您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. SciPy.and.NumPy

  2. Python SciPy.and.NumPy的进阶必选,使用python进行科学计算的进阶必选。
  3. 所属分类:Python

    • 发布日期:2012-12-10
    • 文件大小:6mb
    • 提供者:youxincao
  1. MachineLearning-master-python.zip

  2. 属于网络下载资源,感谢原作者的贡献。 ##目录介绍 - **DeepLearning Tutorials** 这个文件夹下包含一些深度学习算法的实现代码,以及具体的应用实例,包含: Keras使用进阶。介绍了怎么保存训练好的CNN模型,怎么将CNN用作特征提取,怎么可视化卷积图。 [keras_usage]介绍了一个简单易用的深度学习框架keras,用经典的Mnist分类问题对该框架的使用进行说明,训练一个CNN,总共不超过30行代码。 将卷积神经网络CNN应用于人脸识别的一个demo,人脸数
  3. 所属分类:专业指导

    • 发布日期:2016-07-04
    • 文件大小:1mb
    • 提供者:qq_33042687
  1. NumPy学习指南

  2. 数据处理机分析工具,NumPy从入门到进阶API介绍,Python示例
  3. 所属分类:机器学习

    • 发布日期:2018-09-03
    • 文件大小:5mb
    • 提供者:askzhangfeng
  1. Python数据科学速查表

  2. Python数据科学速查表 - Bokeh Python数据科学速查表 - Jupyter Notebook Python数据科学速查表 - Keras Python数据科学速查表 - Matplotlib 绘图 Python数据科学速查表 - Numpy 基础 Python数据科学速查表 - Pandas 基础 Python数据科学速查表 - Pandas 进阶 Python数据科学速查表 - Scikit-Learn Python数据科学速查表 - SciPy Python数据科学速查表
  3. 所属分类:Python

    • 发布日期:2019-02-15
    • 文件大小:4mb
    • 提供者:u012256746
  1. NumPy基础与进阶

  2. 所属分类:讲义

    • 发布日期:2016-08-12
    • 文件大小:346kb
    • 提供者:kaili8167
  1. Python 数据处理库 pandas进阶教程

  2. 前言 本文紧接着前一篇的入门教程,会介绍一些关于pandas的进阶知识。建议读者在阅读本文之前先看完pandas入门教程。 同样的,本文的测试数据和源码可以在这里获取: Github:pandas_tutorial 。 数据访问 在入门教程中,我们已经使用过访问数据的方法。这里我们再集中看一下。 注:这里的数据访问方法既适用于Series,也适用于DataFrame。 基础方法:[]和. 这是两种最直观的方法,任何有面向对象编程经验的人应该都很容易理解。下面是一个代码示例: # select_
  3. 所属分类:其它

    • 发布日期:2020-12-23
    • 文件大小:298kb
    • 提供者:weixin_38624437
  1. 纯干货总结-动手学NumPy

  2. 欢迎大家查看此项目:Dive-into-NumPy NumPy中文网 项目介绍 本项目名为:动手学NumPy。包含以下内容 NumPy简介 NumPy数组与pthon原生数组的区别 NumPy快速入门 NumPy进阶 numpy-100 参考文献 NumPy简介 NumPy是Python中科学计算的基础包。它是一个Python库,提供多维数组对象,各种派生对象(如掩码数组和矩阵),以及用于数组快速操作的各种API,有包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数,
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:99kb
    • 提供者:weixin_38713586
  1. Numpy进阶

  2. 1.a[b] 数组嵌套 >>> a = np.arange(12).reshape(3,4) >>> a array([[ 0,  1,  2,  3],        [ 4,  5,  6,  7],        [ 8,  9, 10, 11]]) >>> b = np.array([[0, 1],[1, 2]])    # b矩阵元素的值不能超过a.shape[0] >>> b array([[0, 1],    
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:23kb
    • 提供者:weixin_38604916
  1. Numpy进阶

