04 2019 档案

Python 3下使用Matplotlib工具画图，中文显示乱码的问题解决
摘要：运行结果： 乱码是Matplotlib缺少中文配置所导致的，所以我们只需要在程序中说明使用中文字体即可。 先选一个字体。在计算机中找到字体，选择一种中文字体，比如我这里用的是宋体 右键点击属性可以查看文件名称和路径： 解决方法： 1、设置自定义的中文文字（在程序中定义Matplotlib的字体管理） 阅读全文
posted @ 2019-04-16 21:10 Archer-Fang 阅读(200) 评论(0) 推荐(0)
mysql8安装
摘要：首先我们需要去官网下载mysql的包。我这里是直接下的免安装包。 下载地址：https://dev.mysql.com/downloads/mysql/ 下载版本： 下一步直接点这里： 就开始下载了。 下载完之后是一个压缩包，解压之后会出现这样几个文件夹： （其中data文件夹和my.ini是没有的 阅读全文
posted @ 2019-04-16 15:14 Archer-Fang 阅读(272) 评论(0) 推荐(0)
yield解析
摘要：1.yield可以用来为一个函数返回值塞数据 代码： 结果： 2. next()语句 代码： 结果： 3. send(msg) 与 next() 其实next()和send()在一定意义上作用是相似的，区别是send()可以传递yield表达式的值进去，而next()不能传递特定的值，只能传递Non 阅读全文
posted @ 2019-04-09 16:44 Archer-Fang 阅读(181) 评论(0) 推荐(0)
协程
摘要：和多线程比，协程有何优势？ 最大的优势就是协程极高的执行效率。 1.因为子程序切换不是线程切换，而是由程序自身控制，因此，没有线程切换的开销，和多线程比，线程数量越多，协程的性能优势就越明显。 2.第二大优势就是不需要多线程的锁机制，因为只有一个线程，也不存在同时写变量冲突，在协程中控制共享资源不加 阅读全文
posted @ 2019-04-09 15:57 Archer-Fang 阅读(117) 评论(0) 推荐(0)
利用卷积神经网络实现MNIST手写数据识别
摘要：代码： 阅读全文
posted @ 2019-04-03 20:45 Archer-Fang 阅读(1464) 评论(0) 推荐(0)
pytorch中的view函数和max函数
摘要：一、view函数 代码： 输出： 解释： 其中参数-1表示剩下的值的个数一起构成一个维度。 如上例中，第一个参数1将第一个维度的大小设定成1，后一个-1就是说第二个维度的大小=元素总数目/第一个维度的大小，此例中为3*4*5*7/1=420. 代码: 输出： 二、max函数 1.torch.max( 阅读全文
posted @ 2019-04-03 19:42 Archer-Fang 阅读(8999) 评论(0) 推荐(2)
优化器的性能比较
摘要：代码： 性能比较图如下： 结论：RMSprop与Adam优化性能较好，SGD与Momentun较差 阅读全文
posted @ 2019-04-03 15:15 Archer-Fang 阅读(376) 评论(0) 推荐(0)
Pytorch中的variable, tensor与numpy相互转化的方法
摘要：1.将numpy矩阵转换为Tensor张量 2.将Tensor张量转化为numpy矩阵 3.将numpy转换为Variable 4.将Variable张量转化为numpy 阅读全文
posted @ 2019-04-03 14:47 Archer-Fang 阅读(755) 评论(0) 推荐(0)
批数据训练
摘要：把要训练的数据转换成数据集，然后把数据集放到loader中加载，可以有效的帮助你迭代数据。 DataLoader 是 torch 给你用来包装你的数据的工具. 所以你要讲自己的 (numpy array 或其他) 数据形式装换成 Tensor, 然后再放进这个包装器中. 代码： 如果BATCH_SI 阅读全文
posted @ 2019-04-03 14:13 Archer-Fang 阅读(208) 评论(0) 推荐(0)
保存神经网络或只保存神经网络参数
摘要：1.保存神经网络 速度较慢 2.只保存神经网络参数 速度快，这种方式将会提取所有的参数, 然后再放到你的新建网络中 代码： 输出图： 阅读全文
posted @ 2019-04-03 12:31 Archer-Fang 阅读(1413) 评论(0) 推荐(0)
torch随机数 manual_seed
摘要：torch.manual_seed(args.seed) #为CPU设置种子用于生成随机数，以使得结果是确定的 代码： 输出：结果不同 代码： 输出：结果相同 代码： 输出：结果不同，但再次运行a，b不变 阅读全文
posted @ 2019-04-03 12:11 Archer-Fang 阅读(2322) 评论(0) 推荐(1)
pytorch学习 中 torch.squeeze() 和torch.unsqueeze()的用法
摘要：一、先看torch.squeeze() 这个函数主要对数据的维度进行压缩，去掉维数为1的的维度，比如是一行或者一列这种，一个一行三列（1,3）的数去掉第一个维数为一的维度之后就变成（3）行。 1.squeeze(a)就是将a中所有为1的维度删掉。不为1的维度没有影响。 2.a.squeeze(N) 阅读全文
posted @ 2019-04-03 12:00 Archer-Fang 阅读(18279) 评论(1) 推荐(4)
快速搭建神经网络
摘要：原来-方式一： 输出： 现在-方式二： 输出： 比较： 方式一适合于个性化的向前传播配置，如使用RNN。但是麻烦。 方式二搭建简单，省略了很多的过程 阅读全文
posted @ 2019-04-03 11:40 Archer-Fang 阅读(269) 评论(0) 推荐(0)
区分类型（分类）
摘要：1.填数据 2.构造神经网络模型 3.训练模型 4.绘图 代码如下 阅读全文
posted @ 2019-04-02 21:55 Archer-Fang 阅读(326) 评论(0) 推荐(0)
pytorch函数之nn.Linear
摘要：class torch.nn.Linear（in_features，out_features，bias = True ）[来源] 对传入数据应用线性变换：y = A x+ b 参数： in_features - 每个输入样本的大小 out_features - 每个输出样本的大小 bias - 如果 阅读全文
posted @ 2019-04-02 21:28 Archer-Fang 阅读(48912) 评论(0) 推荐(4)
pytorch函数之torch.normal()
摘要：Returns a Tensor of random numbers drawn from separate normal distributions who’s mean and standard deviation are given. 这个是官网给出的解释，大意是返回一个张量，张量里面的随机数 阅读全文
posted @ 2019-04-02 20:58 Archer-Fang 阅读(2878) 评论(0) 推荐(0)
卷积神经网络
摘要：为什么要用卷积神经网络？ 传统神经网络的劣势 前面说到在图像领域，用传统的神经网络并不合适。我们知道，图像是由一个个像素点构成，每个像素点有三个通道，分别代表RGB颜色，那么，如果一个图像的尺寸是（28，28，1），即代表这个图像的是一个长宽均为28，channel为1的图像（channel也叫de 阅读全文
posted @ 2019-04-02 19:41 Archer-Fang 阅读(442) 评论(0) 推荐(0)
反向传播算法
摘要：假设，你有这样一个网络层： 第一层是输入层，包含两个神经元i1，i2，和截距项b1；第二层是隐含层，包含两个神经元h1,h2和截距项b2，第三层是输出o1,o2，每条线上标的wi是层与层之间连接的权重，激活函数我们默认为sigmoid函数。 现在对他们赋上初值，如下图： 其中，输入数据 i1=0.0 阅读全文
posted @ 2019-04-01 21:30 Archer-Fang 阅读(2778) 评论(0) 推荐(1)