深度学习常用损失函数的基本形式、原理及特点

Python 自定义FTP功能 实例源码

共计21页

python聚类算法(入门级示例代码)

【实例简介】Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。

做物联网涉及到实际使用环境语音识别准确率的测试，大量的语料如果是人来朗读的话太费功夫，编一个自动测试程序即可无人通宵测试，大大提高了效率；朗读上可以通过调用powershell来朗文档中的语料，通然后过串口抓取设备设备对语料响应的数据进行分析把识别结果写入到文档当中; 需要安装serial（串口支持模块）和openxl（Exel文档支持模块）;编译调试完成打包为.exe文件，可在没有配置python环境的电脑上运行； 使用到python多线程（通过Queue线程间通信），还有文档读写操作；很有参考价值，

矩阵(math入门级示例)

1. 运行 python manager.py runserver  2. 打开网址 http://localhost:8000/manager3. 运行成功

【实例简介】

LSTM入门学习，正弦波序列预测         for i, input_t in enumerate(input.chunk(input.size(1), dim=1)):             h_t, c_t = self.lstm1(input_t, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         for i in range(future):  # if we should predict the future             h_t, c_t = self.lstm1(output, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         outputs = torch.stack(outputs, 1).squeeze(2)  # shape after stack:[batch, n, 1], shape after squeeze: [batch,n]         return outputs

此PDF是Python小例子1.0版本，包括：Python之基，Python之正，Python之例，Python之能四个大章节，共计138个例子