深度学习的相关含义是什么
652
2022-05-30
TensorFlow简介与Python基础
2018.9.10
一、概述
TF使用数据数据流图进行数值计算,亮点是支持异构设备分布式计算机
常用的ML库有MXNet Torch/Pytorch Theano CNTK Caffe等
0阶张量(纯量),1阶张量(向量),2阶张量(矩阵)tensor(张量) flow(流动)
编程模式 命令式编程(Torch) 符号式编程(Tensorflow,theano 描述算法流程 放到其他语言执行)
TF使用数据流图来进行编程 是一种推断结构
TF的高层库()如Kearas(对用户友好,模块化)
Deep-learning主要的运算是浮点运算
TF的亮点之一是autograph模式
TF的功能:设计、训练、部署(唯一一个形成完整生态的ML sys)
二、环境配置
虚拟环境的安装
使用pip命令安装venv
sudo pip install virtualenv
cd 项目目录 切换到项目所在的目录
激活虚拟环境
virtualenv --system-site-packages venv
退出venv
deactivate
5、查看venv环境的python包版本
pip freeze
三、科学工具和流程
编译语言C,C++,Fortran 快,优化好,但语法不友好
脚本语言: Matlab 开发友好,收费,基础语言缺乏
R语言 偏向统计,不能完成所有的任务
高级的pyhton shell:IPython,Jupyter
python包:
Numpy:强大的数值对象操作
Scipy:高级的数据处理程序 (优化、回归差值等)
Matplotlib:2D可视化 (不可交互,对3D图像支持不好)
四、python基础
(一)数据类型
python的变量类型不像C++一样在定义时必须制定参数的变量类型,是一种动态语言
Python可以处理任意大小(没有大小限制)的正负整数,使用0x作为前缀表示十六进制
按照科学计数法表示的数字,比如1.23e9代表.23*e^9$
由于储存方式不同,整数永远是精确的,但是浮点数可以四舍五入
字符串是以单引号或者双引号括起来的任意文本
如果字符串里有很多字符需要转义,为简化可以使用r'',引号内的字符串默认不转义
print('\\t\')
\ \
print(r'\\t\')
\\t\
boolean只有True和false两种,其结果可由比较运算,逻辑运算得出(and,or,not)
当两个变量比较时,如果给定的变量值小于100,则使用is运算的得到的两个变量所得bool结果为true,否则为false(这是由于python在储存同一个变量是当变量的数值小于100是使用同一块内存,而大于100是则不使用同一块内存)
a = 1000b = 1000print(a is b) print(id(a),id(b))
False4526894320 4526894960
a = 100b = 100print(a is b) print(id(a),id(b))
True4305331680 4305331680
(二)字符串
在python保存源代码是,需要制定保存为UTF-8编码,当解释器读取时,在开头加上这两行文字(第一行告诉Unix系统这是一个python可执行程序,win会忽略这个注释,第二行是告诉编译器以utf-8的方式读取,否则中文不能正常编码):
#!/usr/bin/env python3#-*- coding: utf-8 -*-
在Python中,格式化方式与C相同,使用%实现。%s表示用字符串替换,%d表示用整数替换,有几个%?后面就需要跟几个变量或值,当变量大于2时需要用括号括起来,有一个的话可以省略
print("Hi,my name is %s, I'm %d years old."%('Alex',10))
Hi,my name is Alex, I'm 10 years old.
(三)循环
for x in ...就是把每个元素带入变量x,然后执行缩进块的语句
names = ['A','B','C']for name in names: print(name)
AB C
使用range(n)可以生成一个迭代器,其值是0 ~ n-1
sum = 0for i in range(101): sum = sum + i print(sum)
5050
使用while循环打印100以内所有奇数的和:
sum = 0n = 99while n>0: sum = sum + n n = n - 2print(sum)
2500
(四)Python数据结构
list是有序的集合,可以随时删除和添加元素
classlist = ['class1','class2','class3'] len(classlist) #使用len可以获得列表的长度classlist[0] #使用下标可以访问list的元素(以0开始)classlist[-1] #使用负下标可以访问倒数的元素
'class3'
列表的插入
classlist.append('class4') #尾插法print(classlist) classlist.insert(1,'class5') #指定索引插入print(classlist)
['class1', 'class2', 'class3', 'class4'] ['class1', 'class5', 'class2', 'class3', 'class4']
列表的删除
classlist.pop() #如果pop不加参数,则删除最后一个,否则按照索引顺序删除print(classlist)
['class1', 'class5', 'class2', 'class3']
注意:
list中的元素数据类型可以不同
list中可以有另外的list
list中一个元素也没有,则其长度为0
元组的另一名称为有序列表,一旦初始化就不能修改,没有append和pop方法
tuple存在的意义在于tuple不可变,所以代码更安全,如果可能,尽量用tuple代替list
当定义只有一个元素的tuple时,需要将这个元素后面加上一个逗号,因为()可能会产生歧义。Python规定单独出现的小括号内容计算结果使其本身。
t = (1,) #是(1,)而不是(1)print(t)
(1,)
注意:
要创建一个内容也不变的tuple必须保证tuple中的每一个元素本身不能变(不允许出现tuple中嵌套list的情况)
dict使用键-值(key-value)存储,具有很快的查找速度
dic = {'A':95,'B':80,'C':75} print(dic['A'])
95
修改dic某个key的值:
dic['A']=60print(dic['A'])
60
对比list与dict:
dict:查找插入速度快,不会因为key的增加而变慢,但浪费内存多
list:查找插入时间随着元素的增加而增加,但占用空间小,浪费内存少
注意:
dic是一种用空间换时间的存储结构(hash)
key必须是不可变的对象
set与dict类似,是key的集合,但不存储value,没有重复的key
重复的元素在set中被自动过滤掉:
s = set([1,1,2,2,3,3]) print(s)
{1, 2, 3}
其他方法:
add(key)可以添加元素到set中
remove(key)可以删除set中的元素
集合操作:
s1 = set([1,2,3]) s2 = set([2,3,4]) print(s1&s2) print(s1|s2)
{2, 3} {1, 2, 3, 4}
(五)切片
L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
取得前三个元素:
L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack'] print(L[:3]) #L[0:3]表示,从索引0开始取,直到索引3为止,但不包括索引3。即索引0,1,2,正好是3个元素#如果第一索引是0,可以省略
['Michael', 'Sarah', 'Tracy']
也可以负切片(记住倒数第一个元素的索引是 -1):
L[-2:]
['Bob', 'Jack']
前10个数,每两个取一个(第3个参数n为步长,代表隔n个数取出一个):
L = list(range(100))>>> L[::5] [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
(五)jupyter使用
魔法命令
import numpy as np
np.reshape?? #在命令后加??可以查看对应命令的帮助文档
File "
a =[1,3,5]
%run my_file.py #百分号后面的为魔法命令,可以执行非python的内容
%whos #魔法命令:查看变量
%ls #支持大部分下的Linux命令%pwd
%timeit a #使用timeit监测性能
for item in [1,3,5]: print(item)
for item in range(10): #range()可以生成迭代器,等价于range(0,10) print(item)
-------------------------------------------
本文转自XuAn97916博客51CTO博客
TensorFlow 深度学习 python
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。