wyx100

官网实例详解4.38（reuters_mlp.py）-keras学习笔记四

基于路透社新闻报道主题分类任务，训练和评估一个简单的MLP（多层感知机）。

Keras实例目录

Keras使用的数据集下载（包含以下数据集）

MNIST

cifar-10-batches-py

imdb.npz、imdb_word_index.json

nietzsche.txt

reuters.npz

fra-eng

代码注释

'''Trains and evaluate a simple MLP
on the Reuters newswire topic classification task.
基于路透社新闻报道主题分类任务，训练和评估一个简单的MLP（多层感知机）。
MLP（Multi-Layer Perceptron），即多层感知器，是一种前向结构的人工神经网络，映射一组输入向量到一组输出向量。
MLP可以被看做是一个有向图，由多个节点层组成，每一层全连接到下一层。
'''
from __future__ import print_function

import numpy as np
import keras
from keras.datasets import reuters
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation
from keras.preprocessing.text import Tokenizer

max_words = 1000
batch_size = 32
epochs = 5

print('Loading data...')
(x_train, y_train), (x_test, y_test) = reuters.load_data(num_words=max_words,
                                                         test_split=0.2)
print(len(x_train), 'train sequences')
print(len(x_test), 'test sequences')

num_classes = np.max(y_train) + 1
print(num_classes, 'classes')

print('Vectorizing sequence data...')
tokenizer = Tokenizer(num_words=max_words)
x_train = tokenizer.sequences_to_matrix(x_train, mode='binary')
x_test = tokenizer.sequences_to_matrix(x_test, mode='binary')
print('x_train shape:', x_train.shape)
print('x_test shape:', x_test.shape)

print('Convert class vector to binary class matrix '
      '(for use with categorical_crossentropy)')
y_train = keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_test, num_classes)
print('y_train shape:', y_train.shape)
print('y_test shape:', y_test.shape)

print('Building model...')
model = Sequential()
model.add(Dense(512, input_shape=(max_words,)))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes))
model.add(Activation('softmax'))

model.compile(loss='categorical_crossentropy',
              optimizer='adam',
              metrics=['accuracy'])

history = model.fit(x_train, y_train,
                    batch_size=batch_size,
                    epochs=epochs,
                    verbose=1,
                    validation_split=0.1)
score = model.evaluate(x_test, y_test,
                       batch_size=batch_size, verbose=1)
print('Test score:', score[0])
print('Test accuracy:', score[1])

代码执行

C:\ProgramData\Anaconda3\python.exe E:/keras-master/examples/reuters_mlp.py
Using TensorFlow backend.
Loading data...
8982 train sequences
2246 test sequences
46 classes
Vectorizing sequence data...
x_train shape: (8982, 1000)
x_test shape: (2246, 1000)
Convert class vector to binary class matrix (for use with categorical_crossentropy)
y_train shape: (8982, 46)
y_test shape: (2246, 46)
Building model...
Train on 8083 samples, validate on 899 samples
Epoch 1/5

  32/8083 [..............................] - ETA: 4:13 - loss: 4.0334 - acc: 0.0000e+00
 128/8083 [..............................] - ETA: 1:05 - loss: 3.7674 - acc: 0.0938    
 256/8083 [..............................] - ETA: 34s - loss: 3.4732 - acc: 0.2344 
 352/8083 [>.............................] - ETA: 26s - loss: 3.2942 - acc: 0.3011
 448/8083 [>.............................] - ETA: 21s - loss: 3.1269 - acc: 0.3326
 544/8083 [=>............................] - ETA: 18s - loss: 2.9496 - acc: 0.3603
 640/8083 [=>............................] - ETA: 16s - loss: 2.8190 - acc: 0.3812
 736/8083 [=>............................] - ETA: 14s - loss: 2.7076 - acc: 0.4103
 832/8083 [==>...........................] - ETA: 13s - loss: 2.6083 - acc: 0.4291
 928/8083 [==>...........................] - ETA: 12s - loss: 2.5429 - acc: 0.4407
1024/8083 [==>...........................] - ETA: 11s - loss: 2.4777 - acc: 0.4512
1120/8083 [===>..........................] - ETA: 10s - loss: 2.4086 - acc: 0.4643
1216/8083 [===>..........................] - ETA: 9s - loss: 2.3391 - acc: 0.4770 
1312/8083 [===>..........................] - ETA: 9s - loss: 2.3032 - acc: 0.4840
1408/8083 [====>.........................] - ETA: 8s - loss: 2.2650 - acc: 0.4929
1504/8083 [====>.........................] - ETA: 8s - loss: 2.2205 - acc: 0.5060
1600/8083 [====>.........................] - ETA: 8s - loss: 2.1933 - acc: 0.5144
1696/8083 [=====>........................] - ETA: 7s - loss: 2.1661 - acc: 0.5183
1792/8083 [=====>........................] - ETA: 7s - loss: 2.1136 - acc: 0.5279
1888/8083 [======>.......................] - ETA: 7s - loss: 2.0729 - acc: 0.5371
1984/8083 [======>.......................] - ETA: 6s - loss: 2.0337 - acc: 0.5469
2080/8083 [======>.......................] - ETA: 6s - loss: 2.0334 - acc: 0.5452
2176/8083 [=======>......................] - ETA: 6s - loss: 2.0054 - acc: 0.5519
2240/8083 [=======>......................] - ETA: 6s - loss: 1.9911 - acc: 0.5527
2336/8083 [=======>......................] - ETA: 6s - loss: 1.9810 - acc: 0.5557
2432/8083 [========>.....................] - ETA: 5s - loss: 1.9668 - acc: 0.5576
2528/8083 [========>.....................] - ETA: 5s - loss: 1.9449 - acc: 0.5613
2624/8083 [========>.....................] - ETA: 5s - loss: 1.9250 - acc: 0.5659
2720/8083 [=========>....................] - ETA: 5s - loss: 1.9058 - acc: 0.5680
2816/8083 [=========>....................] - ETA: 5s - loss: 1.8853 - acc: 0.5721
2912/8083 [=========>....................] - ETA: 5s - loss: 1.8656 - acc: 0.5773
3008/8083 [==========>...................] - ETA: 4s - loss: 1.8517 - acc: 0.5805
3104/8083 [==========>...................] - ETA: 4s - loss: 1.8358 - acc: 0.5847
3200/8083 [==========>...................] - ETA: 4s - loss: 1.8247 - acc: 0.5881
3296/8083 [===========>..................] - ETA: 4s - loss: 1.8135 - acc: 0.5910
3392/8083 [===========>..................] - ETA: 4s - loss: 1.7937 - acc: 0.5958
3488/8083 [===========>..................] - ETA: 4s - loss: 1.7827 - acc: 0.5972
3584/8083 [============>.................] - ETA: 4s - loss: 1.7773 - acc: 0.5971
3680/8083 [============>.................] - ETA: 3s - loss: 1.7637 - acc: 0.6003
3776/8083 [=============>................] - ETA: 3s - loss: 1.7527 - acc: 0.6035
3872/8083 [=============>................] - ETA: 3s - loss: 1.7417 - acc: 0.6056
3968/8083 [=============>................] - ETA: 3s - loss: 1.7334 - acc: 0.6081
4064/8083 [==============>...............] - ETA: 3s - loss: 1.7197 - acc: 0.6117
4160/8083 [==============>...............] - ETA: 3s - loss: 1.7103 - acc: 0.6142
4256/8083 [==============>...............] - ETA: 3s - loss: 1.6982 - acc: 0.6172
4352/8083 [===============>..............] - ETA: 3s - loss: 1.6937 - acc: 0.6195
4448/8083 [===============>..............] - ETA: 3s - loss: 1.6904 - acc: 0.6196
4544/8083 [===============>..............] - ETA: 3s - loss: 1.6827 - acc: 0.6219
4640/8083 [================>.............] - ETA: 2s - loss: 1.6704 - acc: 0.6248
4736/8083 [================>.............] - ETA: 2s - loss: 1.6587 - acc: 0.6273
4832/8083 [================>.............] - ETA: 2s - loss: 1.6452 - acc: 0.6306
4928/8083 [=================>............] - ETA: 2s - loss: 1.6364 - acc: 0.6325
5024/8083 [=================>............] - ETA: 2s - loss: 1.6278 - acc: 0.6342
5120/8083 [==================>...........] - ETA: 2s - loss: 1.6181 - acc: 0.6363
5216/8083 [==================>...........] - ETA: 2s - loss: 1.6072 - acc: 0.6384
5312/8083 [==================>...........] - ETA: 2s - loss: 1.6039 - acc: 0.6391
5408/8083 [===================>..........] - ETA: 2s - loss: 1.5954 - acc: 0.6413
5504/8083 [===================>..........] - ETA: 2s - loss: 1.5865 - acc: 0.6423
5600/8083 [===================>..........] - ETA: 1s - loss: 1.5832 - acc: 0.6432
5696/8083 [====================>.........] - ETA: 1s - loss: 1.5755 - acc: 0.6455
5792/8083 [====================>.........] - ETA: 1s - loss: 1.5650 - acc: 0.6473
5888/8083 [====================>.........] - ETA: 1s - loss: 1.5572 - acc: 0.6491
5984/8083 [=====================>........] - ETA: 1s - loss: 1.5538 - acc: 0.6501
6080/8083 [=====================>........] - ETA: 1s - loss: 1.5452 - acc: 0.6521
6176/8083 [=====================>........] - ETA: 1s - loss: 1.5352 - acc: 0.6543
6272/8083 [======================>.......] - ETA: 1s - loss: 1.5286 - acc: 0.6559
6368/8083 [======================>.......] - ETA: 1s - loss: 1.5254 - acc: 0.6566
6464/8083 [======================>.......] - ETA: 1s - loss: 1.5119 - acc: 0.6597
6560/8083 [=======================>......] - ETA: 1s - loss: 1.5041 - acc: 0.6619
6656/8083 [=======================>......] - ETA: 1s - loss: 1.4964 - acc: 0.6633
6752/8083 [========================>.....] - ETA: 1s - loss: 1.4944 - acc: 0.6645
6848/8083 [========================>.....] - ETA: 0s - loss: 1.4859 - acc: 0.6662
6944/8083 [========================>.....] - ETA: 0s - loss: 1.4833 - acc: 0.6672
7072/8083 [=========================>....] - ETA: 0s - loss: 1.4771 - acc: 0.6690
7200/8083 [=========================>....] - ETA: 0s - loss: 1.4743 - acc: 0.6693
7328/8083 [==========================>...] - ETA: 0s - loss: 1.4662 - acc: 0.6706
7424/8083 [==========================>...] - ETA: 0s - loss: 1.4594 - acc: 0.6725
7520/8083 [==========================>...] - ETA: 0s - loss: 1.4541 - acc: 0.6733
7616/8083 [===========================>..] - ETA: 0s - loss: 1.4507 - acc: 0.6740
7712/8083 [===========================>..] - ETA: 0s - loss: 1.4480 - acc: 0.6752
7808/8083 [===========================>..] - ETA: 0s - loss: 1.4446 - acc: 0.6757
7904/8083 [============================>.] - ETA: 0s - loss: 1.4388 - acc: 0.6767
8000/8083 [============================>.] - ETA: 0s - loss: 1.4351 - acc: 0.6776
8083/8083 [==============================] - 6s 764us/step - loss: 1.4294 - acc: 0.6790 - val_loss: 1.0882 - val_acc: 0.7653
Epoch 2/5