  2. 1.a[b] 数组嵌套 >>> a = np.arange(12).reshape(3,4) >>> a array([[ 0,  1,  2,  3],        [ 4,  5,  6,  7],        [ 8,  9, 10, 11]]) >>> b = np.array([[0, 1],[1, 2]])    # b矩阵元素的值不能超过a.shape[0] >>> b array([[0, 1],    
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:23kb
    • 提供者:weixin_38748382
  1. python进阶学习笔记-Numpy和SciPy

  2. 什么是Numpy NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。 NumPy 实现了多维同质数组和矩阵,这些数据结构不但能处理数字,还能存放其他由用户定义的记录。通过 NumPy,用户能对这些数据结构里的元素进行高效的操作。 NumPy 是一个运行速度非常快的数学库,主要用于数组计算,包含: 一个强大的N维数组对象 ndarray 广播功能函数 整合 C/C++/Fortran 代码的
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:118kb
    • 提供者:weixin_38628926
  1. 《动手学习深度学习》之三:3.RNN循环神经网络(进阶)-4种模型(打卡2.6)

  2. RNN循环神经网络(进阶) 1.GRU(门控)模型 1.1.概念 1.1.1.RNN存在的问题:梯度较容易出现衰减或爆炸(BPTT) 1.1.2.GRU⻔控循环神经⽹络:捕捉时间序列中时间步距离较⼤的依赖关系 重置⻔有助于捕捉时间序列⾥短期的依赖关系; 更新⻔有助于捕捉时间序列⾥⻓期的依赖关系。 1.2.GRU模型从零实现 1.2.1.载入数据集 import numpy as np import torch from torch import nn, optim import torc
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:431kb
    • 提供者:weixin_38522214
  1. Python进阶:可视化学习Numpy

  2. 简介 通过可视化的方式来学习与理解Numpy中的简单概念。 文中图片出自A Visual Intro to NumPy and Data Representation 什么是Numpy? Numpy是Python中用于数据分析、机器学习与科学计算的知名第三方库,它是Python中很多科学计算库的依赖包,如sickit-learn、SciPy、Pandas等 创建数组 Numpy中创建数组使用 np.array(list) 则可,本质其实就是将 list 转换成了 Numpy中定义的 numpy.
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:237kb
    • 提供者:weixin_38631331
  1. 进阶网络神经

  2. #目前GPU算力资源预计17日上线,在此之前本代码只能使用CPU运行。 #考虑到本代码中的模型过大,CPU训练较慢, #我们还将代码上传了一份到 https://www.kaggle.com/boyuai/boyu-d2l-modernconvolutionalnetwork #如希望提前使用gpu运行请至kaggle。 import time import torch from torch import nn, optim import torchvision import numpy as
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:403kb
    • 提供者:weixin_38698018
  1. DL基于Pytorch Day3 循环神经网络进阶

  2. 1.GRU RNN存在的问题:梯度较容易出现衰减或爆炸(BPTT) ⻔控循环神经⽹络:捕捉时间序列中时间步距离较⼤的依赖关系 RNN: GRU: • 重置⻔有助于捕捉时间序列⾥短期的依赖关系; • 更新⻔有助于捕捉时间序列⾥⻓期的依赖关系。 载入数据集 import os os.listdir('/home/kesci/input') Out[1]: ['d2lzh1981', 'houseprices2807', 'jaychou_lyrics4703', 'd2l_jay9460'] I
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:211kb
    • 提供者:weixin_38569166
  1. Task03 循环神经网络进阶(pytorch代码实现)

