- VGG16网络是13层卷积层，运算起来非常的忙，如果使用CPU基本跑不了 import keras from keras import layers import numpy as np import os import shutil 12345 还是猫狗数据集，2000张训练集，1000张测试集 base_dir = '../猫狗数据集/cat_dog' tr... VGG16网络是13层卷积层，运算起来非常的忙，如果使用CPU基本跑不了 import keras from keras import layers import numpy as np import os import shutil 12345 还是猫狗数据集，2000张训练集，1000张测试集 base_dir = '../猫狗数据集/cat_dog' tr...
- 数据集是航空公司评论数据集 美联航 Twitter 用户评论数据是一个Twitter评论情绪数据，从2015年2月开始抓取的美国航空公司Twitter评论数据，并对每条评论进行情感评价，包括正面、负面和中性评价。同时，对负面评价给出了原因，如：延迟、服务粗鲁等。 import pandas as pd import numpy as np data = pd.r... 数据集是航空公司评论数据集 美联航 Twitter 用户评论数据是一个Twitter评论情绪数据，从2015年2月开始抓取的美国航空公司Twitter评论数据，并对每条评论进行情感评价，包括正面、负面和中性评价。同时，对负面评价给出了原因，如：延迟、服务粗鲁等。 import pandas as pd import numpy as np data = pd.r...
- 逻辑回归 之前写过逻辑回归，是sklearn的方法，基本一样 https://blog.csdn.net/weixin_44510615/article/details/88608831 补充一个概念： 交叉商损失函数 交叉商是实际输出概率于期望输出概率的距离，也就是交叉商的值越小，两个概率分布就越接近。 假设概率分布p为期望输出，概率分布q是实际输出，H（p... 逻辑回归 之前写过逻辑回归，是sklearn的方法，基本一样 https://blog.csdn.net/weixin_44510615/article/details/88608831 补充一个概念： 交叉商损失函数 交叉商是实际输出概率于期望输出概率的距离，也就是交叉商的值越小，两个概率分布就越接近。 假设概率分布p为期望输出，概率分布q是实际输出，H（p...
- 循环神经网络，Recurrent Neural Network。神经网络是一种节点定向连接成环的人工神经网络。这种网络的内部状态可以展示动态时序行为。不同于前馈神经网络的是，RNN可以利用它内部的记忆来处理任意时序的输入序列，这让它可以更容易处理如不分段的手写识别、语音识别等。 CNN处理图片，RNN处理文本，语音和视频 分类 完全递归网络（Fully rec... 循环神经网络，Recurrent Neural Network。神经网络是一种节点定向连接成环的人工神经网络。这种网络的内部状态可以展示动态时序行为。不同于前馈神经网络的是，RNN可以利用它内部的记忆来处理任意时序的输入序列，这让它可以更容易处理如不分段的手写识别、语音识别等。 CNN处理图片，RNN处理文本，语音和视频 分类 完全递归网络（Fully rec...
- 多元线性回归 这里有个Advertising.csv 找出TV ， radio ， newspaper 和 sales关系 读入数据 import pandas as pd data = pd.read_csv('Advertising.csv') x = data.iloc[:,1:-1] y = data.iloc[:,-1] 12345 建立层 ... 多元线性回归 这里有个Advertising.csv 找出TV ， radio ， newspaper 和 sales关系 读入数据 import pandas as pd data = pd.read_csv('Advertising.csv') x = data.iloc[:,1:-1] y = data.iloc[:,-1] 12345 建立层 ...
- keras 中数据预处理 所有的函数都在keras.preprocessing 分别有text ,sequence, image # 文字预处理txt = "My name is maoli.maoli don't like coding."1 文字预处理 ... keras 中数据预处理 所有的函数都在keras.preprocessing 分别有text ,sequence, image # 文字预处理txt = "My name is maoli.maoli don't like coding."1 文字预处理 ...
- 电影评价预测，对于词频使用keras.preprocessing.sequence.pad_sequences import keras from keras import layers 12 data = keras.datasets.imdb 1 max_word = 10000 1 (x_train, y_train), (x_test, y_test) ... 电影评价预测，对于词频使用keras.preprocessing.sequence.pad_sequences import keras from keras import layers 12 data = keras.datasets.imdb 1 max_word = 10000 1 (x_train, y_train), (x_test, y_test) ...
- import keras from keras import layers import numpy as np import os import shutil 12345 base_dir = '../猫狗数据集/cat_dog' train_dir = os.path.join(base_dir , 'train') train_dir_dog = os.path... import keras from keras import layers import numpy as np import os import shutil 12345 base_dir = '../猫狗数据集/cat_dog' train_dir = os.path.join(base_dir , 'train') train_dir_dog = os.path...
- 上篇讲了概念的东西 实战使用 泰坦尼克数据集，之前对它进行数据预处理 可以阅读上几篇 import pandas as pd import keras import numpy as np data = pd.read_csv('./dataset/tt/train.csv') y = data.Survived x = data[['Pclass', 'Sex... 上篇讲了概念的东西 实战使用 泰坦尼克数据集，之前对它进行数据预处理 可以阅读上几篇 import pandas as pd import keras import numpy as np data = pd.read_csv('./dataset/tt/train.csv') y = data.Survived x = data[['Pclass', 'Sex...