  32/8083 [..............................] - ETA: 5s - loss: 0.7124 - acc: 0.8750
 128/8083 [..............................] - ETA: 5s - loss: 0.8841 - acc: 0.8047
 224/8083 [..............................] - ETA: 5s - loss: 0.7674 - acc: 0.8214
 320/8083 [>.............................] - ETA: 5s - loss: 0.8246 - acc: 0.8094
 416/8083 [>.............................] - ETA: 5s - loss: 0.8406 - acc: 0.8053
 512/8083 [>.............................] - ETA: 4s - loss: 0.7904 - acc: 0.8184
 608/8083 [=>............................] - ETA: 4s - loss: 0.7585 - acc: 0.8257
 704/8083 [=>............................] - ETA: 4s - loss: 0.7785 - acc: 0.8153
 800/8083 [=>............................] - ETA: 4s - loss: 0.7968 - acc: 0.8150
 896/8083 [==>...........................] - ETA: 4s - loss: 0.8327 - acc: 0.8103
 992/8083 [==>...........................] - ETA: 4s - loss: 0.8205 - acc: 0.8115
1088/8083 [===>..........................] - ETA: 4s - loss: 0.8446 - acc: 0.8107
1184/8083 [===>..........................] - ETA: 4s - loss: 0.8434 - acc: 0.8117
1280/8083 [===>..........................] - ETA: 4s - loss: 0.8423 - acc: 0.8094
1376/8083 [====>.........................] - ETA: 3s - loss: 0.8330 - acc: 0.8096
1472/8083 [====>.........................] - ETA: 3s - loss: 0.8371 - acc: 0.8071
1568/8083 [====>.........................] - ETA: 3s - loss: 0.8473 - acc: 0.8055
1664/8083 [=====>........................] - ETA: 3s - loss: 0.8433 - acc: 0.8071
1760/8083 [=====>........................] - ETA: 3s - loss: 0.8403 - acc: 0.8097
1856/8083 [=====>........................] - ETA: 3s - loss: 0.8454 - acc: 0.8098
1952/8083 [======>.......................] - ETA: 3s - loss: 0.8421 - acc: 0.8105
2048/8083 [======>.......................] - ETA: 3s - loss: 0.8402 - acc: 0.8115
2144/8083 [======>.......................] - ETA: 3s - loss: 0.8517 - acc: 0.8088
2240/8083 [=======>......................] - ETA: 3s - loss: 0.8418 - acc: 0.8116
2336/8083 [=======>......................] - ETA: 3s - loss: 0.8375 - acc: 0.8121
2432/8083 [========>.....................] - ETA: 3s - loss: 0.8373 - acc: 0.8121
2528/8083 [========>.....................] - ETA: 3s - loss: 0.8400 - acc: 0.8105
2624/8083 [========>.....................] - ETA: 3s - loss: 0.8350 - acc: 0.8114
2720/8083 [=========>....................] - ETA: 3s - loss: 0.8348 - acc: 0.8118
2816/8083 [=========>....................] - ETA: 3s - loss: 0.8370 - acc: 0.8118
2912/8083 [=========>....................] - ETA: 3s - loss: 0.8272 - acc: 0.8139
3008/8083 [==========>...................] - ETA: 3s - loss: 0.8246 - acc: 0.8148
3104/8083 [==========>...................] - ETA: 2s - loss: 0.8219 - acc: 0.8138
3200/8083 [==========>...................] - ETA: 2s - loss: 0.8210 - acc: 0.8137
3296/8083 [===========>..................] - ETA: 2s - loss: 0.8150 - acc: 0.8152
3392/8083 [===========>..................] - ETA: 2s - loss: 0.8131 - acc: 0.8149
3488/8083 [===========>..................] - ETA: 2s - loss: 0.8131 - acc: 0.8159
3584/8083 [============>.................] - ETA: 2s - loss: 0.8129 - acc: 0.8158
3680/8083 [============>.................] - ETA: 2s - loss: 0.8192 - acc: 0.8149
3776/8083 [=============>................] - ETA: 2s - loss: 0.8221 - acc: 0.8151
3872/8083 [=============>................] - ETA: 2s - loss: 0.8258 - acc: 0.8133
3968/8083 [=============>................] - ETA: 2s - loss: 0.8252 - acc: 0.8128
4064/8083 [==============>...............] - ETA: 2s - loss: 0.8244 - acc: 0.8127
4160/8083 [==============>...............] - ETA: 2s - loss: 0.8189 - acc: 0.8130
4256/8083 [==============>...............] - ETA: 2s - loss: 0.8131 - acc: 0.8146
4352/8083 [===============>..............] - ETA: 2s - loss: 0.8100 - acc: 0.8150
4448/8083 [===============>..............] - ETA: 2s - loss: 0.8068 - acc: 0.8161
4544/8083 [===============>..............] - ETA: 2s - loss: 0.8089 - acc: 0.8156
4640/8083 [================>.............] - ETA: 2s - loss: 0.8072 - acc: 0.8157
4736/8083 [================>.............] - ETA: 1s - loss: 0.8000 - acc: 0.8165
4832/8083 [================>.............] - ETA: 1s - loss: 0.8038 - acc: 0.8156
4928/8083 [=================>............] - ETA: 1s - loss: 0.8021 - acc: 0.8155
5024/8083 [=================>............] - ETA: 1s - loss: 0.8015 - acc: 0.8159
5120/8083 [==================>...........] - ETA: 1s - loss: 0.7987 - acc: 0.8170
5216/8083 [==================>...........] - ETA: 1s - loss: 0.8014 - acc: 0.8167
5312/8083 [==================>...........] - ETA: 1s - loss: 0.8024 - acc: 0.8163
5408/8083 [===================>..........] - ETA: 1s - loss: 0.7989 - acc: 0.8168
5536/8083 [===================>..........] - ETA: 1s - loss: 0.8014 - acc: 0.8158
5664/8083 [====================>.........] - ETA: 1s - loss: 0.8051 - acc: 0.8146
5760/8083 [====================>.........] - ETA: 1s - loss: 0.8003 - acc: 0.8158
5856/8083 [====================>.........] - ETA: 1s - loss: 0.7981 - acc: 0.8171
5952/8083 [=====================>........] - ETA: 1s - loss: 0.7945 - acc: 0.8177
6048/8083 [=====================>........] - ETA: 1s - loss: 0.7908 - acc: 0.8188
6144/8083 [=====================>........] - ETA: 1s - loss: 0.7925 - acc: 0.8179
6240/8083 [======================>.......] - ETA: 1s - loss: 0.7906 - acc: 0.8183
6336/8083 [======================>.......] - ETA: 1s - loss: 0.7956 - acc: 0.8161
6432/8083 [======================>.......] - ETA: 0s - loss: 0.7954 - acc: 0.8161
6528/8083 [=======================>......] - ETA: 0s - loss: 0.7946 - acc: 0.8166
6624/8083 [=======================>......] - ETA: 0s - loss: 0.7943 - acc: 0.8172
6720/8083 [=======================>......] - ETA: 0s - loss: 0.7952 - acc: 0.8171
6816/8083 [========================>.....] - ETA: 0s - loss: 0.7957 - acc: 0.8176
6912/8083 [========================>.....] - ETA: 0s - loss: 0.7924 - acc: 0.8181
7008/8083 [=========================>....] - ETA: 0s - loss: 0.7906 - acc: 0.8186
7072/8083 [=========================>....] - ETA: 0s - loss: 0.7910 - acc: 0.8186
7168/8083 [=========================>....] - ETA: 0s - loss: 0.7887 - acc: 0.8189
7264/8083 [=========================>....] - ETA: 0s - loss: 0.7873 - acc: 0.8188
7360/8083 [==========================>...] - ETA: 0s - loss: 0.7882 - acc: 0.8183
7456/8083 [==========================>...] - ETA: 0s - loss: 0.7896 - acc: 0.8177
7520/8083 [==========================>...] - ETA: 0s - loss: 0.7902 - acc: 0.8180
7616/8083 [===========================>..] - ETA: 0s - loss: 0.7913 - acc: 0.8172
7712/8083 [===========================>..] - ETA: 0s - loss: 0.7901 - acc: 0.8174
7808/8083 [===========================>..] - ETA: 0s - loss: 0.7897 - acc: 0.8176
7904/8083 [============================>.] - ETA: 0s - loss: 0.7902 - acc: 0.8177
8000/8083 [============================>.] - ETA: 0s - loss: 0.7890 - acc: 0.8180
8083/8083 [==============================] - 5s 611us/step - loss: 0.7898 - acc: 0.8183 - val_loss: 0.9405 - val_acc: 0.7898
Epoch 3/5

