python深度學習第二章筆記

2.1mnist例項

# coding=utf-8

"""__project_ = 'python深度學習'
__file_name__ = '2.1mnist'
__author__ = 'win10'
__time__ = '2020/4/11 11:22'
__product_name = pycharm
"""from keras.datasets import mnist
from keras import models
from keras import layers
from keras.utils import to_categorical
#讀取資料
(train_images,train_labels),(test_images,test_labels)=mnist.load_data()
#資料處理
train_images=train_images.reshape(60000,28*28)
train_images=train_images.astype('float32')/255
test_images=test_images.reshape(10000,28*28)
test_images=test_images.astype('float32')/255
train_labels=to_categorical(train_labels)
test_labels=to_categorical(test_labels)
#構建網路，dense 全連線層
network=models.sequential()
network.add(layers.dense(512,activation='relu',input_shape=(28*28,)))
network.add(layers.dense(10,activation='softmax'))
#編譯 需要3個引數 ，損失函式、優化器、訓練和測試過程中的鍵控指標
network.compile(optimizer='rmsprop',
loss='categorical_crossentropy',
metrics=['accuracy'])
#訓練network.fit(train_images,train_labels,epochs=5,batch_size=128)
#測試test_loss,test_acc=network.evaluate(test_images,test_labels)
print(test_loss,test_acc)

# coding=utf-8

"""__project_ = 'python深度學習'
__file_name__ = '2.2張量'
__author__ = 'win10'
__time__ = '2020/4/11 11:39'
__product_name = pycharm
"""import numpy as np
from keras.datasets import mnist
import matplotlib.pyplot as plt
#乙個數字的叫標量
x1=np.array(12)
#數字組成的陣列叫向量
x2=np.array([12,3,6,14,7])
#向量組成的陣列叫矩陣
x3=np.array([[1,2,3],[4,5,6],[7,8,9]])
# 張量的三個屬性
# 個數（階） x.ndim
# 形狀 x.shape
# 資料型別 x.dtype
(train_images,train_labels),(test_images,test_labels)=mnist.load_data()
digit=train_images[4]
plt.imshow(digit,cmap=plt.cm.binary)
plt.show()
#relu 實現
def *****_relu(x):
assert len(x.shape)==2
x=x.copy()
for i in range(x.shape[0]):
for j in range(x.shape[1]):
x[i,j]=max(x[i,j],0)
return x
#add 實現
def *****_add(x,y):
assert len(x.shape==2)
assert x.shape==y.shape
x=x.copy()
for i in range(x.shape[0]):
for j in range(x.shape[1]):
x[i,j]+=y[i,j]
return x

python第二章學習筆記

from math import print pi print e 3.141592653589793 2.718281828459045 print id 11 print id python print type 12 print type 1.2 140733182862288 2498184...

第二章學習筆記

在c 中，陣列下標從0開始，而不是1.c 不支援陣列的抽象，也不支援對整個陣列的操作。在c 中，物件可以靜態分配 即編譯器在處理程式源 時分配，也可以動態分配 即程式執行時，用執行時刻庫函式來分配。靜態與動態記憶體分配的兩個主要區別是 1 靜態物件是有名字的變數，可以直接對你進行操作。而動態物件是沒...

第二章學習筆記

ansi c 有翻譯和執行兩種環境，且不必在一台機器上，例如交叉編譯器 cross compiler 作業系統也是如此 freestanding environment 翻譯 將源 轉換為可執行機器指令 執行 實際執行 翻譯經過以下階段 形成的目標檔案字尾可能在不同系統下不同，如 o obj cc ...