python与tensorflow知识点截图集锦（持续囤积）

- 前言
- conda环境管理
- python语法
- - 【1】语言属性
  - 【2】代码缩进问题
  - 【3】input和output函数与print函数
  - 【4】关键字与简单数据类型与简单运算符
  - 【5】利用缩进体现逻辑关系
  - 【6】数据结构：列表与元组
  - 【7】数据结构：字典
  - 【8】数据结构：集合
  - 【8】基础函数以及函数的定义方式
  - 【8】模块、包和库的命名方式以及导入方式
  - 【9】常用模块
  - - sys模块
    - platform模块
    - math模块
    - random模块
  - 【10】对象与类
  - 【11】文件操作
  - 【12】异常处理try:except语句和with语句
- NumPy库
- - 【1】数组形状描述
  - 【2】导入库函数以及创建各种数组、访问数组等操作
  - 【3】数组运算操作
  - - 创建数组以及改变数组形状
    - 数组四则运算和幂运算
    - 矩阵运算
  - 【4】矩阵和随机数
- Matplotlib库
- - 安装Matplotlib以及绘图基础
  - 绘制散点图
  - 绘制折线图与柱形图
  - 利用keras集成的数据集完成可视化
  - - 波士顿房价数据集
    - 鸢尾花数据集
- Pillow图像处理库
- - Pillow安装和导入包
  - 实例:手写数字数据集MNIST
- TensorFlow基础
- - TensorFlow2.0特性
  - Tensor（张量）的创建
  - 维度变换
  - 部分采样
  - 基本数学运算
  - tf与np的互相转换
- 机器学习基础

前言

截图来源于mooc课程：https://www.icourse163.org/learn/XUST-1206363802?tid=1206674203#/learn/announce
在这里插入图片描述
以截图的方式保存并整理，以后有遗忘的知识点或者命令可以快速查询。

conda环境管理

可能用到的网址和命令：

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

python语法

【1】语言属性

【2】代码缩进问题

在这里插入图片描述

【3】input和output函数与print函数

在这里插入图片描述

【4】关键字与简单数据类型与简单运算符

在这里插入图片描述

【5】利用缩进体现逻辑关系

在这里插入图片描述

【6】数据结构：列表与元组

在这里插入图片描述

为了与数学计算中的()区分开来，元组要加，

【7】数据结构：字典

在这里插入图片描述

【8】数据结构：集合

在这里插入图片描述
集合中没有重复元素

【8】基础函数以及函数的定义方式

在这里插入图片描述

【8】模块、包和库的命名方式以及导入方式

在这里插入图片描述

【9】常用模块

sys模块

在这里插入图片描述

platform模块

在这里插入图片描述

math模块

在这里插入图片描述

random模块

在这里插入图片描述

【10】对象与类

在这里插入图片描述

【11】文件操作

在这里插入图片描述

【12】异常处理try:except语句和with语句

在这里插入图片描述

with语句，即使代码运行中出现了错误，也会进行内存清理操作

NumPy库

【1】数组形状描述

在这里插入图片描述

【2】导入库函数以及创建各种数组、访问数组等操作

在这里插入图片描述

【3】数组运算操作

创建数组以及改变数组形状

在这里插入图片描述

数组四则运算和幂运算

在这里插入图片描述
一维数组可以和多维数组相加，相加时会将一维数组扩展至多维。

矩阵运算

在这里插入图片描述

【4】矩阵和随机数

在这里插入图片描述

seed随机种子只有效一次

Matplotlib库

安装Matplotlib以及绘图基础

在这里插入图片描述

绘制散点图

在这里插入图片描述

绘制折线图与柱形图

在这里插入图片描述

利用keras集成的数据集完成可视化

波士顿房价数据集

在这里插入图片描述

代码：

#加载数据集
import tensorflow as tf
boston_housing = tf.keras.datasets.boston_housing
#第一次运行时，本地磁盘没有文件会自动下载
(train_x,train_y),(test_x,test_y) = boston_housing.load_data(test_split=0)
#训练数据集的属性和房价 测试数据集的属性和房价
print("Training set:",len(train_x))
print("Testing set:",len(test_x))
print(train_x)

鸢尾花数据集

在这里插入图片描述

#下载鸢尾花数据集iris
#训练数据集 120条数据
#测试数据集 30条数据
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打开文件iris_training.csv
在这里插入图片描述
若是想省事，不用每次修改保存的文件名，可以这样写;

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

这样可以直接以TRAIN_URL地址中最后一个/后面的字符串作为文件名，十分方便。

Pillow图像处理库

Pillow安装和导入包

在这里插入图片描述

实例:手写数字数据集MNIST

在这里插入图片描述
下载数据集：

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

在这里插入图片描述

以不直观的数组形式显示图片：

以图片形式显示：

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()