  32/8083 [..............................] - ETA: 4s - loss: 0.3389 - acc: 0.8438
 128/8083 [..............................] - ETA: 4s - loss: 0.4424 - acc: 0.8906
 224/8083 [..............................] - ETA: 4s - loss: 0.5585 - acc: 0.8661
 320/8083 [>.............................] - ETA: 4s - loss: 0.5832 - acc: 0.8688
 416/8083 [>.............................] - ETA: 4s - loss: 0.5746 - acc: 0.8654
 512/8083 [>.............................] - ETA: 4s - loss: 0.5356 - acc: 0.8730
 608/8083 [=>............................] - ETA: 4s - loss: 0.5647 - acc: 0.8668
 704/8083 [=>............................] - ETA: 4s - loss: 0.5697 - acc: 0.8665
 800/8083 [=>............................] - ETA: 4s - loss: 0.5659 - acc: 0.8688
 896/8083 [==>...........................] - ETA: 4s - loss: 0.5861 - acc: 0.8571
 992/8083 [==>...........................] - ETA: 4s - loss: 0.5851 - acc: 0.8599
1088/8083 [===>..........................] - ETA: 4s - loss: 0.5778 - acc: 0.8640
1184/8083 [===>..........................] - ETA: 4s - loss: 0.5759 - acc: 0.8640
1280/8083 [===>..........................] - ETA: 4s - loss: 0.5731 - acc: 0.8656
1376/8083 [====>.........................] - ETA: 4s - loss: 0.5688 - acc: 0.8648
1472/8083 [====>.........................] - ETA: 4s - loss: 0.5546 - acc: 0.8682
1568/8083 [====>.........................] - ETA: 3s - loss: 0.5594 - acc: 0.8642
1664/8083 [=====>........................] - ETA: 3s - loss: 0.5556 - acc: 0.8654
1760/8083 [=====>........................] - ETA: 3s - loss: 0.5655 - acc: 0.8659
1856/8083 [=====>........................] - ETA: 3s - loss: 0.5628 - acc: 0.8658
1952/8083 [======>.......................] - ETA: 3s - loss: 0.5562 - acc: 0.8673
2048/8083 [======>.......................] - ETA: 3s - loss: 0.5507 - acc: 0.8672
2144/8083 [======>.......................] - ETA: 3s - loss: 0.5538 - acc: 0.8680
2240/8083 [=======>......................] - ETA: 3s - loss: 0.5484 - acc: 0.8696
2336/8083 [=======>......................] - ETA: 3s - loss: 0.5522 - acc: 0.8694
2432/8083 [========>.....................] - ETA: 3s - loss: 0.5514 - acc: 0.8701
2528/8083 [========>.....................] - ETA: 3s - loss: 0.5504 - acc: 0.8691
2624/8083 [========>.....................] - ETA: 3s - loss: 0.5494 - acc: 0.8689
2720/8083 [=========>....................] - ETA: 3s - loss: 0.5515 - acc: 0.8676
2816/8083 [=========>....................] - ETA: 3s - loss: 0.5472 - acc: 0.8683
2912/8083 [=========>....................] - ETA: 3s - loss: 0.5532 - acc: 0.8661
3008/8083 [==========>...................] - ETA: 3s - loss: 0.5492 - acc: 0.8674
3104/8083 [==========>...................] - ETA: 2s - loss: 0.5532 - acc: 0.8660
3200/8083 [==========>...................] - ETA: 2s - loss: 0.5526 - acc: 0.8666
3296/8083 [===========>..................] - ETA: 2s - loss: 0.5538 - acc: 0.8665
3392/8083 [===========>..................] - ETA: 2s - loss: 0.5571 - acc: 0.8662
3488/8083 [===========>..................] - ETA: 2s - loss: 0.5584 - acc: 0.8661
3584/8083 [============>.................] - ETA: 2s - loss: 0.5527 - acc: 0.8675
3680/8083 [============>.................] - ETA: 2s - loss: 0.5502 - acc: 0.8682
3776/8083 [=============>................] - ETA: 2s - loss: 0.5459 - acc: 0.8694
3872/8083 [=============>................] - ETA: 2s - loss: 0.5454 - acc: 0.8688
3968/8083 [=============>................] - ETA: 2s - loss: 0.5411 - acc: 0.8700
4096/8083 [==============>...............] - ETA: 2s - loss: 0.5456 - acc: 0.8684
4192/8083 [==============>...............] - ETA: 2s - loss: 0.5451 - acc: 0.8683
4320/8083 [===============>..............] - ETA: 2s - loss: 0.5419 - acc: 0.8692
4448/8083 [===============>..............] - ETA: 2s - loss: 0.5440 - acc: 0.8680
4544/8083 [===============>..............] - ETA: 2s - loss: 0.5453 - acc: 0.8675
4640/8083 [================>.............] - ETA: 2s - loss: 0.5440 - acc: 0.8677
4736/8083 [================>.............] - ETA: 1s - loss: 0.5447 - acc: 0.8680
4832/8083 [================>.............] - ETA: 1s - loss: 0.5450 - acc: 0.8688
4928/8083 [=================>............] - ETA: 1s - loss: 0.5469 - acc: 0.8687
5024/8083 [=================>............] - ETA: 1s - loss: 0.5469 - acc: 0.8680
5120/8083 [==================>...........] - ETA: 1s - loss: 0.5474 - acc: 0.8680
5216/8083 [==================>...........] - ETA: 1s - loss: 0.5506 - acc: 0.8660
5312/8083 [==================>...........] - ETA: 1s - loss: 0.5535 - acc: 0.8641
5408/8083 [===================>..........] - ETA: 1s - loss: 0.5530 - acc: 0.8643
5504/8083 [===================>..........] - ETA: 1s - loss: 0.5530 - acc: 0.8643
5600/8083 [===================>..........] - ETA: 1s - loss: 0.5518 - acc: 0.8650
5696/8083 [====================>.........] - ETA: 1s - loss: 0.5502 - acc: 0.8653
5760/8083 [====================>.........] - ETA: 1s - loss: 0.5476 - acc: 0.8658
5856/8083 [====================>.........] - ETA: 1s - loss: 0.5526 - acc: 0.8648
5952/8083 [=====================>........] - ETA: 1s - loss: 0.5510 - acc: 0.8656
6048/8083 [=====================>........] - ETA: 1s - loss: 0.5520 - acc: 0.8652
6144/8083 [=====================>........] - ETA: 1s - loss: 0.5517 - acc: 0.8647
6240/8083 [======================>.......] - ETA: 1s - loss: 0.5503 - acc: 0.8649
6336/8083 [======================>.......] - ETA: 1s - loss: 0.5498 - acc: 0.8647
6432/8083 [======================>.......] - ETA: 0s - loss: 0.5496 - acc: 0.8646
6528/8083 [=======================>......] - ETA: 0s - loss: 0.5498 - acc: 0.8641
6592/8083 [=======================>......] - ETA: 0s - loss: 0.5475 - acc: 0.8650
6688/8083 [=======================>......] - ETA: 0s - loss: 0.5510 - acc: 0.8644
6784/8083 [========================>.....] - ETA: 0s - loss: 0.5497 - acc: 0.8645
6880/8083 [========================>.....] - ETA: 0s - loss: 0.5501 - acc: 0.8648
6976/8083 [========================>.....] - ETA: 0s - loss: 0.5488 - acc: 0.8650
7072/8083 [=========================>....] - ETA: 0s - loss: 0.5481 - acc: 0.8651
7168/8083 [=========================>....] - ETA: 0s - loss: 0.5495 - acc: 0.8650
7264/8083 [=========================>....] - ETA: 0s - loss: 0.5495 - acc: 0.8651
7360/8083 [==========================>...] - ETA: 0s - loss: 0.5485 - acc: 0.8652
7456/8083 [==========================>...] - ETA: 0s - loss: 0.5479 - acc: 0.8651
7552/8083 [===========================>..] - ETA: 0s - loss: 0.5487 - acc: 0.8644
7648/8083 [===========================>..] - ETA: 0s - loss: 0.5473 - acc: 0.8644
7744/8083 [===========================>..] - ETA: 0s - loss: 0.5478 - acc: 0.8642
7840/8083 [============================>.] - ETA: 0s - loss: 0.5488 - acc: 0.8638
7936/8083 [============================>.] - ETA: 0s - loss: 0.5500 - acc: 0.8638
8032/8083 [============================>.] - ETA: 0s - loss: 0.5490 - acc: 0.8640
8083/8083 [==============================] - 5s 620us/step - loss: 0.5504 - acc: 0.8638 - val_loss: 0.8922 - val_acc: 0.7964
Epoch 4/5

