Posts

import os import tarfile import urllib DOWNLOAD_ROOT = 'https://raw.githubusercontent.com/ageron/handson-ml2/master/' HOUSING_PATH =

from sklearn.datasets import load_iris import numpy as np from scipy import sparse import matplotlib.pyplot as plt import pandas as pd from

什么是可散列的数据类型 在Python词汇表（https://docs.python.org/3/glossary.html#term-hashable）中，关于可散列类型的定义有这样一段话： 如果一个对象是可散列的，那么在这个对象的生命周期中，它的散列值是不变 的，而且这个对象

数组 from array import array # 引入数组类型 from random import random floats=array('d',(random()for i in range(10**7))) # 利用一个可迭代对象来创建一个双精度浮

为什么切片和区间会忽略最后一个元素 当只有最后一个位置信息时，可以快速看出切片和区间里有几个元素：range(3)和my_list[:3]都返回三个元素 当起止位置信息都可见时，我们可以快速计算出切片和区间长度，用最后一个数减去第一个下标（stop-start)即可 方便用任意一

from collections import namedtuple City=namedtuple('City','name country population coordinates') '''创建一个具名元组需要两个

第二周作业 计算矩形面积 if name == 'main': x = eval(input('请输入矩形的长：')) y = eval(input('请输入矩形的宽')) print('矩形的面积为：{:.

残差神经网络（ResNet） 为什么神经网络的层数越来越深 由图可知随着神经网络层数的增加，神经网络的训练误差和测试误差相较于较低层数的神经网络都要更高。但是这个与越深的网络，训练误差和测试误差都要更小这个第一感觉相违背。 在相同的迭代次数下，更深的神经网络的误差更容易趋向于平稳

构建高级卷积神经网络 以Google Net为例 GoogleNet的模型图为 可以看到其中有一个模块反复使用 Inception Module Inception Module 模型的具体结构图为 个人理解这个模块是将数据经过不同的卷积方式并保持图像大小不变得到不同的通来获得更

使用Keras加载数据集 import tensorflow as tf from tensorflow import keras fashion_mnist=keras.datasets.fashion_mnist (X_train_full,y_train_full),(X_