python与tensorflow知识点截图集锦（持续囤积）

目录

• ​​前言​​
• ​​conda环境管理​​
• ​​python语法​​

• ​​【1】语言属性​​
• ​​【2】代码缩进问题​​
• ​​【3】input和output函数与print函数​​
• ​​【4】关键字与简单数据类型与简单运算符​​
• ​​【5】利用缩进体现逻辑关系​​
• ​​【6】数据结构：列表与元组​​
• ​​【7】数据结构：字典​​
• ​​【8】数据结构：集合​​
• ​​【8】基础函数以及函数的定义方式​​
• ​​【8】模块、包和库的命名方式以及导入方式​​
• ​​【9】常用模块​​

• ​​sys模块​​
• ​​platform模块​​
• ​​math模块​​
• ​​random模块​​

• ​​【10】对象与类​​
• ​​【11】文件操作​​
• ​​【12】异常处理try:except语句和with语句​​

• ​​NumPy库​​

• ​​【1】数组形状描述​​
• ​​【2】导入库函数以及创建各种数组、访问数组等操作​​
• ​​【3】数组运算操作​​

• ​​创建数组以及改变数组形状​​
• ​​数组四则运算和幂运算​​
• ​​矩阵运算​​

• ​​【4】矩阵和随机数​​

• ​​Matplotlib库​​

• ​​安装Matplotlib以及绘图基础​​
• ​​绘制散点图​​
• ​​绘制折线图与柱形图​​
• ​​利用keras集成的数据集完成可视化​​

• ​​波士顿房价数据集​​
• ​​鸢尾花数据集​​

• ​​Pillow图像处理库​​

• ​​Pillow安装和导入包​​
• ​​实例:手写数字数据集MNIST​​

• ​​TensorFlow基础​​

• ​​TensorFlow2.0特性​​
• ​​Tensor（张量）的创建​​
• ​​维度变换​​
• ​​部分采样​​
• ​​基本数学运算​​
• ​​tf与np的互相转换​​

• ​​机器学习基础​​

前言

截图来源于mooc课程：​​https://www.icourse163.org/learn/XUST-1206363802?tid=1206674203#/learn/announce​​​
以截图的方式保存并整理，以后有遗忘的知识点或者命令可以快速查询。

conda环境管理

可能用到的网址和命令：

https://mirror.tuna.tsinghua.edu.cn/help/anaconda/ pip install
tensorflow==2.0.0-beta -i
​​​ https://pypi.tuna.tsinghua.edu.cn/simple​​

python语法

【1】语言属性

【2】代码缩进问题

【3】input和output函数与print函数

【4】关键字与简单数据类型与简单运算符

【5】利用缩进体现逻辑关系

【6】数据结构：列表与元组

为了与数学计算中的()区分开来，元组要加，

【7】数据结构：字典

【8】数据结构：集合

集合中没有重复元素

【8】基础函数以及函数的定义方式

【8】模块、包和库的命名方式以及导入方式

【9】常用模块

sys模块

platform模块

math模块

random模块

【10】对象与类

【11】文件操作

【12】异常处理try:except语句和with语句

with语句，即使代码运行中出现了错误，也会进行内存清理操作

NumPy库

【1】数组形状描述

【2】导入库函数以及创建各种数组、访问数组等操作

【3】数组运算操作

创建数组以及改变数组形状

数组四则运算和幂运算

一维数组可以和多维数组相加，相加时会将一维数组扩展至多维。

矩阵运算

【4】矩阵和随机数

seed随机种子只有效一次

Matplotlib库

安装Matplotlib以及绘图基础

绘制散点图

绘制折线图与柱形图

利用keras集成的数据集完成可视化

波士顿房价数据集

代码：

#加载数据集
import tensorflow as tf
boston_housing = tf.keras.datasets.boston_housing
#第一次运行时，本地磁盘没有文件会自动下载
(train_x,train_y),(test_x,test_y) = boston_housing.load_data(test_split=0)
#训练数据集的属性和房价 测试数据集的属性和房价
print("Training set:",len(train_x))
print("Testing set:",len(test_x))
print(train_x)

鸢尾花数据集

#下载鸢尾花数据集iris
#训练数据集 120条数据
#测试数据集 30条数据
import tensorflow as tf
TRAIN_URL = "http://download.tensorflow.org/data/iris_training.csv"
train_path = tf.keras.utils.get_file("iris_training.csv",TRAIN_URL)

用excel打开文件iris_training.csv

若是想省事，不用每次修改保存的文件名，可以这样写;

train_path = tf.keras.utils.get_file(TRAIN_URL.split('/')[-1],TRAIN_URL)

这样可以直接以TRAIN_URL地址中最后一个/后面的字符串作为文件名，十分方便。

Pillow图像处理库

Pillow安装和导入包

实例:手写数字数据集MNIST

下载数据集：

import tensorflow as tf
mnist =tf.keras.datasets.mnist
(train_x,train_y),(test_x,test_y) = mnist.load_data()

以不直观的数组形式显示图片：

以图片形式显示：

import tensorflow as tf
import matplotlib.pyplot as plt
mnist =tf.keras.datasets.mnist
(train_x,train_y),(test_x,test_y) = mnist.load_data()
plt.axis("off")
plt.imshow(train_x[0],cmap="gray")
plt.show()

TensorFlow基础

TensorFlow2.0特性

Tensor（张量）的创建

​​​截断正态分布（Truncated normal distribution​​​

维度变换

部分采样

基本数学运算

两个张量的最后一个维度必须相等

tf与np的互相转换

tf.data 加载数据
feature columns 描述特征

机器学习基础

向量默认为列向量，所以行向量要加上转置符号




当样本属性非常多甚至超过样本个数会导致XTX不满秩

区别维度的概念