  32/8083 [..............................] - ETA: 4s - loss: 0.2811 - acc: 0.9375
 128/8083 [..............................] - ETA: 4s - loss: 0.3770 - acc: 0.9062
 224/8083 [..............................] - ETA: 4s - loss: 0.3453 - acc: 0.9062
 320/8083 [>.............................] - ETA: 4s - loss: 0.3930 - acc: 0.8906
 416/8083 [>.............................] - ETA: 4s - loss: 0.4034 - acc: 0.8870
 512/8083 [>.............................] - ETA: 4s - loss: 0.4199 - acc: 0.8848
 608/8083 [=>............................] - ETA: 4s - loss: 0.4016 - acc: 0.8898
 704/8083 [=>............................] - ETA: 4s - loss: 0.3962 - acc: 0.8935
 800/8083 [=>............................] - ETA: 4s - loss: 0.4286 - acc: 0.8925
 896/8083 [==>...........................] - ETA: 4s - loss: 0.4078 - acc: 0.9007
 992/8083 [==>...........................] - ETA: 4s - loss: 0.4029 - acc: 0.9022
1088/8083 [===>..........................] - ETA: 4s - loss: 0.4140 - acc: 0.8980
1184/8083 [===>..........................] - ETA: 4s - loss: 0.4148 - acc: 0.8986
1280/8083 [===>..........................] - ETA: 4s - loss: 0.4089 - acc: 0.8984
1376/8083 [====>.........................] - ETA: 4s - loss: 0.4141 - acc: 0.8975
1472/8083 [====>.........................] - ETA: 4s - loss: 0.4042 - acc: 0.9008
1600/8083 [====>.........................] - ETA: 3s - loss: 0.4074 - acc: 0.9006
1728/8083 [=====>........................] - ETA: 3s - loss: 0.4068 - acc: 0.8993
1824/8083 [=====>........................] - ETA: 3s - loss: 0.4127 - acc: 0.8975
1920/8083 [======>.......................] - ETA: 3s - loss: 0.4045 - acc: 0.9010
2016/8083 [======>.......................] - ETA: 3s - loss: 0.4104 - acc: 0.8988
2112/8083 [======>.......................] - ETA: 3s - loss: 0.4042 - acc: 0.9001
2208/8083 [=======>......................] - ETA: 3s - loss: 0.3996 - acc: 0.9008
2304/8083 [=======>......................] - ETA: 3s - loss: 0.3975 - acc: 0.9015
2400/8083 [=======>......................] - ETA: 3s - loss: 0.3953 - acc: 0.9017
2496/8083 [========>.....................] - ETA: 3s - loss: 0.3929 - acc: 0.9014
2592/8083 [========>.....................] - ETA: 3s - loss: 0.3910 - acc: 0.9020
2688/8083 [========>.....................] - ETA: 3s - loss: 0.3918 - acc: 0.9010
2784/8083 [=========>....................] - ETA: 3s - loss: 0.3904 - acc: 0.9012
2880/8083 [=========>....................] - ETA: 3s - loss: 0.3911 - acc: 0.9010
2976/8083 [==========>...................] - ETA: 3s - loss: 0.3896 - acc: 0.9005
3072/8083 [==========>...................] - ETA: 3s - loss: 0.3914 - acc: 0.9007
3168/8083 [==========>...................] - ETA: 2s - loss: 0.3927 - acc: 0.9003
3264/8083 [===========>..................] - ETA: 2s - loss: 0.3877 - acc: 0.9017
3360/8083 [===========>..................] - ETA: 2s - loss: 0.3838 - acc: 0.9030
3456/8083 [===========>..................] - ETA: 2s - loss: 0.3891 - acc: 0.9016
3552/8083 [============>.................] - ETA: 2s - loss: 0.3878 - acc: 0.9020
3648/8083 [============>.................] - ETA: 2s - loss: 0.3906 - acc: 0.9010
3744/8083 [============>.................] - ETA: 2s - loss: 0.3900 - acc: 0.9009
3840/8083 [=============>................] - ETA: 2s - loss: 0.3843 - acc: 0.9026
3936/8083 [=============>................] - ETA: 2s - loss: 0.3836 - acc: 0.9024
4032/8083 [=============>................] - ETA: 2s - loss: 0.3896 - acc: 0.9013
4128/8083 [==============>...............] - ETA: 2s - loss: 0.3875 - acc: 0.9021
4224/8083 [==============>...............] - ETA: 2s - loss: 0.3862 - acc: 0.9015
4320/8083 [===============>..............] - ETA: 2s - loss: 0.3874 - acc: 0.9016
4416/8083 [===============>..............] - ETA: 2s - loss: 0.3901 - acc: 0.9013
4512/8083 [===============>..............] - ETA: 2s - loss: 0.3894 - acc: 0.9020
4608/8083 [================>.............] - ETA: 2s - loss: 0.3908 - acc: 0.9021
4704/8083 [================>.............] - ETA: 2s - loss: 0.3912 - acc: 0.9018
4800/8083 [================>.............] - ETA: 2s - loss: 0.3896 - acc: 0.9019
4896/8083 [=================>............] - ETA: 1s - loss: 0.3884 - acc: 0.9020
4992/8083 [=================>............] - ETA: 1s - loss: 0.3956 - acc: 0.9004
5088/8083 [=================>............] - ETA: 1s - loss: 0.3939 - acc: 0.9011
5184/8083 [==================>...........] - ETA: 1s - loss: 0.3902 - acc: 0.9022
5280/8083 [==================>...........] - ETA: 1s - loss: 0.3929 - acc: 0.9011
5376/8083 [==================>...........] - ETA: 1s - loss: 0.3954 - acc: 0.9012
5472/8083 [===================>..........] - ETA: 1s - loss: 0.3963 - acc: 0.9013
5568/8083 [===================>..........] - ETA: 1s - loss: 0.3950 - acc: 0.9012
5664/8083 [====================>.........] - ETA: 1s - loss: 0.3965 - acc: 0.9008
5760/8083 [====================>.........] - ETA: 1s - loss: 0.4030 - acc: 0.9003
5856/8083 [====================>.........] - ETA: 1s - loss: 0.4034 - acc: 0.9001
5952/8083 [=====================>........] - ETA: 1s - loss: 0.4018 - acc: 0.9002
6048/8083 [=====================>........] - ETA: 1s - loss: 0.4028 - acc: 0.9001
6144/8083 [=====================>........] - ETA: 1s - loss: 0.4067 - acc: 0.8991
6240/8083 [======================>.......] - ETA: 1s - loss: 0.4065 - acc: 0.8984
6336/8083 [======================>.......] - ETA: 1s - loss: 0.4067 - acc: 0.8984
6432/8083 [======================>.......] - ETA: 1s - loss: 0.4054 - acc: 0.8985
6528/8083 [=======================>......] - ETA: 0s - loss: 0.4066 - acc: 0.8986
6624/8083 [=======================>......] - ETA: 0s - loss: 0.4089 - acc: 0.8984
6720/8083 [=======================>......] - ETA: 0s - loss: 0.4097 - acc: 0.8981
6816/8083 [========================>.....] - ETA: 0s - loss: 0.4094 - acc: 0.8980
6912/8083 [========================>.....] - ETA: 0s - loss: 0.4094 - acc: 0.8987
7008/8083 [=========================>....] - ETA: 0s - loss: 0.4109 - acc: 0.8981
7104/8083 [=========================>....] - ETA: 0s - loss: 0.4113 - acc: 0.8984
7200/8083 [=========================>....] - ETA: 0s - loss: 0.4142 - acc: 0.8969
7296/8083 [==========================>...] - ETA: 0s - loss: 0.4124 - acc: 0.8975
7392/8083 [==========================>...] - ETA: 0s - loss: 0.4140 - acc: 0.8975
7488/8083 [==========================>...] - ETA: 0s - loss: 0.4163 - acc: 0.8969
7584/8083 [===========================>..] - ETA: 0s - loss: 0.4173 - acc: 0.8968
7680/8083 [===========================>..] - ETA: 0s - loss: 0.4174 - acc: 0.8965
7808/8083 [===========================>..] - ETA: 0s - loss: 0.4185 - acc: 0.8959
7936/8083 [============================>.] - ETA: 0s - loss: 0.4186 - acc: 0.8963
8064/8083 [============================>.] - ETA: 0s - loss: 0.4155 - acc: 0.8973
8083/8083 [==============================] - 5s 626us/step - loss: 0.4159 - acc: 0.8973 - val_loss: 0.8845 - val_acc: 0.8076
Epoch 5/5

