查看“Python编程”的源代码
←
Python编程
跳转至:
导航
、
搜索
因为以下原因,你没有权限编辑本页:
您刚才请求的操作只对以下1个用户组开放:
用户
。
您可以查看并复制此页面的源代码:
=python语言= 文件读取:csv(pandas库),图片(pilllow库),其他(字符串处理) ==Pandas库使用== #/usr/bin/python # -*- coding: utf-8 -*- import pandas as np import sys df = np.read_csv("traffic.txt", header=None) for x in range(0,10): df.to_csv("%d.csv" %x, columns=[x], header=True, index=False) ==Numpy库使用== Numpy数据操作:基本操作(dtype,reshape,transpose),数据切分(下标访问,random.sample等等) 以下代码绘制sin(x)/x函数: import matplotlib.pyplot as plt import numpy as np x = np.linspace(-10,10,1000) sink = lambda x: np.sin(x)/x plt.plot(x, sink(x), color='blue', lw=2) plt.show() ==TensorFlow== TensorFlow是一个用数据流图进行数值计算的软件库。图中的节点表示的数学运算,而图的边代表它们之间传送的多维数据阵列(张量)。 Tensor(张量)意味着N维数组。Tensor的1维形式是向量,2维是矩阵;图像可以用三维Tensor(行,列,颜色)来表示。 TensorFlow用于模型训练过程的数据流图,包括训练数据的读取和转换,队列,参数的更新以及周期性监测点生成。计算图中的操作都是并发执行的,图中的节点的可变状态(Mutable states)在图的执行中是可以共享的。 TensorFlow是一种元编程(meta programming),构建计算图的语言。 TensorFlow求导采用符号微分方法(Symbolic differentiation)。 神经网络搭建,可以很容易的通过TensorFlow的计算图的完成。TensorFlow生成自动求导的计算图。 ==小作业== 从头开始mnist识别训练 =参考书= #Lutz, Mark. Learning python. " O'Reilly Media, Inc.", 2013.
返回
Python编程
。
导航菜单
个人工具
创建账户
登录
名字空间
页面
讨论
变种
查看
阅读
查看源代码
查看历史
操作
搜索
导航
首页
实践教学
个性化3D设计与实现
人工智能实践教学
区块链技术及应用
虚拟现实技术与内容制作
超越学科界限的认知基础课程
电子工艺实习
Nand2Tetris Engine Curriculum
TULLL Creative Learning Group
Wiki上手说明
Wiki账户创建
最近更改
工具
链入页面
相关更改
特殊页面
页面信息