文章目錄第1章Python入門第2章感知機(jī)第3章神經(jīng)網(wǎng)絡(luò)第4章神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)第5章誤差反向傳播第6章與學(xué)習(xí)相關(guān)的技巧1.各種參數(shù)更新的方法2.權(quán)重的初始值第7章卷積神經(jīng)網(wǎng)絡(luò)原書鏈接（感謝作者，書是真的經(jīng)典，建議購買紙質(zhì)書）：https://github.com/zjcao/books/blob/master/%E3%80%8A%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8%EF%BC%9A%E5
系統(tǒng) 2019-09-27 17:55:57 2515
1、題目描述https://leetcode-cn.com/problems/move-zeroes/https://leetcode.com/problems/move-zeroes/給定一個數(shù)組nums，編寫一個函數(shù)將所有0移動到數(shù)組的末尾，同時保持非零元素的相對順序。示例:輸入:[0,1,0,3,12]輸出:[1,3,12,0,0]說明:必須在原數(shù)組上操作，不能拷貝額外的數(shù)組。盡量減少操作次數(shù)。2、代碼詳解雙指針classSolution:defmo
系統(tǒng) 2019-09-27 17:54:05 2515
動態(tài)添加屬性，就是這個屬性不是在類定義的時候添加的，而是在程序運(yùn)行過程中添加的，動態(tài)添加屬性有兩種方法，第一個是直接通過對象名.屬性名，第二個是通過setattr添加：1、第一種：使用對象.屬性名添加：p.ageb=182、第二種，使用setattr函數(shù)添加：classPerson:def__init__(self,name):self.name=namep=Person('lyc')p.age=18ifnothasattr(p,’sex’):setatt
系統(tǒng) 2019-09-27 17:53:25 2515
函數(shù)：string.join()Python中有join()和os.path.join()兩個函數(shù)，具體作用如下：join()：連接字符串?dāng)?shù)組。將字符串、元組、列表中的元素以指定的字符(分隔符)連接生成一個新的字符串os.path.join()：將多個路徑組合后返回一、函數(shù)說明1、join()函數(shù)語法：'sep'.join(seq)參數(shù)說明sep：分隔符。可以為空seq：要連接的元素序列、字符串、元組、字典上面的語法即：以sep作為分隔符，將seq所有的元
系統(tǒng) 2019-09-27 17:50:48 2514
函數(shù)名說明A.center(n【,B】)將字符串A居中，len(A)>n返回A，len(A)A.ljust(n【,B】)將字符串A左對齊，同上A.rjust(n【,B】)將字符串A右對齊，同上A.zfill()將字符串右對齊，剩余0補(bǔ)齊將字符串居中對齊，左右對齊，30為總字符長度，默認(rèn)用空格填充a='IloveChian'print(a.center(30))print(a.ljust(30,'-'))print(a.rjust(30,'_'))字符串右對
系統(tǒng) 2019-09-27 17:49:56 2514
神經(jīng)網(wǎng)絡(luò)模型一般用來做分類，回歸預(yù)測模型不常見，本文基于一個用來分類的BP神經(jīng)網(wǎng)絡(luò)，對它進(jìn)行修改，實現(xiàn)了一個回歸模型，用來做室內(nèi)定位。模型主要變化是去掉了第三層的非線性轉(zhuǎn)換，或者說把非線性激活函數(shù)Sigmoid換成f(x)=x函數(shù)。這樣做的主要原因是Sigmoid函數(shù)的輸出范圍太小，在0-1之間，而回歸模型的輸出范圍較大。模型修改如下：代碼如下：#coding:utf8''''author:Huangyuliang'''importjsonimportra
系統(tǒng) 2019-09-27 17:47:41 2514
python第三方庫安裝速度慢或安裝失敗解決方法解決方法解決方法1.訪問https://www.lfd.uci.edu/~gohlke/pythonlibs/#pytorch2.在鍵盤上按Ctrl+F，出現(xiàn)窗口3.在窗口中輸入要安裝的庫（這里以xgboost為例）4.點擊橙色的xgboost5.出現(xiàn)以下畫面，接著按照自己的電腦選擇不同版本的庫。0.90表示庫的版本，cp37表示python3.7，amd64表示64位系統(tǒng)6.點擊后就會開始下載7.打開cmd
系統(tǒng) 2019-09-27 17:48:38 2513
使用示例：1.取值2.取索引3.修改4.新增4-1列表末尾追加list.append4-2在指定位置添加數(shù)據(jù)4-3list.entend把一個列表的內(nèi)容追加到另一個列表的末尾5.刪除5-1list.remove刪除第一次出現(xiàn)的指定的數(shù)據(jù)，如果數(shù)據(jù)不存在，程序會報錯5-2list.pop不帶參數(shù)刪除列表末尾的數(shù)據(jù)5-3list.pop帶參數(shù)刪除指定索引位置的數(shù)據(jù)5-4清空整個列表list.chear5-5dellist[索引]本質(zhì)上是把一個變量從內(nèi)存中刪除，