  32/8083 [..............................] - ETA: 5s - loss: 0.1721 - acc: 0.9688
 128/8083 [..............................] - ETA: 4s - loss: 0.2283 - acc: 0.9531
 224/8083 [..............................] - ETA: 4s - loss: 0.3462 - acc: 0.9152
 320/8083 [>.............................] - ETA: 4s - loss: 0.3501 - acc: 0.9156
 416/8083 [>.............................] - ETA: 4s - loss: 0.3644 - acc: 0.9087
 512/8083 [>.............................] - ETA: 4s - loss: 0.3662 - acc: 0.9062
 608/8083 [=>............................] - ETA: 4s - loss: 0.3662 - acc: 0.9062
 704/8083 [=>............................] - ETA: 4s - loss: 0.3625 - acc: 0.9091
 800/8083 [=>............................] - ETA: 4s - loss: 0.3581 - acc: 0.9150
 896/8083 [==>...........................] - ETA: 4s - loss: 0.3648 - acc: 0.9118
 992/8083 [==>...........................] - ETA: 4s - loss: 0.3500 - acc: 0.9163
1088/8083 [===>..........................] - ETA: 4s - loss: 0.3475 - acc: 0.9182
1152/8083 [===>..........................] - ETA: 4s - loss: 0.3417 - acc: 0.9184
1248/8083 [===>..........................] - ETA: 4s - loss: 0.3344 - acc: 0.9199
1344/8083 [===>..........................] - ETA: 4s - loss: 0.3267 - acc: 0.9211
1440/8083 [====>.........................] - ETA: 4s - loss: 0.3182 - acc: 0.9243
1536/8083 [====>.........................] - ETA: 4s - loss: 0.3102 - acc: 0.9264
1632/8083 [=====>........................] - ETA: 4s - loss: 0.3057 - acc: 0.9283
1728/8083 [=====>........................] - ETA: 4s - loss: 0.3031 - acc: 0.9282
1824/8083 [=====>........................] - ETA: 3s - loss: 0.3088 - acc: 0.9276
1888/8083 [======>.......................] - ETA: 3s - loss: 0.3167 - acc: 0.9258
1952/8083 [======>.......................] - ETA: 3s - loss: 0.3118 - acc: 0.9267
2048/8083 [======>.......................] - ETA: 3s - loss: 0.3135 - acc: 0.9263
2144/8083 [======>.......................] - ETA: 3s - loss: 0.3079 - acc: 0.9277
2208/8083 [=======>......................] - ETA: 3s - loss: 0.3046 - acc: 0.9293
2304/8083 [=======>......................] - ETA: 3s - loss: 0.3022 - acc: 0.9301
2400/8083 [=======>......................] - ETA: 3s - loss: 0.2981 - acc: 0.9304
2496/8083 [========>.....................] - ETA: 3s - loss: 0.3026 - acc: 0.9287
2592/8083 [========>.....................] - ETA: 3s - loss: 0.3036 - acc: 0.9286
2688/8083 [========>.....................] - ETA: 3s - loss: 0.3041 - acc: 0.9282
2784/8083 [=========>....................] - ETA: 3s - loss: 0.3063 - acc: 0.9267
2880/8083 [=========>....................] - ETA: 3s - loss: 0.3086 - acc: 0.9247
2976/8083 [==========>...................] - ETA: 3s - loss: 0.3057 - acc: 0.9251
3072/8083 [==========>...................] - ETA: 3s - loss: 0.3009 - acc: 0.9268
3168/8083 [==========>...................] - ETA: 3s - loss: 0.3024 - acc: 0.9261
3264/8083 [===========>..................] - ETA: 3s - loss: 0.3020 - acc: 0.9262
3360/8083 [===========>..................] - ETA: 3s - loss: 0.2982 - acc: 0.9274
3456/8083 [===========>..................] - ETA: 2s - loss: 0.2991 - acc: 0.9259
3552/8083 [============>.................] - ETA: 2s - loss: 0.3035 - acc: 0.9245
3616/8083 [============>.................] - ETA: 2s - loss: 0.3050 - acc: 0.9242
3712/8083 [============>.................] - ETA: 2s - loss: 0.3037 - acc: 0.9248
3808/8083 [=============>................] - ETA: 2s - loss: 0.3018 - acc: 0.9254
3840/8083 [=============>................] - ETA: 2s - loss: 0.3024 - acc: 0.9250
3904/8083 [=============>................] - ETA: 2s - loss: 0.3043 - acc: 0.9244
4000/8083 [=============>................] - ETA: 2s - loss: 0.3076 - acc: 0.9233
4096/8083 [==============>...............] - ETA: 2s - loss: 0.3098 - acc: 0.9231
4192/8083 [==============>...............] - ETA: 2s - loss: 0.3101 - acc: 0.9232
4288/8083 [==============>...............] - ETA: 2s - loss: 0.3098 - acc: 0.9233
4384/8083 [===============>..............] - ETA: 2s - loss: 0.3132 - acc: 0.9220
4480/8083 [===============>..............] - ETA: 2s - loss: 0.3134 - acc: 0.9223
4576/8083 [===============>..............] - ETA: 2s - loss: 0.3117 - acc: 0.9229
4672/8083 [================>.............] - ETA: 2s - loss: 0.3088 - acc: 0.9238
4768/8083 [================>.............] - ETA: 2s - loss: 0.3108 - acc: 0.9230
4864/8083 [=================>............] - ETA: 2s - loss: 0.3096 - acc: 0.9229
4960/8083 [=================>............] - ETA: 2s - loss: 0.3094 - acc: 0.9228
5056/8083 [=================>............] - ETA: 1s - loss: 0.3086 - acc: 0.9227
5152/8083 [==================>...........] - ETA: 1s - loss: 0.3071 - acc: 0.9226
5248/8083 [==================>...........] - ETA: 1s - loss: 0.3098 - acc: 0.9219
5344/8083 [==================>...........] - ETA: 1s - loss: 0.3078 - acc: 0.9222
5440/8083 [===================>..........] - ETA: 1s - loss: 0.3091 - acc: 0.9217
5536/8083 [===================>..........] - ETA: 1s - loss: 0.3090 - acc: 0.9218
5632/8083 [===================>..........] - ETA: 1s - loss: 0.3084 - acc: 0.9222
5728/8083 [====================>.........] - ETA: 1s - loss: 0.3074 - acc: 0.9228
5856/8083 [====================>.........] - ETA: 1s - loss: 0.3069 - acc: 0.9226
5984/8083 [=====================>........] - ETA: 1s - loss: 0.3065 - acc: 0.9228
6080/8083 [=====================>........] - ETA: 1s - loss: 0.3088 - acc: 0.9225
6176/8083 [=====================>........] - ETA: 1s - loss: 0.3103 - acc: 0.9223
6272/8083 [======================>.......] - ETA: 1s - loss: 0.3110 - acc: 0.9219
6368/8083 [======================>.......] - ETA: 1s - loss: 0.3102 - acc: 0.9221
6464/8083 [======================>.......] - ETA: 1s - loss: 0.3102 - acc: 0.9217
6560/8083 [=======================>......] - ETA: 0s - loss: 0.3123 - acc: 0.9215
6656/8083 [=======================>......] - ETA: 0s - loss: 0.3157 - acc: 0.9207
6752/8083 [========================>.....] - ETA: 0s - loss: 0.3153 - acc: 0.9208
6848/8083 [========================>.....] - ETA: 0s - loss: 0.3157 - acc: 0.9203
6944/8083 [========================>.....] - ETA: 0s - loss: 0.3168 - acc: 0.9202
7040/8083 [=========================>....] - ETA: 0s - loss: 0.3181 - acc: 0.9197
7136/8083 [=========================>....] - ETA: 0s - loss: 0.3185 - acc: 0.9197
7232/8083 [=========================>....] - ETA: 0s - loss: 0.3213 - acc: 0.9191
7328/8083 [==========================>...] - ETA: 0s - loss: 0.3215 - acc: 0.9188
7392/8083 [==========================>...] - ETA: 0s - loss: 0.3215 - acc: 0.9188
7488/8083 [==========================>...] - ETA: 0s - loss: 0.3197 - acc: 0.9195
7584/8083 [===========================>..] - ETA: 0s - loss: 0.3187 - acc: 0.9196
7680/8083 [===========================>..] - ETA: 0s - loss: 0.3177 - acc: 0.9201
7776/8083 [===========================>..] - ETA: 0s - loss: 0.3199 - acc: 0.9195
7872/8083 [============================>.] - ETA: 0s - loss: 0.3242 - acc: 0.9183
7968/8083 [============================>.] - ETA: 0s - loss: 0.3248 - acc: 0.9180
8064/8083 [============================>.] - ETA: 0s - loss: 0.3243 - acc: 0.9183
8083/8083 [==============================] - 5s 664us/step - loss: 0.3254 - acc: 0.9181 - val_loss: 0.9151 - val_acc: 0.7987

  32/2246 [..............................] - ETA: 0s
 384/2246 [====>.........................] - ETA: 0s
 704/2246 [========>.....................] - ETA: 0s
1056/2246 [=============>................] - ETA: 0s
1408/2246 [=================>............] - ETA: 0s
1728/2246 [======================>.......] - ETA: 0s
2080/2246 [==========================>...] - ETA: 0s
2246/2246 [==============================] - 0s 152us/step
Test score: 0.8895948799401654
Test accuracy: 0.7929652715939448

