欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

深度学习编程作业与算法相关函数笔记

程序员文章站 2022-07-02 09:07:39
文章目录Python语法1.除法/,//,np.divide(),np.true_divide(),np.floor_divide()2.list[]3.\__init__,\__new__,\__class__...Numpy库1.rand(),randn(),randint(),random_sample()2.squeeze(),ravel(),flatten()3.array()4.linalg.norm()5.随机种子Matplotlib库1.contourf()2.cmap=plt.cm.Spe...

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()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