前言

截圖來源于mooc課程：https://www.icourse163.org/learn/XUST-1206363802?tid=1206674203#/learn/announce

以截圖的方式保存并整理，以后有遺忘的知識點或者命令可以快速查詢。

conda環境管理

可能用到的網址和命令：

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

python語法

【1】語言屬性

【2】代碼縮進問題

【3】input和output函數與print函數

【4】關鍵字與簡單數據類型與簡單運算符

【5】利用縮進體現邏輯關系

【6】數據結構：列表與元組

為了與數學計算中的()區分開來，元組要加，

【7】數據結構：字典

【8】數據結構：集合

集合中沒有重復元素

【8】基礎函數以及函數的定義方式

【8】模塊、包和庫的命名方式以及導入方式

【9】常用模塊

sys模塊

platform模塊

math模塊

random模塊

【10】對象與類

【11】文件操作

【12】異常處理try:except語句和with語句

with語句，即使代碼運行中出現了錯誤，也會進行內存清理操作

NumPy庫

【1】數組形狀描述

【2】導入庫函數以及創建各種數組、訪問數組等操作

【3】數組運算操作

創建數組以及改變數組形狀

數組四則運算和冪運算

一維數組可以和多維數組相加，相加時會將一維數組擴展至多維。

矩陣運算

【4】矩陣和隨機數

seed隨機種子只有效一次

Matplotlib庫

安裝Matplotlib以及繪圖基礎

繪制散點圖

繪制折線圖與柱形圖

利用keras集成的數據集完成可視化

波士頓房價數據集

代碼：

#加載數據集
import tensorflow as tf
boston_housing = tf.keras.datasets.boston_housing
#第一次運行時，本地磁盤沒有文件會自動下載
(train_x,train_y),(test_x,test_y) = boston_housing.load_data(test_split=0)
#訓練數據集的屬性和房價 測試數據集的屬性和房價
print("Training set:",len(train_x))
print("Testing set:",len(test_x))
print(train_x)

鳶尾花數據集

#下載鳶尾花數據集iris
#訓練數據集 120條數據
#測試數據集 30條數據
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打開文件iris_training.csv

若是想省事，不用每次修改保存的文件名，可以這樣寫;

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

這樣可以直接以TRAIN_URL地址中最后一個/后面的字符串作為文件名，十分方便。

Pillow圖像處理庫

Pillow安裝和導入包

實例:手寫數字數據集MNIST

下載數據集：

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

以不直觀的數組形式顯示圖片：

以圖片形式顯示：

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基礎

TensorFlow2.0特性

Tensor（張量）的創建

截斷正態分布（Truncated normal distribution

維度變換

部分采樣

基本數學運算

兩個張量的最后一個維度必須相等

tf與np的互相轉換

tf.data 加載數據
feature columns 描述特征

機器學習基礎

向量默認為列向量，所以行向量要加上轉置符號




當樣本屬性非常多甚至超過樣本個數會導致XTX不滿秩

區別維度的概念