腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
深度学习之tensorflow实战篇
专栏成员
举报
603
文章
1472333
阅读量
84
订阅数
订阅专栏
申请加入专栏
全部文章(603)
python(167)
编程算法(129)
数据库(83)
sql(66)
r 语言(44)
mongodb(33)
云数据库 SQL Server(30)
其他(29)
http(25)
机器学习(24)
linux(21)
人工智能(21)
神经网络(19)
html(18)
深度学习(18)
hive(18)
https(18)
java(17)
大数据(17)
numpy(15)
云数据库 MongoDB(14)
windows(14)
NLP 服务(13)
django(13)
网络安全(12)
hadoop(12)
数据结构(12)
tensorflow(11)
github(11)
决策树(11)
ide(10)
git(10)
数据分析(10)
数据处理(10)
javascript(9)
bash(9)
json(8)
开源(8)
数据挖掘(7)
node.js(7)
ubuntu(7)
线性回归(7)
go(6)
bash 指令(6)
shell(6)
anaconda(6)
xml(5)
windows server(5)
mapreduce(5)
爬虫(5)
spark(5)
正则表达式(5)
云数据库 Redis(4)
存储(4)
text(4)
c 语言(3)
c++(3)
oracle(3)
nosql(3)
ruby on rails(3)
api(3)
jar(3)
中文分词(3)
nginx(3)
腾讯云测试服务(3)
分布式(3)
html5(3)
ssh(3)
sql server(3)
监督学习(3)
推荐系统(3)
csv(3)
data(3)
label(3)
list(3)
sort(3)
txt(3)
博客(3)
字符串(3)
区块链(2)
php(2)
c#(2)
css(2)
access(2)
打包(2)
unix(2)
apt-get(2)
批量计算(2)
文件存储(2)
访问管理(2)
云推荐引擎(2)
网站(2)
xslt & xpath(2)
jdk(2)
gui(2)
ftp(2)
grep(2)
pytorch(2)
db(2)
dot(2)
edge(2)
file(2)
graph(2)
header(2)
igraph(2)
integer(2)
key(2)
max(2)
min(2)
plot(2)
poi(2)
sample(2)
scale(2)
size(2)
stdout(2)
sum(2)
time(2)
集合(2)
开发(2)
日志(2)
调试(2)
终端(2)
费用中心(1)
官方文档(1)
ios(1)
.net(1)
jsp(1)
scala(1)
单片机(1)
sqlalchemy(1)
eclipse(1)
matlab(1)
搜索引擎(1)
centos(1)
日志服务(1)
命令行工具(1)
NAT 网关(1)
数据加密服务(1)
电商(1)
企业(1)
容器(1)
缓存(1)
运维(1)
压力测试(1)
数据迁移(1)
jvm(1)
yum(1)
面向对象编程(1)
hashmap(1)
keras(1)
二叉树(1)
tcp/ip(1)
单元测试(1)
kernel(1)
scikit-learn(1)
socket编程(1)
kerberos(1)
系统架构(1)
nat(1)
kafka(1)
特征工程(1)
聚类算法(1)
unicode(1)
腾讯云图数据可视化(1)
数据库管理(1)
add(1)
app(1)
apple(1)
apply(1)
axis(1)
bayesian(1)
bi(1)
bit(1)
blob(1)
boolean(1)
break(1)
browser(1)
center(1)
character(1)
cmd(1)
code(1)
codec(1)
configuration(1)
copy(1)
count(1)
counter(1)
criteria(1)
database(1)
default(1)
desktop(1)
distance(1)
distribution(1)
driver(1)
encode(1)
encoding(1)
error(1)
excel(1)
exists(1)
flags(1)
flatten(1)
frame(1)
frequency(1)
gaussian(1)
ggplot2(1)
global(1)
handle(1)
hash(1)
input(1)
instance(1)
int(1)
lapply(1)
limit(1)
line(1)
map(1)
median(1)
multiprocessing(1)
