順序模型用的多#sequential按順序構成的模型
from keras.models import
sequential
#構建乙個順序模型
model =sequential()
#model中新增層
#方法一
#構建乙個順序模型
model =sequential()
#在模型中新增乙個全連線層
#1-10-1
model.add(dense(units=10,input_dim=1,activation='
relu'))
#model.add(activation('tanh'))
model.add(dense(units=1,activation='
relu'))
#model.add(activation('tanh'))
#方法二
#建立模型
model =sequential([
dense(units=200,input_dim=784,bias_initializer='
one',activation='
tanh
',kernel_regularizer=l2(0.0003)),
dense(units=100,bias_initializer='
one',activation='
tanh
',kernel_regularizer=l2(0.0003)),
dense(units=10,bias_initializer='
one',activation='
softmax
',kernel_regularizer=l2(0.0003))
])#全連線層
#dense全連線層
from keras.layers import
dense
#構建乙個順序模型
model =sequential()
#在模型中新增乙個全連線層
#1-10-1
model.add(dense(units=10,input_dim=1,activation='
relu'))
#model.add(activation('tanh'))
model.add(dense(units=1,activation='
relu'))
#model.add(activation('tanh'))
#建立模型，輸入784個神經元，輸出10個神經元
model =sequential([
dense(units=10,input_dim=784,bias_initializer='
one',activation='
softmax')
])#卷積的層
from keras.layers import
dense,dropout,convolution2d,maxpooling2d,flatten
#第乙個卷積層
#input_shape 輸入平面
#filters 卷積核/濾波器個數
#kernel_size 卷積視窗大小
#strides 步長
#padding padding方式 same/valid
#activation 啟用函式
model.add(convolution2d(
input_shape = (28,28,1),
filters = 32,
kernel_size = 5,
strides = 1,
padding = '
same',
activation = '
relu'))
#第乙個池化層
model.add(maxpooling2d(
pool_size = 2,
strides = 2,
padding = '
same',
))#第二個卷積層
model.add(convolution2d(64,5,strides=1,padding='
same
',activation = '
relu'))
#第二個池化層
model.add(maxpooling2d(2,2,'
same'))
#把第二個池化層的輸出扁平化為1維
model.add(flatten())
#第乙個全連線層
model.add(dense(1024,activation = '
relu'))
#dropout
model.add(dropout(0.5))
#第二個全連線層
model.add(dense(10,activation='
softmax
'))
#指定優化器
#定義優化器，loss function，訓練過程中計算準確率
model.compile(optimizer=adam,loss='
categorical_crossentropy
',metrics=['
accuracy'])
#optimizer：這個可以使用keras準備好的優化器，'adam'，sgd但是這些優化演算法引數固定。可以自己定義
#loss：損失函式,交叉熵：'categorical_crossentropy'。均方誤差：'mse'
構建網路爬蟲？so easy
網路爬蟲，一般用在全文檢索或內容獲取上面。tiny框架對此也做了有限的支援，雖然功能不多，但是想做全文檢索或從網頁上獲取資料也是非常方便的。框架特性 框架設計 網路爬蟲1 2345 6789 1011 1213 1415 1617 1819 2021 2223 2425 2627 2829 3031...
構建網路爬蟲？so easy
網路爬蟲，一般用在全文檢索或內容獲取上面。tiny框架對此也做了有限的支援，雖然功能不多，但是想做全文檢索或從網頁上獲取資料也是非常方便的。框架特性框架設計 網路爬蟲12 3456 78910 1112 1314 1516 1718 1920 2122 2324 2526 2728 2930 313...
eNSP網路構建 網路安全配置
注 此篇為上篇的內容擴充套件 需求分析 在已構建完成的小型區域網中,內網和網際網路已實現互聯通訊,為增加內網訪問外網安全性,在總路由器與外網之間新增訪問防火牆，設定防火牆訪問策略，限制內網與外網通訊規則。防火牆設定動態路由協議,自動學習內網中路由策略。拓撲圖 注 防火牆為usg5500 拓撲描述 配...