深度学习编程作业与算法相关函数笔记
Python语法
1.除法/,//,np.divide(),np.true_divide(),np.floor_divide()
作用:
/
结果为小数;//
只保留整数部分;np.divide()
和np.true_divide()
结果一样为小数;np.floor_divide()
只保留整数结果。
参考:python中除法 / 和// 区别 以及np.divide,np.true_divide,np.floor_divide方法区别
2.list[]
语法:
list[start:end:stride]
作用:切片数组
参考:-【学习笔记1】python中list[::-1]、list[:-1]、list[2::-1]的使用方法
3._init_,_new_,_class_…
作用:python中所有类默认继承object类,object类提供了很多原始的内建属性和方法。
参考:-Python常用内建方法:init,new,__class__的使用详解
Numpy库
import numpy as np
1.rand(),randn(),randint(),random_sample()
作用:生成(0,1)均匀分布随机数;生成(0,1)标准正态分布随机数;生成随机整数;生成[0,1)随机数。
参考:-Numpy 中 rand, randn, randint,random_sample用法
2.squeeze(),ravel(),flatten()
语法:
numpy.squeeze(a,axis = None)
作用:三个函数都有将多维数组转换为一维数组的功能。squeeze()
函数从数组的形状中删除单维度条目,即把shape中为1的维度去掉。
参考: - Numpy库学习—squeeze()函数
-numpy中的ravel()
-numpy中的ravel()、flatten()、squeeze()的用法与区别
3.array()
语法:
numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)
作用:生成数组(第三个参考里列举了其他相关函数)
参考:-Numpy.array()详解 、np.array与np.asarray辨析、 np.array和np.ndarry的区别
-np.array()
4.linalg.norm()
语法:
np.linalg.norm(x, ord=None, axis=None, keepdims=False)
作用:求范数,默认是ord=2即 L 2 L_2 L2范数。
参考:-np.linalg.norm(求范数)
5.随机种子
语法:
np.random.seed(0)
作用:和np.random.rand()
等生成随机数的方法一起使用,用来生成伪随机数。
参考:-随机种子的详解
Matplotlib库
import matplotlib.pyplot as plt
1.contourf()
语法:
plt.coutour([X, Y,] Z,[levels], **kwargs)
作用:绘制三维等高线,contour()
绘制轮廓线,contourf()
会填充轮廓。
参考:-matplotlib.pyplot contourf()函数的使用
2.cmap=plt.cm.Spectral
语法:
plt.scatter(X, Y, c = label, s = 40, cmap = plt.cm.Spectral)
作用:给label为1的点一种颜色,给label为0的点另一种颜色。
参考:-关于plt.cm.Spectral
3.subplot()
语法:
plt.subplot(nrows, ncols, index, **kwargs)
作用:用子图的形式表示图表
参考:-plt.subplot()使用方法以及参数介绍
4.axis()
语法:
plt.axis([a, b, c, d])
作用:x坐标轴范围[a,b],y坐标轴范围[c,d],还可以对坐标轴进行其他设置,详见参考。
参考:-matplotlib系列-plt.axis
5.rcParams[]
语法:
plt.rcParams['image.interpolation'] = 'nearest'
作用:设置插值方式,可以利用其他参数设置图像细节,具体见参考。
参考:-Matplotlib中plt.rcParams用法(设置图像细节)
TensorFlow框架
import tensorflow as tf
1.tf.one_hot()
语法:
tf.one_hot(indices,depth,on_value=None,off_value=None,axis=None,dtype=None,name=None)
作用:独热函数
参考:-tf.one_hot()
2.tf.argmax()
语法:
tf.argmax(array,axis)
作用:可以认为是np.argmax()
,返回数组array所在坐标轴axis的最大值的下标。
3.tf.cast()
语法:
tf.cast(x, dtype)
作用:将x的数据格式转化成dtype
4.tf.random_normal(),tf.random_uniform(),tf.truncated_normal(),tf.random_shuffle()
语法及作用:
1.tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None)
从正态分布中输出随机值
2.tf.random_uniform(shape, minval=0,maxval=None,dtype,seed,name)
从均匀分布中返回随机值
3.tf.truncated_normal(shape, mean, stddev,dtype,seed,name)
截断的正态分布函数
4.tf.random_shuffle(value,seed,name)
随机打乱张量
参考:-tf.argmax, tf.equal, tf.cast和 tf.truncated_normal
-tensorflow 生成随机数 tf.random_normal 和 tf.random_uniform 和 tf.truncated_normal 和 tf.random_shuffle
5.tf.contrib.layers.xavier_initializer()
语法:
tf.contrib.layers.xavier_initializer(uniform=True,seed=None,dtype=tf.float32)
作用:返回一个用于初始化权重的初始化程序 “Xavier” ,这个初始化器是用来使得每一层输出的方差应该尽量相等。
参考:-tf.contrib.layers.xavier_initializer函数用法
6.tf.nn.sparse_softmax_cross_entropy_with_logits()
语法:
tf.nn.sparse_softmax_cross_entropy_with_logits(logits=输出层输出,labels=一维vector长度为batch_size)
作用:同时实现softmax和cross_entropy得出loss
参考:-【TensorFlow】关于tf.nn.sparse_softmax_cross_entropy_with_logits()
Keras框架
from keras import backend as k
1.K.learning_phase()
语法:’
K.learning_phase(): 1
作用:当前模型执行于训练模式(1)或测试模型(0),一般用于feed_dict的参数。
参考:-K.learning_phase()函数解说
学习笔记未完,现在的进度是深度学习5.1序列模型的编程作业,深度学习所有完成之后会把编程作业重新过一遍,然后增加笔记。
本文地址:https://blog.csdn.net/keiven_/article/details/110420610
下一篇: Python读取文件问题记录