na(1)
normalization(1)
pandas(1)
path(1)
pool(1)
predict(1)
probability(1)
proc(1)
ps(1)
pycharm(1)
random(1)
reduce(1)
require(1)
root(1)
sampling(1)
scanf(1)
server(1)
slice(1)
static(1)
sudo(1)
table(1)
tar(1)
tensor(1)
transpose(1)
typeerror(1)
union(1)
vector(1)
version(1)
view(1)
width(1)
word(1)
word2vec(1)
xgboost(1)
zip(1)
笔记(1)
编程(1)
遍历(1)
编码(1)
程序(1)
登录(1)
递归(1)
函数(1)
加密(1)
解决方案(1)
快捷键(1)
连接(1)
数据(1)
数据中心(1)
数组(1)
索引(1)
虚拟机(1)
压缩(1)
优化(1)
语法(1)
原理(1)
搜索文章
搜索
搜索
关闭
numpy 参数(一) —— np.linalg
numpy
(1)np.linalg.inv():矩阵求逆 (2)np.linalg.det():矩阵求行列式(标量)
学到老
2019-02-14
430
0
Python—numpy模块下函数介绍(一)numpy.ones、empty等
编程算法
numpy
NumPy数组的维数称为秩(rank),一维数组的秩为1,二维数组的秩为2,以此类推。在NumPy中,每一个线性的数组称为是一个轴(axes),秩其实是描述轴的数量。比如说,二维数组相当于是一个一维数组,而这个一维数组中每个元素又是一个一维数组。所以这个一维数组就是NumPy中的轴(axes),而轴的数量——秩,就是数组的维数。 首先来看看以np.ones为例的英文参数介绍
学到老
2019-02-14
1.6K
0
Python基本常用包整理(data analysis and machine learning),附查询包版本语句
numpy
python
tensorflow
python 数据分析模块(Numpy、Scipy、Scikit和Pandas等)
学到老
2019-02-14
723
0
泊松分布 二项分布 正态分布之间的联系,与绘制高斯分布图
python
numpy
distribution
gaussian
size
二项分布有两个参数,一个 n 表示试验次数,一个 p 表示一次试验成功概率。现在考虑一列二项分布,其中试验次数 n 无限增加,而 p 是 n 的函数。
学到老
2019-02-14
1.5K
0
numpy中的nonzero()的用法
编程算法
numpy
当使用布尔数组直接作为下标对象或者元组下标对象中有布尔数组时,都相当于用nonzero()将布尔数组转换成一组整数数组,然后使用整数数组进行下标运算。
学到老
2019-01-25
1.8K
0
keras之数据预处理
机器学习
神经网络
深度学习
人工智能
numpy
from keras.preprocessing.sequence import pad_sequences
学到老
2019-01-25
1.9K
0
python中numpy模块下的np.clip()的用法
python
numpy
Numpy 中clip函数的使用 numpy.clip(a, a_min, a_max, out=None) Clip (limit) the values in an array. Given an interval, values outside the interval are clipped to the interval edges. For example, if an interval of [0, 1] is specified, values smaller than 0 become
学到老
2018-04-11
1.5K
0
python中list、array、matrix之间的基本区别
python
numpy
python科学计算包的基础是numpy, 里面的array类型经常遇到. 一开始可能把这个array和python内建的列表(list)混淆, 这里简单总结一下列表(list), 多维数组(np.ndarray)和矩阵(np.matrix)的区别. NumPy的主要对象是同种元素的多维数组。这是一个所有的元素都是一种类型、通过一个正整数元组索引的元素表格(通常是元素是数字)。在NumPy中维度(dimensions)叫做轴(axes),轴的个数叫做秩(rank,但是和线性代数中的秩不是一样的,在用pyth
学到老
2018-04-02
3.2K
0
python如何保存矩阵,保存matrix,保存numpy.ndarray
python
numpy
