#为图像像素点增加高斯噪音 noise = np.random.normal(loc=0.5, scale = 0.5, size = x_train.shape) x_train_noisy = x_train + noise noise = np.random.normal(loc=0.5, scale = 0.5, size = x_test.shape) x_test_noisy = x_test + noise #添加噪音值后，像素点值可能会超过1或小于0，我们把这些值调整到[0,1]之间 x_train_noisy = np.clip(x_train_noisy, 0., 1.) x_test_noisy = np.clip(x_test_noisy, 0., 1.)autoencoder =...
import numpy as np samples = [The cat jump over the dog, The dog ate my homework]#我们先将每个单词放置到一个哈希表中 token_index = {} for sample in samples:#将一个句子分解成多个单词for word in sample.split():if word not in token_index:token_index[word] = len(token_index) + 1#设置句子的最大长度 max_length = 10 results = np.zeros((len(samples), max_length, max(token_index.values()) + 1)) for i, samp...
import matplotlib.pyplot as plt import numpy as np import matplotlib.mlab as mlab import mathmu = 0 variance = 1 sigma = math.sqrt(variance) x = np.linspace(mu - 3*sigma, mu + 3*sigma, 100) plt.plot(x, mlab.normpdf(x, mu, sigma)) plt.show()import scipy, scipy.stats x = scipy.linspace(0,10,11) pmf = scipy.stats.binom.pmf(x,10,0.5) import pylab pylab.plot(x,pmf)
def conv_(img, conv_filter):filter_size = conv_filter.shape[1]result = numpy.zeros((img.shape))print(loop r: , numpy.uint16(numpy.arange(filter_size/2.0,img.shape[0]-filter_size/2.0+1)))#Looping through the image to apply the convolution operation.for r in numpy.uint16(numpy.arange(filter_size/2.0,img.shape[0]-filter_size/2.0+1)):for c in numpy.uint16(numpy.arange(filter_size/2.0,img.shape[1]-filt...
import pandas as pd data_path = /Users/chenyi/Documents/housing.csv housing = pd.read_csv(data_path) housing.info()housing.head()housing.describe()housing.hist(bins=50, figsize=(15,15)) housing[ocean_proximity].value_counts()import seaborn as sns total_count = housing[ocean_proximity].value_counts() plt.figure(figsize=(10,5)) sns.barplot(total_count.index, total_count.values, alpha=0.7) pl...
from keras import layers from keras import modelsmodel = models.Sequential() #首层接收2维输入 model.add(layers.Conv2D(32, (3,3), activation=relu, input_shape=(28,28,1))) model.add(layers.MaxPooling2D(2,2)) model.add(layers.Conv2D(64, (3,3), activation=relu)) model.add(layers.MaxPooling2D((2,2))) model.add(layers.Conv2D(64, (3,3), activation=relu))model.add(layers.Flatten()) model.add(layers.Dense(...
from keras.datasets import imdb #num_words表示加载影评时，确保影评里面的单词使用频率保持在前1万位，于是有些很少见的生僻词在数据加载时会舍弃掉 (train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000)print(train_data[0]) print(train_labels[0])#频率与单词的对应关系存储在哈希表word_index中,它的key对应的是单词，value对应的是单词的频率 word_index = imdb.get_word_index() #我...
import numpy as np#构建一个含有一个常数12的0维张量 x = np.array(12) print(x) #ndim表示张量的维度 print(x.ndim)x1 = np.array([11,12,13]) print(x1) print(x1.ndim)x2 = np.array([[11,12,13],[14,15,16]]) print(x2) print(x2.ndim)W1 = np.array([[1,2],[3,4]]) W2 = np.array([[5,6],[7,8]]) print("W2 - W1 = {0}".format(W2-W1))def matrix_multiply(x, y):#确保第一个向量的列数等于第二个向量的行数assert x.shape[1...
安装Anaconda 参考我的另一篇博客 https://blog.csdn.net/okfu_DL/article/details/83014304 Cuda 版本之说，网上众说纷纭。具体讲一下我的配置，和我的个人看法。 配置如下： Gtx 1080 ti + Cuda9.0 + cudnn7.3 其实主要是Cuda版本，cudnn会有对应的版本提示。 1. 查看Cuda版本 打开nividia控制面板-> 帮助->系统信息->组件，就可以看到Cuda版本信息。 我这里的cuda 一开始是10.0，但是目前的深度学习包是不支持Cuda 10.0的，所以...
目标 配置深度学习环境，基于 ubuntu 18.04.5 +TensorFlow + GPU + python 3.6 硬件 需要的硬件如下： 1 一台带GPU的机器（深度学习环境将装在它上面） 2 一台装好了windows机器（制作系统启动盘，无需科学上网） 3 一个U盘（制作系统启动盘） 我的硬件如下 ： 1 一台带GPU的机器（深度学习环境将装在它上面） 储存盘1 ： 250G 固态； 存储盘2：2T机械盘（其实未挂载使用） 内存：4*16 G GPU：1080 *2 （有一个死活检测不到，最后...
本文链接：https://blog.csdn.net/tjhyx2012/article/details/112955582 作为一名新手，也是出于兴趣，我通过查找有关资料，使用RTX3080显卡搭建了基于Pycharm+Python+Cuda+cuDNN+TensorFlow工具的开发环境，也解决了一些问题，希望对刚入门深度学习的新手有所帮助，也欢迎比较懂的朋友多提宝贵意见，相互学习。 一、软、硬件准备 A. 硬件准备 看到标题进来的朋友自然要知道，要搭建基于Pycharm+Python+Cuda+cuDNN+TensorFlow，显卡...
!mkdir /content/gdrive/My Drive/conversation 将文本句子分解成单词，并构建词库 path = /content/gdrive/My Drive/conversation/ with open(path + question.txt, r) as fopen:text_question = fopen.read().lower().split(\n) with open(path + answer.txt, r) as fopen:text_answer = fopen.read().lower().split(\n)concat_question = .join(text_question).split() vocabulary_size_question = len(list(set(concat_questi...
!pip install gym import random import numpy as np import matplotlib.pyplot as plt from keras.layers import Dense, Dropout, Activation from keras.models import Sequential from keras.optimizers import Adam from keras import backend as K from collections import deque import gym#选取互动环境 env = gym.make(CartPole-v1) state = env.reset()#0或1表示让小车向不同方向移动 action = 0 #step(action)表示想环...
#学习率设为1 import tensorflow as tf training_steps=10 learning_rate=1x=tf.Variable(tf.constant(5,dtype=tf.float32),name='x') y=tf.square(x)train_op=tf.train.GradientDescentOptimizer(learning_rate).minimize(y)with tf.Session() as sess:init_op=tf.global_variables_initializer()sess.run(init_op)for i in range(training_steps):sess.run(train_op)x_value=sess.run(x)print("After %s iters:x%s is %f."%(i+1,...
import numpy as np import tensorflow as tf import matplotlib.pyplot as plt# 定义RNN的参数。 HIDDEN_SIZE = 30 # LSTM中隐藏节点的个数。 NUM_LAYERS = 2 # LSTM的层数。 TIMESTEPS = 10 # 循环神经网络的训练序列长度。 TRAINING_STEPS = 10000 # 训练轮数。 BATCH_SIZE = 32 # ba...