- 数据集 """ 年龄。(数字) 工作: 工作类型。(分类: 管理员，未知，失业者，经理，女佣，企业家，学生，蓝领，个体户，退休人员，技术人员，服务人员) 婚姻: 婚姻状况。(分类: 已婚，离婚，单身。注: 离婚指离异或丧偶) 教育: (分类: 未知，中学，小学，高中) 默认值: 是否具有信用?(二分类: 是，否) 余额: 年均余额，单位为欧元。(数字) 住房: 有住房... 数据集 """ 年龄。(数字) 工作: 工作类型。(分类: 管理员，未知，失业者，经理，女佣，企业家，学生，蓝领，个体户，退休人员，技术人员，服务人员) 婚姻: 婚姻状况。(分类: 已婚，离婚，单身。注: 离婚指离异或丧偶) 教育: (分类: 未知，中学，小学，高中) 默认值: 是否具有信用?(二分类: 是，否) 余额: 年均余额，单位为欧元。(数字) 住房: 有住房...
- 上次我们用探究多分类的问题,目标数据做独热编码，用 categorical_crossentropy 来计算softmax交叉熵，但是多分类还可以将目标数据做顺序编码，用 sparse_categorical_crossentropy 来计算softmax交叉熵 没错这次用目标数据做顺序编码来处理之前的iris数据集 导入不讲了 data = pd.read_cs... 上次我们用探究多分类的问题,目标数据做独热编码，用 categorical_crossentropy 来计算softmax交叉熵，但是多分类还可以将目标数据做顺序编码，用 sparse_categorical_crossentropy 来计算softmax交叉熵 没错这次用目标数据做顺序编码来处理之前的iris数据集 导入不讲了 data = pd.read_cs...
- 文字预处理 在文字的建模实践中，一般需要把原始文字拆解成单字、单词或者词组，然后将这些拆分的要素进行索引，标记化供机器学习算法使用。这种预处理叫做标注（Tokenize）。虽然这些功能都可以用python实现，但是Keras提供了现成的方法。 对于keras全部封装在text中 分词器 Tokenizer keras.preprocessing.text.To... 文字预处理 在文字的建模实践中，一般需要把原始文字拆解成单字、单词或者词组，然后将这些拆分的要素进行索引，标记化供机器学习算法使用。这种预处理叫做标注（Tokenize）。虽然这些功能都可以用python实现，但是Keras提供了现成的方法。 对于keras全部封装在text中 分词器 Tokenizer keras.preprocessing.text.To...
- 多层感知器(神经网络) 从线性回归模型和对数几率回归模型本质上都是单个神经元 计算输入特征的加权 使用一个激活函数计算输出 单个神经元(二分类) 多和神经元(多分类) 但是单层神经元有缺陷 无法拟合“异或”运算 多去官网https://keras.io/zh/看看 因此多层感知器诞生 生物的 多层感知器(神经网络) 从线性回归模型和对数几率回归模型本质上都是单个神经元 计算输入特征的加权 使用一个激活函数计算输出 单个神经元(二分类) 多和神经元(多分类) 但是单层神经元有缺陷 无法拟合“异或”运算 多去官网https://keras.io/zh/看看 因此多层感知器诞生 生物的
- 什么是一维卷积 一维卷积 • 图中的输入的数据维度为8，过滤器的维度为5。与二维卷积类似，卷积后输出的数据维度为8−5+1=48−5+1=4。 • 如果过滤器数量仍为1，输入数据的channel数量变为16，即输入数据维度为 8 × 16 。这里channel的概念相当于自然语言处理中的embedding，而该输入数据代表8个单词，其中每个单词的词向量维度大小... 什么是一维卷积 一维卷积 • 图中的输入的数据维度为8，过滤器的维度为5。与二维卷积类似，卷积后输出的数据维度为8−5+1=48−5+1=4。 • 如果过滤器数量仍为1，输入数据的channel数量变为16，即输入数据维度为 8 × 16 。这里channel的概念相当于自然语言处理中的embedding，而该输入数据代表8个单词，其中每个单词的词向量维度大小...
- 上次讲了二分类的实例，今天来探究多分类的问题 实战 iris数据集的介绍 iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Ve... 上次讲了二分类的实例，今天来探究多分类的问题 实战 iris数据集的介绍 iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Ve...
上滑加载中
推荐直播
-
DTT年度收官盛典：华为开发者空间大咖汇，共探云端开发创新2025/01/08 周三 16:30-18:00
Yawei 华为云开发工具和效率首席专家 Edwin 华为开发者空间产品总监
数字化转型进程持续加速，驱动着技术革新发展，华为开发者空间如何巧妙整合鸿蒙、昇腾、鲲鹏等核心资源，打破平台间的壁垒，实现跨平台协同？在科技迅猛发展的今天，开发者们如何迅速把握机遇，实现高效、创新的技术突破？DTT 年度收官盛典，将与大家共同探索华为开发者空间的创新奥秘。
去报名 -
GaussDB应用实战：手把手带你写SQL2025/01/09 周四 16:00-18:00
Steven 华为云学堂技术讲师
本期直播将围绕数据库中常用的数据类型、数据库对象、系统函数及操作符等内容展开介绍，帮助初学者掌握SQL入门级的基础语法。同时在线手把手教你写好SQL。
去报名
热门标签