Python高級架構(gòu)模式知識點總結(jié)
發(fā)布日期：2022-02-12 08:24 | 文章來源：站長之家
1、殘差連接是目前常用的組件，解決了大規(guī)模深度學(xué)習(xí)模型梯度消失和瓶頸問題。
通常，在10層以上的模型中追加殘差連接可能有幫助。
from keras import layers x = ... y = layers.Conv2D(128, 3, activation='relu', padding='same')(x) y = layers.Conv2D(128, 3, activation='relu', padding='same')(y) y = layers.MaxPooling2D(2, strides=2)(y) # 形狀不同，要做線性變換： residual = layers.Conv2D(128, 1, strides=2, padding='same')(x) # 使用 1×1 卷積，將 x 線性下采樣為與 y 具有相同的形狀 y = layers.add([y, residual])
2、標(biāo)準(zhǔn)化用于使模型看到的不同樣本更相似，有助于模型的優(yōu)化和泛化。
# Conv conv_model.add(layers.Conv2D(32, 3, activation='relu')) conv_model.add(layers.BatchNormalization()) # Dense dense_model.add(layers.Dense(32, activation='relu')) dense_model.add(layers.BatchNormalization())
3、深度可分離卷積層，在Keras中被稱為SeparableConv2D，其功能與普通Conv2D相同。
但是SeparableConv2D比Conv2D輕，訓(xùn)練快，精度高。
from tensorflow.keras.models import Sequential, Model from tensorflow.keras import layers height = 64 width = 64 channels = 3 num_classes = 10 model = Sequential() model.add(layers.SeparableConv2D(32, 3,activation='relu',input_shape=(height, width, channels,))) model.add(layers.SeparableConv2D(64, 3, activation='relu')) model.add(layers.MaxPooling2D(2)) model.add(layers.SeparableConv2D(64, 3, activation='relu')) model.add(layers.SeparableConv2D(128, 3, activation='relu')) model.add(layers.MaxPooling2D(2)) model.add(layers.SeparableConv2D(64, 3, activation='relu')) model.add(layers.SeparableConv2D(128, 3, activation='relu')) model.add(layers.GlobalAveragePooling2D()) model.add(layers.Dense(32, activation='relu')) model.add(layers.Dense(num_classes, activation='softmax')) model.compile(optimizer='rmsprop', loss='categorical_crossentropy')
Counter實例擴(kuò)展：
from collections import Counter
list1 = ['a','b','c',23,23,'a','d','b','e']
counter1 = Counter(list1)
print(counter1)
print(counter1['a'])
#1.1.1統(tǒng)計不同單詞的數(shù)目
print(len(set(list1)))
#1.1.2對統(tǒng)計結(jié)果進(jìn)行分組 下面的方法表示分為4組，不填默認(rèn)全部分組，以列表
#存儲，里面元素是tuple對象
print(counter1.most_common(4))
#1.1.3 elements()獲取Counter()生成對象的所有鍵名，重復(fù)的幾個會全部打印
# 該方法返回一個迭代器對象
keylist = counter1.elements()
print(keylist)
print(list(keylist))
#1.1.4 update(x) 更新計數(shù)器 把x的內(nèi)容加入到原來計數(shù)器中
#x可以作為字符串，列表，元組，集合，但是不能作為字典，純數(shù)字，否則報錯
list2 = ['a','d','f','q',2,3,2,3,4]
print(counter1)
counter1.update(list2)
print(counter1)
#1.1.5 substract(x) 更新計數(shù)器 把x代表的次數(shù)減少1，默認(rèn)減少1,(通過字典形式指定一次減少的個數(shù))
#，不存在則減為-1，依次減，作用與update()相反
counter1.subtract('a')
print(counter1)
counter1.subtract(['a','b',2])
print(counter1)
到此這篇關(guān)于Python高級架構(gòu)模式知識點總結(jié)的文章就介紹到這了,更多相關(guān)Python高級架構(gòu)模式的整理內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非maisonbaluchon.cn所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。
相關(guān)文章
關(guān)注官方微信