Paddle开发深度学习模型快速入门
Paddle开发深度学习模型快速入门
一、常见问题汇总
1.训练集（train），验证集(validation)，测试集(test)
训练集（train set）：用于训练模型以及确定参数。相当于老师教学生知识的过程。
验证集（validation set）：用于确定网络结构以及调整模型的超参数。相当于月考等小测验
测试集（test set）：用于检验模型的泛化能力。相当于大考
2.numpy.squeeze
numpy.squeeze(a,[axis]= None)
从数组的形状中删除某个维度。（axis为几时，可以看做此维度消失，删除后的形状便可得知）
3.iloc[]函数
iloc[]函数，属于pandas库，全称为index location，即对数据进行位置索引，从而在数据表中提取出相应的数据。
4.nn.Embedding
参考链接：https://www.jianshu.com/p/63e7acc5e890
5.rank()
rank(method='first', ascending=False)
-
method=‘average’ （默认设置）:那么这两个人就占据了前两名，分不出谁第 1，谁第 2，就把两人的名次算个平均数，都算 1.5 名，这样下一个人就是第3名。
-
method=‘max’:两人并列第 2 名，下一个人是第 3 名。
-
method=‘min’:两人并列第 1 名，下一个人是第 3 名。
-
method=‘dense’:两人并列第 1 名，但下一个人是第 2 名。
-
method=‘first’:那么试卷先被改出来的人是第 1 名，试卷后被改出来的是第 2 名。
ascending
ascending=False表示降序
参考链接：https://blog.csdn.net/Matrix_cc/article/details/123194080
group by 参考链接：https://zhuanlan.zhihu.com/p/101284491（未看）
5.pandas 内置函数（仅列举论教程中出现的）
1.sort_values()
by={‘col1’,‘col2’} :by带两个参数，表示先按’col1’进行排序，相同的再按‘col2’排序。
2.resert_index
重新设置索引
https://blog.csdn.net/weixin_43298886/article/details/108090189
3.pandas获取符合条件数据
df = pd.read_csv(config['valid_path'])
df[df['user_id']==110120]
4.apply()
andas 的 apply() 函数可以作用于 Series 或者整个 DataFrame，功能也是自动遍历整个 Series 或者 DataFrame, 对每一个元素运行指定的函数。
5.to_dict()
DataFrame.to_dict(self,orient = 'dict',into = )
将数据转化为字典类型（默认），也可以转化为其他类型（‘list’,‘series’,‘split’,‘records’,‘index’）
df.to_dict(orient = 'dict')
df.to_dict(orient = 'dict')['name']
https://blog.csdn.net/qq_38060702/article/details/109843385
6.defaultdict()
当key不存在时，返回的是工厂函数的默认值，比如list对应[ ]，str对应的是空字符串，set对应set( )，int对应0。
from collections import defaultdict
dict1 = defaultdict(int)
dict2 = defaultdict(set)
dict3 = defaultdict(str)
dict4 = defaultdict(list)
dict1[2] ='two'
print(dict1[1])
print(dict2[1])
print(dict3[1])
print(dict4[1])
0
set()
[]
7.tqdm（）
tqdm是 Python 进度条库，可以在 Python长循环中添加一个进度提示信息。用户只需要封装任意的迭代器，是一个快速、扩展性强的进度条工具库。
8.squeeze()
numpy中的squeeze(a,axis=None) 直接压缩掉所选中的维度
课程链接：https://aistudio.baidu.com/aistudio/education/group/info/27783