这个repo主要存放之前学习过的一些内容
学习来源: https://cnbeining.github.io/deep-learning-with-python-cn/
文件结构说明:
├── 1. Beining_Learning
├── datasets //教程所需的数据集
├── dropout_paper.pdf
├── 第10章 鸢尾花分类.ipynb //鸢尾花数据集分类,三分类
├── 第11,16章 声呐返回值分类.ipynb //11.scikit-learn的Pipeline,进行数据预处理,使用StandardScaler,调整模型的拓扑和神经元;16. dropout正则化
├── 第12章 波士顿住房价格回归.ipynb //交叉验证,预处理,网络结构调整
├── 第17章 学习速率设计.ipynb //keras LearingRateScheduler,按照时间或训练轮数设置
└── 第7,8,9,13,14,15章-皮马人糖尿病.ipynb //7.keras二分类网络;8.精度自动/手动验证(k折交叉验证);9.基于scikit-learn的网格搜索;13.HDF5、Json、YAML等格式保存模型权重;14.保存点保存,导入;15.绘制loss、acc图像可视化训练效果
P.S.1-6章节,是文字叙述背景介绍类,
学习来源:https://www.tensorflow.org/tutorials/keras/basic_classification
- (上面的网页已经404了,tf确实更新的很快啊)
文件结构说明:
.
├── 19-4-20-Tensorflow-Tutorials-衣服10分类.ipynb
├── 19-4-20-影评文本二分类.ipynb
├── 19-4-22-回归:预测燃油效率.ipynb
├── 19-4-23-关于过拟合和欠拟合-以IMDB数据集为例.ipynb
├── 19-4-24-保存和恢复模型.ipynb
如果网速有问题,无法使用load_data,则可以自己预先下载好,放到对应文件夹下。
- 查看mnist.load_data()所在的.py文件,可以知道本地缓存地址在~./keras/datasets
https://www.tensorflow.org/api_docs/python/tf/keras/datasets/mnist/load_data tf.keras.datasets.mnist.load_data(path='mnist.npz') Defined in tensorflow/python/keras/datasets/mnist.py. Loads the MNIST dataset. Arguments: path: path where to cache the dataset locally (relative to ~/.keras/datasets).
- 在jupyter里下载的,所以找到
C:\Users\yourname\.keras\datasets
看到之前下载的缓存,将fashion_mnist的放到文件夹里
学习来源:https://www.icourse163.org/learn/NJU-1001571005?tid=1002097008#/learn/announce
- 南京大学 张莉老师的 《用Python玩转数据》课程
- 属于python数据处理的基础课程,适合入门
- 有一个简单的爬取豆瓣书评的示例
学习来源:https://www.jianshu.com/p/42ba125aa5dc
- 简书上的一个叫 玉树芝兰 的博主 原名是 王树义 ,是某高校老师,教文科生做数据分析,所以教程相对浅显易懂,机器学习入门教程
- 每个博文都是一个独立的教程,可以很快上手
文件结构说明:
.
├── DecisionTree
├── SVM
├── Topic_extract
├── 舆情时间序列分析
├── 对故事情节做情绪分析
├── 提取中文长文档关键字
├── 训练自己的情感分类模型
└── 深度学习分类即将流失客户tflearn
graphviz学习的相关参考和练习
学习来源:
- 测试图像和主要代码:https://ustc-dip.github.io/#courseware
- 视频和部分代码:https://www.icourse163.org/course/DUT-1002014037?tid=1467299448
文件结构说明:
存放使用drawio绘制的图形的源文件