Python深度学习部分

Python深度学习示例代码（部分）

# -*- coding: utf-8 -*-
“““
Created on Fri Feb  1 09:26:48 2019

@author: McGill
“““

from keras.datasets import imdb

（train_data train_labels） （test_data test_labels）=imdb.load_data（num_words=10000）

#将编码根据词表转化为具体单词
def trans2words（data）:
    word_index=imdb.get_word_index（）
    reverse_word_index=dict（[（valuekey） for （keyvalue） in word_index.items（）]）
    decoded_review=‘ ‘.join（[reverse_word_index.get（i-3 ‘?‘） for i in data]）
    return decoded_review

#one-hot序列化
import numpy as np

def vectorize_seqs（seqs dim=10000）:
    results=np.zeros（（len（seqs）dim））
    for i seq in enumerate（seqs）:
        results[iseq]=1.
    return results

x_train=vectorize_seqs（train_data）
x_test=vectorize_seqs（test_data）

#将label也向量化
y_train=np.asarray（train_labels）.astype（‘float32‘）
y_test=np.asarray（test_labels）.astype（‘float32‘）

#模型定义
from keras import models
from keras import layers

model=models.Sequential（）
model.add（layers.Dense（16activation=‘relu‘input_shape=（10000）））
model.add（layers.Dense（16activation=‘relu‘））
model.add（layers.Dense（1activation=‘sigmoid‘））

‘‘‘‘‘
#留出验证集
x_val=x_train[:10000]
partial_x_train=x_train[10000:]

y_val=y_train[:10000]
partial_y_train=y_train[10000:]
‘‘‘‘‘


#训练模型
#编译模型
model.compile（optimizer=‘rmsprop‘
              loss=‘binary_crossentropy‘
              metrics=[‘accuracy‘]）

model.fit（x_train y_train epochs=4 batch_size=512）

results=model.evaluate（x_test y_test）

‘‘‘
history=model.fit（partial_x_train
                  partial_y_train
                  epochs=20
                  batch_size=512
                  validation_data=（x_val y_val））
‘‘‘

‘‘‘
#绘图查看训练情况
import matplotlib.pyplot as plt

history_dict=history.history
loss_values=history_dict[‘loss‘]
val_loss_values=history_dict[‘val_loss‘]

epochs=range（1len（loss_values）+1）

plt.plot（epochs loss_values ‘bo‘ label=‘Training loss‘）
plt.plot（epochs val_loss_values ‘b‘ label=‘Validation loss‘）
plt.title（‘Training and validation loss‘）
plt.xlabel（‘Epochs‘）
plt.ylabel（‘Loss‘）
plt.legend（）

plt.show（）
‘‘‘
print（results）
print（model.predict（x_test））

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件        729  2019-02-11 17:12  6.1.1_one_hot.py

     文件        930  2019-02-12 11:43  6.1.2_1_word_embedding.py

     文件       4185  2019-02-12 14:19  6.1.3.py

     文件       1418  2019-02-13 17:06  6.2_RNN.py

     文件       7654  2019-02-13 22:01  6.3.py

     文件       1551  2019-02-14 17:15  6.4_conv_for_sequences.py

     文件       2493  2019-02-15 22:41  8.1.py

     文件       4658  2019-02-17 21:59  8.3.3.py

     文件       2368  2019-02-01 14:07  3.4_imdb.py

     文件       2387  2019-02-01 15:00  3.5_reuters.py

     文件       2207  2019-02-01 16:43  3.6_boston_housing.py

     文件       2754  2019-02-09 00:15  5.2_dogs_vs_cats.py

     文件       2214  2019-02-07 17:05  5.2_dogs_vs_cats_mkdir.py

     文件       2920  2019-02-11 14:10  5.3_VGG16.py

     文件       2826  2019-02-11 11:33  5.3_VGG16_2.py

     文件        781  2019-02-11 14:52  5.4.1_visualization.py

----------- ---------  ---------- -----  ----

                42075                    16