Process finished with exit code 0

Keras详细介绍

英文：https://keras.io/

中文：http://keras-cn.readthedocs.io/en/latest/

实例下载

https://github.com/keras-team/keras

https://github.com/keras-team/keras/tree/master/examples

完整项目下载

方便没积分童鞋，请加企鹅452205574，共享文件夹。

包括：代码、数据集合（图片）、已生成model、安装库文件等。

你可能感兴趣的:(python,人工智能)

理解Gunicorn：Python WSGI服务器的基石范范0825 ipython linux 运维
理解Gunicorn：PythonWSGI服务器的基石介绍Gunicorn，全称GreenUnicorn，是一个为PythonWSGI（WebServerGatewayInterface）应用设计的高效、轻量级HTTP服务器。作为PythonWeb应用部署的常用工具，Gunicorn以其高性能和易用性著称。本文将介绍Gunicorn的基本概念、安装和配置，帮助初学者快速上手。1.什么是Gunico
Python数据分析与可视化实战指南 William数据分析 python python 数据
在数据驱动的时代，Python因其简洁的语法、强大的库生态系统以及活跃的社区，成为了数据分析与可视化的首选语言。本文将通过一个详细的案例，带领大家学习如何使用Python进行数据分析，并通过可视化来直观呈现分析结果。一、环境准备1.1安装必要库在开始数据分析和可视化之前，我们需要安装一些常用的库。主要包括pandas、numpy、matplotlib和seaborn等。这些库分别用于数据处理、数学
python os.environ 江湖偌大 python 深度学习
os.environ['TF_CPP_MIN_LOG_LEVEL']='0'#默认值，输出所有信息os.environ['TF_CPP_MIN_LOG_LEVEL']='1'#屏蔽通知信息（INFO）os.environ['TF_CPP_MIN_LOG_LEVEL']='2'#屏蔽通知信息和警告信息（INFO\WARNING）os.environ['TF_CPP_MIN_LOG_LEVEL']='
Python中os.environ基本介绍及使用方法鹤冲天Pro #Python python 服务器开发语言
文章目录python中os.environos.environ简介os.environ进行环境变量的增删改查python中os.environ的使用详解1.简介2.key字段详解2.1常见key字段3.os.environ.get()用法4.环境变量的增删改查和判断是否存在4.1新增环境变量4.2更新环境变量4.3获取环境变量4.4删除环境变量4.5判断环境变量是否存在python中os.envi
Pyecharts数据可视化大屏：打造沉浸式数据分析体验我的运维人生信息可视化数据分析数据挖掘运维开发技术共享
Pyecharts数据可视化大屏：打造沉浸式数据分析体验在当今这个数据驱动的时代，如何将海量数据以直观、生动的方式展现出来，成为了数据分析师和企业决策者关注的焦点。Pyecharts，作为一款基于Python的开源数据可视化库，凭借其丰富的图表类型、灵活的配置选项以及高度的定制化能力，成为了构建数据可视化大屏的理想选择。本文将深入探讨如何利用Pyecharts打造数据可视化大屏，并通过实际代码案例
Python教程：一文了解使用Python处理XPath 旦莫 Python进阶 python 开发语言
目录1.环境准备1.1安装lxml1.2验证安装2.XPath基础2.1什么是XPath？2.2XPath语法2.3示例XML文档3.使用lxml解析XML3.1解析XML文档3.2查看解析结果4.XPath查询4.1基本路径查询4.2使用属性查询4.3查询多个节点5.XPath的高级用法5.1使用逻辑运算符5.2使用函数6.实战案例6.1从网页抓取数据6.1.1安装Requests库6.1.2代
python os.environ_python os.environ 读取和设置环境变量 weixin_39605414 python os.environ
>>>importos>>>os.environ.keys()['LC_NUMERIC','GOPATH','GOROOT','GOBIN','LESSOPEN','SSH_CLIENT','LOGNAME','USER','HOME','LC_PAPER','PATH','DISPLAY','LANG','TERM','SHELL','J2REDIR','LC_MONETARY','QT_QPA
探索OpenAI和LangChain的适配器集成：轻松切换模型提供商 nseejrukjhad langchain easyui 前端 python
#探索OpenAI和LangChain的适配器集成：轻松切换模型提供商##引言在人工智能和自然语言处理的世界中，OpenAI的模型提供了强大的能力。然而，随着技术的发展，许多人开始探索其他模型以满足特定需求。LangChain作为一个强大的工具，集成了多种模型提供商，通过提供适配器，简化了不同模型之间的转换。本篇文章将介绍如何使用LangChain的适配器与OpenAI集成，以便轻松切换模型提供商
使用Faiss进行高效相似度搜索 llzwxh888 faiss python
在现代AI应用中，快速和高效的相似度搜索是至关重要的。Faiss（FacebookAISimilaritySearch）是一个专门用于快速相似度搜索和聚类的库，特别适用于高维向量。本文将介绍如何使用Faiss来进行相似度搜索，并结合Python代码演示其基本用法。什么是Faiss？Faiss是一个由FacebookAIResearch团队开发的开源库，主要用于高维向量的相似性搜索和聚类。Faiss
python是什么意思中文-在python中%是什么意思编程大乐趣
Python中%有两种：1、数值运算：%代表取模，返回除法的余数。如：>>>7%212、%操作符（字符串格式化，stringformatting），说明如下：%[(name)][flags][width].[precision]typecode(name)为命名flags可以有+，-，''或0。+表示右对齐。-表示左对齐。''为一个空格，表示在正数的左侧填充一个空格，从而与负数对齐。0表示使用0填
深入理解 MultiQueryRetriever：提升向量数据库检索效果的强大工具 nseejrukjhad 数据库 python
深入理解MultiQueryRetriever：提升向量数据库检索效果的强大工具引言在人工智能和自然语言处理领域，高效准确的信息检索一直是一个关键挑战。传统的基于距离的向量数据库检索方法虽然广泛应用，但仍存在一些局限性。本文将介绍一种创新的解决方案：MultiQueryRetriever，它通过自动生成多个查询视角来增强检索效果，提高结果的相关性和多样性。MultiQueryRetriever的工
Day1笔记-Python简介&标识符和关键字&输入输出 ~在杰难逃~ Python python 开发语言大数据数据分析数据挖掘
大家好，从今天开始呢，杰哥开展一个新的专栏，当然，数据分析部分也会不定时更新的，这个新的专栏主要是讲解一些Python的基础语法和知识，帮助0基础的小伙伴入门和学习Python，感兴趣的小伙伴可以开始认真学习啦！一、Python简介【了解】1.计算机工作原理编程语言就是用来定义计算机程序的形式语言。我们通过编程语言来编写程序代码，再通过语言处理程序执行向计算机发送指令，让计算机完成对应的工作，编程
python八股文面试题分享及解析(1) Shawn________ python
#1.'''a=1b=2不用中间变量交换a和b'''#1.a=1b=2a,b=b,aprint(a)print(b)结果：21#2.ll=[]foriinrange(3):ll.append({'num':i})print(11)结果:#[{'num':0},{'num':1},{'num':2}]#3.kk=[]a={'num':0}foriinrange(3):#0,12#可变类型，不仅仅改变
人工智能时代，程序员如何保持核心竞争力？ jmoych 人工智能
随着AIGC（如chatgpt、midjourney、claude等）大语言模型接二连三的涌现，AI辅助编程工具日益普及，程序员的工作方式正在发生深刻变革。有人担心AI可能取代部分编程工作，也有人认为AI是提高效率的得力助手。面对这一趋势,程序员应该如何应对?是专注于某个领域深耕细作，还是广泛学习以适应快速变化的技术环境?又或者，我们是否应该将重点转向AI无法轻易替代的软技能？让我们一起探讨程序员
每日算法&面试题，大厂特训二十八天——第二十天（树）肥学 ⚡算法题⚡面试题每日精进 java 算法数据结构
目录标题导读算法特训二十八天面试题点击直接资料领取导读肥友们为了更好的去帮助新同学适应算法和面试题，最近我们开始进行专项突击一步一步来。上一期我们完成了动态规划二十一天现在我们进行下一项对各类算法进行二十八天的一个小总结。还在等什么快来一起肥学进行二十八天挑战吧！！特别介绍小白练手专栏，适合刚入手的新人欢迎订阅编程小白进阶python有趣练手项目里面包括了像《机器人尬聊》《恶搞程序》这样的有趣文章
Python快速入门 —— 第三节：类与对象孤华暗香 Python快速入门 python 开发语言
第三节：类与对象目标：了解面向对象编程的基础概念，并学会如何定义类和创建对象。内容：类与对象：定义类：class关键字。类的构造函数：__init__()。类的属性和方法。对象的创建与使用。示例：classStudent:def__init__(self,name,age,major):self.name&#
pyecharts——绘制柱形图折线图 2224070247 信息可视化 python java 数据可视化
一、pyecharts概述自2013年6月百度EFE(ExcellentFrontEnd）数据可视化团队研发的ECharts1.0发布到GitHub网站以来，ECharts一直备受业界权威的关注并获得广泛好评，成为目前成熟且流行的数据可视化图表工具，被应用到诸多数据可视化的开发领域。Python作为数据分析领域最受欢迎的语言，也加入ECharts的使用行列，并研发出方便Python开发者使用的数据
Python 实现图片裁剪（附代码） | Python工具剑客阿良_ALiang