  2. 循环神经网络进阶 ⻔控循环神经⽹络(GRU) 当时间步数较⼤或者时间步较小时, 循环神经⽹络的梯度较容易出现衰减或爆炸。虽然裁剪梯度可以应对梯度爆炸,但⽆法解决梯度衰减的问题。通常由于这个原因,循环神经⽹络在实际中较难捕捉时间序列中时间步距离较⼤的依赖关系。 ⻔控循环神经⽹络(GRU):捕捉时间序列中时间步距离较⼤的依赖关系 CNN: GRU: • 重置⻔有助于捕捉时间序列⾥短期的依赖关系; • 更新⻔有助于捕捉时间序列⾥⻓期的依赖关系。 GRU pytorch简洁代码实现 import n
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:209kb
    • 提供者:weixin_38664612
  1. AI公益学习循环神经网络进阶

  2. 1.GRU RNN存在的问题:梯度较容易出现衰减或爆炸(BPTT) ⻔控循环神经⽹络:捕捉时间序列中时间步距离较⼤的依赖关系 重置⻔有助于捕捉时间序列⾥短期的依赖关系; 更新⻔有助于捕捉时间序列⾥⻓期的依赖关系。 1.2载入数据集 import os os.listdir('/home/kesci/input') import numpy as np import torch from torch import nn, optim import torch.nn.functional as
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:284kb
    • 提供者:weixin_38695159
  1. Python图像处理进阶:多种图像变换算法实践!

  2. 本文来自于csdn,文章介绍了基本图像处理技术,作者主要使用SciKit-Image-numpy执行大多数操作。让我们先从导入图像开始:亮度变换函数在数学上定义为:其中r是导入图片的像素,s是输出图片的像素。T是一个转换函数,它将r的每个值映射到s的每个值。负变换,即变换颠倒。在负变换中,输入图像的每个值从L-1中减去并映射到输出图像上。在这种情况下,使用以下公式完成转换:因此每个值减去255,最终效果是,图片原来较亮的部分变暗,较暗的部分变亮,这就产生了负变换。日志转换可以由以下公式定义:其中
  3. 所属分类:其它

    • 发布日期:2021-03-03
    • 文件大小:742kb
    • 提供者:weixin_38517997
  1. 楼梯:用阶跃函数建模世界!-源码

  2. 楼梯套件的主要用例是步骤功能的创建和分析。 真是令人兴奋。 但是暂时不要点击浏览器上的关闭按钮。 让我们说服您,您周围的许多世界都可以建模为阶跃函数。 例如,可以将一段时间内查看此页面的用户数量建模为步进函数。 每当用户到达页面时,该函数的值将增加1;而当用户离开页面时,该函数的值将减少1。 假设我们具有矢量格式的数据(即元组,列表,numpy数组,pandas系列)。 具体来说,假设到达和离开是时间的向量,表示为午夜后的分钟,表示昨天发生的所有页面浏览量。 创建相应的步进功能很简单。 为
  3. 所属分类:其它

  1. Python图像处理进阶:多种图像变换算法实践!

  2. 本文来自于csdn,文章介绍了基本图像处理技术,作者主要使用SciKit-Image -numpy执行大多数操作。让我们先从导入图像开始:亮度变换函数在数学上定义为: 其中r是导入图片的像素,s是输出图片的像素。T是一个转换函数,它将r的每个值映射到s的每个值。负变换,即变换颠倒。在负变换中,输入图像的每个值从L-1中减去并映射到输出图像上。在这种情况下,使用以下公式完成转换:因此每个值减去255,最终效果是,图片原来较亮的部分变暗,较暗的部分变亮,
  3. 所属分类:其它

    • 发布日期:2021-01-27
    • 文件大小:715kb
    • 提供者:weixin_38499950
  1. 【学习记录】绘制数据的频率分布图的几种方法及进阶

  2. 直方图绘制参数详解 生成数据: import numpy as np np.random.seed(0) data = np.random.randn(1000000)*10 data = data.astype(np.int8) 最麻烦的方法: import matplotlib.pyplot as plt num_dict = {} for num in data: if num in num_dict: num_dict[num] += 1 else: num_dict[num
  3. 所属分类:其它

    • 发布日期:2021-01-21
    • 文件大小:118kb
    • 提供者:weixin_38650379
« 12 »