问题:如何将array保存到txt文件中?如何将存到txt文件中的数据读出为ndarray类型?python如何保存矩阵,保存matrix,保存numpy.ndarray 分析 a = np.arange(0,12,0.5).reshape(4,-1) np.savetxt("a.txt", a) # 缺省按照'%.18e'格式保存数据,以空格分隔 np.loadtxt("a.txt") array([[ 0. , 0.5, 1. , 1.5, 2. , 2.5],
学到老
2018-04-02
13.1K
0
python 对矩阵进行复制操作 np.repeat 与 np.tile区别
python
numpy
python 对矩阵进行复制操作 np.repeat 与 np.tile区别 二者区别 二者执行的是均是复制操作; np.repeat:复制的是多维数组的每一个元素;axis来控制复制的行和列 np.tile:复制的是多维数组本身; import numpy as np 通过help 查看基本的参数 help(np.repeat) help(np.tile) 案例对比 np.repeat x = np.arange(1, 5).reshape(2, 2) print(x) [[
学到老
2018-04-02
5.1K
0
dataframe插入数据报错SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a
numpy
SettingWithCopyWarning 解决方案 场景 问题场景:我在读取csv文件之后,因为要新增一个特征列并根据已有特征修改新增列的值,结果在修改的时候就碰到了SettingWithCopyWarning这个警告,花了很长时间才解决这个问题。 案例: import pandas as pd import numpy as np aa = np.array([1, 0, 1, 0]) bb = pd.DataFrame(aa.T, columns=['one']) print(bb) one
学到老
2018-04-02
2.6K
0
把一个矩阵行优先展成一个向量,numpy.ravel() vs numpy.flatten()区别
numpy
copy
flatten
view
数组
首先声明两者所要实现的功能是一致的(将多维数组降位一维),两者的区别在于返回拷贝(copy)还是返回视图(view),numpy.flatten()返回一份拷贝,对拷贝所做的修改不会影响原始矩阵,而numpy.ravel()返回的是视图,会影响原始矩阵。 两者区别 x = np.array([[1, 2], [3, 4]]) print(x.flatten()[1] = 100) array([[1, 2], [3, 4]]) # flatten:返回的是拷贝,不会对数据
学到老
2018-04-02
802
0
numpy 参数(一) —— np.linalg
numpy
python
(1)np.linalg.inv():矩阵求逆 (2)np.linalg.det():矩阵求行列式(标量) np.linalg.norm 顾名思义,linalg=linear+algebra,no
学到老
2018-03-16
1.1K
0
python 中numpy基本方法总结可以类推tensorflow
python
numpy
一、数组方法 创建数组:arange()创建一维数组;array()创建一维或多维数组,其参数是类似于数组的对象,如列表等 反过来转换则可以使用numpy.ndarray.tolist()函数,如a.tolist() 创建数组:np.zeros((2,3)),或者np.ones((2,3)),参数是一个元组分别表示行数和列数 对应元素相乘,a * b,得到一个新的矩阵,形状要一致;但是允许a是向量而b是矩阵,a的列数必须等于b的列数,a与每个行向量对应元素相乘得到行向量。 + - / 与 * 的运
学到老
2018-03-16
2.1K
0
Python—numpy模块下函数介绍(一)numpy.ones、empty等
python
numpy
NumPy数组的维数称为秩(rank),一维数组的秩为1,二维数组的秩为2,以此类推。在NumPy中,每一个线性的数组称为是一个轴(axes),秩其实是描述轴的数量。比如说,二维数组相当于是一个一维数组,而这个一维数组中每个元素又是一个一维数组。所以这个一维数组就是NumPy中的轴(axes),而轴的数量——秩,就是数组的维数。 首先来看看以np.ones为例的英文参数介绍 numpy.ones(shape, dtype=None, order=’C’) Return a new array of gi
学到老
2018-03-16
1.9K
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档