前言本文提供将图片按照自定义尺寸进行裁剪的工具方法，一如既往的实用主义。环境依赖ffmpeg环境安装，可以参考我的另一篇文章：windowsffmpeg安装部署_阿良的博客-CSDN博客本文主要使用到的不是ffmpeg，而是ffprobe也在上面这篇文章中的zip包中。ffmpy安装：pipinstallffmpy-ihttps://pypi.douban.com/simple代码不废话了，上代码
【华为OD技术面试真题 - 技术面】- python八股文真题题库（4) 算法大师华为od 面试 python
华为OD面试真题精选专栏：华为OD面试真题精选目录:2024华为OD面试手撕代码真题目录以及八股文真题目录文章目录华为OD面试真题精选**1.Python中的`with`**用途和功能自动资源管理示例：文件操作上下文管理协议示例代码工作流程解析优点2.\_\_new\_\_和**\_\_init\_\_**区别__new____init__区别总结3.**切片（Slicing）操作**基本切片语法
python os 环境变量 CV矿工 python 开发语言 numpy
环境变量：环境变量是程序和操作系统之间的通信方式。有些字符不宜明文写进代码里，比如数据库密码，个人账户密码，如果写进自己本机的环境变量里，程序用的时候通过os.environ.get（）取出来就行了。os.environ是一个环境变量的字典。环境变量的相关操作importos"""设置/修改环境变量：os.environ[‘环境变量名称’]=‘环境变量值’#其中key和value均为string类
Python爬虫解析工具之xpath使用详解 eqa11 python 爬虫开发语言
文章目录Python爬虫解析工具之xpath使用详解一、引言二、环境准备1、插件安装2、依赖库安装三、xpath语法详解1、路径表达式2、通配符3、谓语4、常用函数四、xpath在Python代码中的使用1、文档树的创建2、使用xpath表达式3、获取元素内容和属性五、总结Python爬虫解析工具之xpath使用详解一、引言在Python爬虫开发中，数据提取是一个至关重要的环节。xpath作为一门
【华为OD技术面试真题 - 技术面】- python八股文真题题库（1）算法大师华为od 面试 python
华为OD面试真题精选专栏：华为OD面试真题精选目录:2024华为OD面试手撕代码真题目录以及八股文真题目录文章目录华为OD面试真题精选1.数据预处理流程数据预处理的主要步骤工具和库2.介绍线性回归、逻辑回归模型线性回归（LinearRegression）模型形式：关键点：逻辑回归（LogisticRegression）模型形式：关键点：参数估计与评估：3.python浅拷贝及深拷贝浅拷贝（Shal
数字里的世界17期：2021年全球10大顶级数据中心，中国移动榜首张三叨
你知道吗？2016年，全球的数据中心共计用电4160亿千瓦时，比整个英国的发电量还多40％！前言每天，我们都会创造超过250万TB的数据。并且随着物联网（IOT）的不断普及，这一数据将持续增长。如此庞大的数据被存储在被称为“数据中心”的专用设施中。虽然最早的数据中心建于20世纪40年代，但直到1997-2000年的互联网泡沫期间才逐渐成为主流。当前人类的技术，比如人工智能和机器学习，已经将我们推向
nosql数据库技术与应用知识点皆过客，揽星河 NoSQL nosql 数据库大数据数据分析数据结构非关系型数据库
Nosql知识回顾大数据处理流程数据采集(flume、爬虫、传感器)数据存储(本门课程NoSQL所处的阶段)Hdfs、MongoDB、HBase等数据清洗(入仓)Hive等数据处理、分析(Spark、Flink等)数据可视化数据挖掘、机器学习应用(Python、SparkMLlib等)大数据时代存储的挑战(三高)高并发(同一时间很多人访问)高扩展(要求随时根据需求扩展存储)高效率(要求读写速度快)
《Python数据分析实战终极指南》 xjt921122 python 数据分析开发语言
对于分析师来说，大家在学习Python数据分析的路上，多多少少都遇到过很多大坑**，有关于技能和思维的**：Excel已经没办法处理现有的数据量了，应该学Python吗？找了一大堆Python和Pandas的资料来学习，为什么自己动手就懵了？跟着比赛类公开数据分析案例练了很久，为什么当自己面对数据需求还是只会数据处理而没有分析思路？学了对比、细分、聚类分析，也会用PEST、波特五力这类分析法，为啥
Python中深拷贝与浅拷贝的区别 yuxiaoyu.
转自：http://blog.csdn.net/u014745194/article/details/70271868定义：在Python中对象的赋值其实就是对象的引用。当创建一个对象，把它赋值给另一个变量的时候，python并没有拷贝这个对象，只是拷贝了这个对象的引用而已。浅拷贝：拷贝了最外围的对象本身，内部的元素都只是拷贝了一个引用而已。也就是，把对象复制一遍，但是该对象中引用的其他对象我不复
Python开发常用的三方模块如下：换个网名有点难 python 开发语言
Python是一门功能强大的编程语言，拥有丰富的第三方库，这些库为开发者提供了极大的便利。以下是100个常用的Python库，涵盖了多个领域：1、NumPy，用于科学计算的基础库。2、Pandas，提供数据结构和数据分析工具。3、Matplotlib，一个绘图库。4、Scikit-learn，机器学习库。5、SciPy，用于数学、科学和工程的库。6、TensorFlow，由Google开发的开源机
Python编译器鹿鹿~ Python编译器 Python python 开发语言后端
嘿嘿嘿我又来了啊有些小盆友可能不知道Python其实是有编译器的，也就是PyCharm。你们可能会问到这个是干嘛的又不可以吃也不可以穿好像没有什么用，其实你还说对了这个还真的不可以吃也不可以穿，但是它用来干嘛的呢。用来编译你所打出的代码进行运行（可能这里说的有点不对但是只是个人认为）现在我们来说说PyCharm是用来干嘛的。PyCharm是一种PythonIDE，带有一整套可以帮助用户在使用Pyt
一文掌握python面向对象魔术方法（二）程序员neil python python 开发语言
接上篇：一文掌握python面向对象魔术方法（一）-CSDN博客目录六、迭代和序列化：1、__iter__(self):定义迭代器，使得类可以被for循环迭代。2、__getitem__(self,key):定义索引操作，如obj[key]。3、__setitem__(self,key,value):定义赋值操作，如obj[key]=value。4、__delitem__(self,key):定义
一文掌握python常用的list（列表）操作程序员neil python python 开发语言
目录一、创建列表1.直接创建列表：2.使用list()构造器3.使用列表推导式4.创建空列表二、访问列表元素1.列表支持通过索引访问元素，索引从0开始：2.还可以使用切片操作访问列表的一部分：三、修改列表元素四、添加元素1.append()：在末尾添加元素2.insert()：在指定位置插入元素五、删除元素1.del：删除指定位置的元素2.remove()：删除指定值的第一个匹配项3.pop()：
设计模式介绍 tntxia 设计模式
设计模式来源于土木工程师克里斯托弗亚历山大（http://en.wikipedia.org/wiki/Christopher_Alexander）的早期作品。他经常发表一些作品，内容是总结他在解决设计问题方面的经验，以及这些知识与城市和建筑模式之间有何关联。有一天，亚历山大突然发现，重复使用这些模式可以让某些设计构造取得我们期望的最佳效果。亚历山大与萨拉-石川佳纯和穆雷西乐弗斯坦合作
android高级组件使用(一) 百合不是茶 android RatingBar Spinner
1、自动完成文本框（AutoCompleteTextView） AutoCompleteTextView从EditText派生出来，实际上也是一个文本编辑框，但它比普通编辑框多一个功能：当用户输入一个字符后，自动完成文本框会显示一个下拉菜单，供用户从中选择，当用户选择某个菜单项之后，AutoCompleteTextView按用户选择自动填写该文本框。使用AutoCompleteTex
[网络与通讯]路由器市场大有潜力可挖掘 comsci 网络
如果国内的电子厂商和计算机设备厂商觉得手机市场已经有点饱和了,那么可以考虑一下交换机和路由器市场的进入问题..... 这方面的技术和知识,目前处在一个开放型的状态,有利于各类小型电子企业进入 &nbs
自写简单Redis内存统计shell 商人shang Linux shell 统计Redis内存
#!/bin/bash address="192.168.150.128:6666,192.168.150.128:6666" hosts=(${address//,/ }) sfile="staticts.log" for hostitem in ${hosts[@]} do ipport=(${hostitem
单例模式(饿汉 vs懒汉) oloz 单例模式
package 单例模式; /* * 应用场景:保证在整个应用之中某个对象的实例只有一个 * 单例模式种的《懒汉模式》 * */ public class Singleton { //01 将构造方法私有化，外界就无法用new Singleton()的方式获得实例 private Singleton(){}; //02 申明类得唯一实例 priva
springMvc json支持杨白白 json springmvc
1.Spring mvc处理json需要使用jackson的类库，因此需要先引入jackson包 2在spring mvc中解析输入为json格式的数据:使用@RequestBody来设置输入 @RequestMapping("helloJson") public @ResponseBody JsonTest helloJson() {
android播放，掃描添加本地音頻文件小桔子
最近幾乎沒有什麽事情，繼續鼓搗我的小東西。想在項目中加入一個簡易的音樂播放器功能，就像華為p6桌面上那麼大小的音樂播放器。用過天天動聽或者QQ音樂播放器的人都知道，可已通過本地掃描添加歌曲。不知道他們是怎麼實現的，我覺得應該掃描設備上的所有文件，過濾出音頻文件，每個文件實例化為一個實體，記錄文件名、路徑、歌手、類型、大小等信息。具體算法思想，
oracle常用命令 aichenglong oracle dba 常用命令
1 创建临时表空间 create temporary tablespace user_temp tempfile 'D:\oracle\oradata\Oracle9i\user_temp.dbf' size 50m autoextend on next 50m maxsize 20480m extent management local