系統(tǒng) 2019-09-27 17:57:22 2512
最近在做深度學(xué)習(xí)時需要用到圖像處理相關(guān)的操作，在度娘上找到的圖片旋轉(zhuǎn)方法千篇一律，旋轉(zhuǎn)完成的圖片都不是原始大小，很苦惱，于是google到歪果仁的網(wǎng)站扒拉了一個方法，親測好用，再次嫌棄天下文章一大抄的現(xiàn)象，雖然我也是抄歪果仁的。廢話不多說了，直接貼代碼了。defrotate_bound(image,angle):#grabthedimensionsoftheimageandthendeterminethe#center(h,w)=image.shape[:
系統(tǒng) 2019-09-27 17:56:27 2511
zip即將多個可迭代對象組合為一個可迭代的對象，每次組合時都取出對應(yīng)順序的對象元素組合為元組，直到最少的對象中元素全部被組合，剩余的其他對象中未被組合的元素將被舍棄。keys=['one','two','three']values=[1,2,3]d=zip(keys,values)print(list(d))示例結(jié)果：[('one',1),('two',2),('three',3)]可以看到我們由zip模擬了一個類似字典的一一對應(yīng)的元組迭代對象，并將其轉(zhuǎn)化
系統(tǒng) 2019-09-27 17:55:52 2511
在我們進(jìn)行圖像數(shù)據(jù)實驗的時候往往需要給圖像添加相應(yīng)的噪聲，那么該怎么添加呢，下面給出具體得操作方法。1、打開Python的shell界面，界面如圖所示；2、載入skimage工具包和其他的工具包，如圖所示，代碼如下：fromskimageimportio,dataimportnumpyasnp3、采用以下指令讀取圖片：img=data.coffee()4、采用以下指令填產(chǎn)生噪聲：rows,cols,dims=img.shapeforiinrange(500
系統(tǒng) 2019-09-27 17:46:09 2511
00.裝飾是未函數(shù)和類指定管理代碼的一種方式。裝飾器本身的形式是處理其他的可調(diào)用對象的可調(diào)用的對象。*函數(shù)裝飾器在函數(shù)定義的時候進(jìn)行名稱重綁定，提供一個邏輯層來管理函數(shù)和方法或隨后對它們的調(diào)用。*類裝飾器在類定義的時候進(jìn)行名稱重綁定，提供一個邏輯層來管理，或管理隨后調(diào)用它們所創(chuàng)建的示例。01.管理調(diào)用和實例*函數(shù)裝飾器安裝包裝器對象，以在需要的時候攔截隨后的函數(shù)調(diào)用并處理它們*類裝飾器安裝包裝器對象，以在需要的時候攔截隨后的實例創(chuàng)建調(diào)用并處理它們。02.裝
系統(tǒng) 2019-09-27 17:57:31 2510
1，打開memcached服務(wù)memcached-m10-p120002，使用python-memcached模塊，進(jìn)行簡單的鏈接和存取數(shù)據(jù)importmemcachemc=memcache.Client(['127.0.0.1:12000'],debug=0)mc.set("foo","bar")mc.get("foo")mc.disconnect_all()3，其它方法請參考：help(mc)以上這篇python鏈接和操作memcache方法就是小編分
系統(tǒng) 2019-09-27 17:56:34 2510
一、python格式化輸出使用占位符輸出時，%s表示字符串輸出，%d表示整數(shù)輸出，%f表示浮點數(shù)輸出優(yōu)點：填充方式靈活，單個參數(shù)可以多次輸出,參數(shù)順序可以不同1、整型%d表示整型>>>name='lly'>>>age=19>>>print('%s的年齡是%d'%(name,age))2、浮點型%f表示浮點型，默認(rèn)保留小數(shù)點后六位%.2f表示保留小數(shù)點后兩位二、整數(shù)的占位不夠的位數(shù)前邊補(bǔ)01、使用0占位：缺點：不靈活，位數(shù)會發(fā)生改變>>>sid=1>>>na
系統(tǒng) 2019-09-27 17:55:32 2510
本文實例講述了Python機(jī)器學(xué)習(xí)算法庫scikit-learn學(xué)習(xí)之決策樹實現(xiàn)方法。分享給大家供大家參考，具體如下：決策樹決策樹(DTs)是一種用于分類和回歸的非參數(shù)監(jiān)督學(xué)習(xí)方法。目標(biāo)是創(chuàng)建一個模型，通過從數(shù)據(jù)特性中推導(dǎo)出簡單的決策規(guī)則來預(yù)測目標(biāo)變量的值。例如，在下面的例子中，決策樹通過一組if-then-else決策規(guī)則從數(shù)據(jù)中學(xué)習(xí)到近似正弦曲線的情況。樹越深，決策規(guī)則越復(fù)雜，模型也越合適。決策樹的一些優(yōu)勢是:便于說明和理解，樹可以可視化表達(dá)；需要很少
系統(tǒng) 2019-09-27 17:48:44 2510
