET和POST都可以请求和发送数据(GET只能url传参数,所以隐私性,安全性较差,...

深度学习神经元介绍

发布时间:2022-11-24 深度学习 人工智能 COMPUTERVISION
1激活函数人工神经元接收到一个或多个输入,对他们进行加权并相加,总和通过一个非线性函数产生输出。所有的输入xi,与相应的权重wi相乘并求和:将求和结果送入到激活函数中,得到最终的输出结果:在神经元中引入了激活函数,它的本质是向神经网络中引入非线性因素的,通过激活函数,神经网络就可以拟合各种曲线。如果不用激活函数,每一层输出都是上层输入的线性函数,无论神经网络有多少层,输出都是输入的线性组合,引入非...