25个Eclipse插件 AILIKES eclipse插件
提高代码质量的插件1. FindBugsFindBugs可以帮你找到Java代码中的bug，它使用Lesser GNU Public License的自由软件许可。2. CheckstyleCheckstyle插件可以集成到Eclipse IDE中去，能确保Java代码遵循标准代码样式。3. ECLemmaECLemma是一款拥有Eclipse Public License许可的免费工具，它提供了
Spring MVC拦截器+注解方式实现防止表单重复提交 baalwolf spring mvc
原理：在新建页面中Session保存token随机码，当保存时验证，通过后删除，当再次点击保存时由于服务器端的Session中已经不存在了，所有无法验证通过。 1.新建注解： ? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
《Javascript高级程序设计(第3版)》闭包理解 bijian1013 JavaScript
“闭包是指有权访问另一个函数作用域中的变量的函数。”--《Javascript高级程序设计(第3版)》看以下代码： <script type="text/javascript"> function outer() { var i = 10; return f
AngularJS Module类的方法 bijian1013 JavaScript AngularJS Module
AngularJS中的Module类负责定义应用如何启动，它还可以通过声明的方式定义应用中的各个片段。我们来看看它是如何实现这些功能的。一.Main方法在哪里如果你是从Java或者Python编程语言转过来的，那么你可能很想知道AngularJS里面的main方法在哪里？这个把所
[Maven学习笔记七]Maven插件和目标 bit1129 maven插件
插件(plugin)和目标(goal) Maven，就其本质而言，是一个插件执行框架，Maven的每个目标的执行逻辑都是由插件来完成的，一个插件可以有1个或者几个目标，比如maven-compiler-plugin插件包含compile和testCompile，即maven-compiler-plugin提供了源代码编译和测试源代码编译的两个目标使用插件和目标使得我们可以干预
【Hadoop八】Yarn的资源调度策略 bit1129 hadoop
1. Hadoop的三种调度策略 Hadoop提供了3中作业调用的策略， FIFO Scheduler Fair Scheduler Capacity Scheduler 以上三种调度算法，在Hadoop MR1中就引入了，在Yarn中对它们进行了改进和完善.Fair和Capacity Scheduler用于多用户共享的资源调度 2. 多用户资源共享的调度
Nginx使用Linux内存加速静态文件访问 ronin47
Nginx是一个非常出色的静态资源web服务器。如果你嫌它还不够快，可以把放在磁盘中的文件，映射到内存中，减少高并发下的磁盘IO。先做几个假设。nginx.conf中所配置站点的路径是/home/wwwroot/res，站点所对应文件原始存储路径：/opt/web/res shell脚本非常简单，思路就是拷贝资源文件到内存中，然后在把网站的静态文件链接指向到内存中即可。具体如下：
关于Unity3D中的Shader的知识 brotherlamp unity unity资料 unity教程 unity视频 unity自学
首先先解释下Unity3D的Shader，Unity里面的Shaders是使用一种叫ShaderLab的语言编写的，它同微软的FX文件或者NVIDIA的CgFX有些类似。传统意义上的vertex shader和pixel shader还是使用标准的Cg/HLSL 编程语言编写的。因此Unity文档里面的Shader，都是指用ShaderLab编写的代码，然后我们来看下Unity3D自带的60多个S
CopyOnWriteArrayList vs ArrayList bylijinnan java
package com.ljn.base; import java.util.ArrayList; import java.util.Iterator; import java.util.List; import java.util.concurrent.CopyOnWriteArrayList; /** * 总述： * 1.ArrayListi不是线程安全的，CopyO
内存中栈和堆的区别 chicony 内存
1、内存分配方面：堆：一般由程序员分配释放，若程序员不释放，程序结束时可能由OS回收。注意它与数据结构中的堆是两回事，分配方式是类似于链表。可能用到的关键字如下：new、malloc、delete、free等等。栈：由编译器(Compiler)自动分配释放，存放函数的参数值，局部变量的值等。其操作方式类似于数据结构中
回答一位网友对Scala的提问 chenchao051 scala map
本来准备在私信里直接回复了，但是发现不太方便，就简要回答在这里。问题写道对于scala的简洁十分佩服，但又觉得比较晦涩，例如一例，Map("a" -> List(11,111)).flatMap(_._2)，可否说下最后那个函数做了什么，真正在开发的时候也会如此简洁？谢谢先回答一点，在实际使用中，Scala毫无疑问就是这么简单。
mysql 取每组前几条记录 daizj mysql 分组最大值最小值每组三条记录
一、对分组的记录取前N条记录：例如：取每组的前3条最大的记录 1.用子查询： SELECT * FROM tableName a WHERE 3> (SELECT COUNT(*) FROM tableName b WHERE b.id=a.id AND b.cnt>a. cnt) ORDER BY a.id,a.account DE
HTTP深入浅出 http请求 dcj3sjt126com http
HTTP(HyperText Transfer Protocol)是一套计算机通过网络进行通信的规则。计算机专家设计出HTTP，使HTTP客户（如Web浏览器）能够从HTTP服务器(Web服务器)请求信息和服务，HTTP目前协议的版本是1.1.HTTP是一种无状态的协议，无状态是指Web浏览器和Web服务器之间不需要建立持久的连接，这意味着当一个客户端向服务器端发出请求，然后We
判断MySQL记录是否存在方法比较 dcj3sjt126com mysql
把数据写入到数据库的时，常常会碰到先要检测要插入的记录是否存在，然后决定是否要写入。　　我这里总结了判断记录是否存在的常用方法：　　sql语句： select count ( * ) from tablename; 　　然后读取count(*)的值判断记录是否存在。对于这种方法性能上有些浪费，我们只是想判断记录记录是否存在，没有必要全部都查出来。
对HTML XML的一点认识 e200702084 html xml
感谢http://www.w3school.com.cn提供的资料 HTML 文档中的每个成分都是一个节点。节点根据 DOM，HTML 文档中的每个成分都是一个节点。 DOM 是这样规定的：整个文档是一个文档节点每个 HTML 标签是一个元素节点包含在 HTML 元素中的文本是文本节点每一个 HTML 属性是一个属性节点注释属于注释节点 Node 层次
jquery分页插件 genaiwei jquery Web 前端分页插件
//jquery页码控件// 创建一个闭包 (function($) { // 插件的定义 $.fn.pageTool = function(options) { var totalPa
Mybatis与Ibatis对照入门于学习 Josh_Persistence mybatis ibatis 区别联系
一、为什么使用IBatis/Mybatis 对于从事 Java EE 的开发人员来说，iBatis 是一个再熟悉不过的持久层框架了，在 Hibernate、JPA 这样的一站式对象 / 关系映射（O/R Mapping）解决方案盛行之前，iBaits 基本是持久层框架的不二选择。即使在持久层框架层出不穷的今天，iBatis 凭借着易学易用、
C中怎样合理决定使用那种整数类型？秋风扫落叶 c 数据类型
如果需要大数值(大于32767或小于32767), 使用long 型。否则, 如果空间很重要 (如有大数组或很多结构), 使用 short 型。除此之外, 就使用 int 型。如果严格定义的溢出特征很重要而负值无关紧要, 或者你希望在操作二进制位和字节时避免符号扩展的问题, 请使用对应的无符号类型。但是, 要注意在表达式中混用有符号和无符号值的情况。 &nbs
maven问题 zhb8015 maven问题
问题1： Eclipse 中新建maven项目无法添加src/main/java 问题 eclipse创建maevn web项目，在选择maven_archetype_web原型后，默认只有src/main/resources这个Source Floder。按照maven目录结构，添加src/main/ja
(二)androidpn-server tomcat版源码解析之--push消息处理 spjich java androdipn 推送
在 (一)androidpn-server tomcat版源码解析之--项目启动这篇中，已经描述了整个推送服务器的启动过程，并且把握到了消息的入口即XmppIoHandler这个类，今天我将继续往下分析下面的核心代码，主要分为3大块，链接创建，消息的发送，链接关闭。先贴一段XmppIoHandler的部分代码 /** * Invoked from an I/O proc
用js中的formData类型解决ajax提交表单时文件不能被serialize方法序列化的问题中华好儿孙 JavaScript Ajax Web 上传文件 FormData
var formData = new FormData($("#inputFileForm")[0]); $.ajax({ type:'post', url:webRoot+"/electronicContractUrl/webapp/uploadfile", data:formData, async: false, ca
mybatis常用jdbcType数据类型 ysj5125094 mybatis mapper jdbcType
MyBatis 通过包含的jdbcType 类型 BIT FLOAT CHAR