今天教学os模组
import os
filename = 'text.txt'
if os.path.exists(filename):
os.remove(filename)
print(f'{filename} 已经存在')
else:
print(f'{filename} 不存在')
directory = 'OSexample'
# 如没有资料夹则建立
if not os.path.exists(directory):
os.mkdir(directory)
else:
print(f'{directory} 已存在')
# 如有此资料夹则删除
if os.path.exists(directory):
os.rmdir(directory)
os.path.abspath('.') # 回传目前工作目录的绝对路径
os.path.abspath('..') # 回传目前工作目录上一层目录的绝对路径
os.path.dirname('课堂练习.ipynb') #回传 '' →代表该档案在当前目录
os.path.getsize('/Users/aheat/Downloads/模型.txt') #取得档案大小(bytes)
os.path.isfile('课堂练习.ipynb') # 确认是否为档案而非目录
os.path.join() # 连接成新的路径
後半段开始讲深度学习的一些概念,也教大家安装Tensorflow以及练习使用套件
Step1 :准备训练所需的资料
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
import numpy as np
x_train = np.array([[0,0,0],[0,0,1],[0,1,0],[0,1,1],[1,0,0],[1,0,1],[1,1,0],[1,1,1]])
y_train = np.array([[1,0],[0,1],[0,1],[1,0],[0,1],[1,0],[1,0],[0,1]])
Step2 : 建构类神经网路
model = Sequential()
model.add(Dense(10, activation='relu', input_dim=3))
model.add(Dense(4, activation='relu'))
model.add(Dense(2, activation='sigmoid'))
Step3 : 编译模型
model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics='accuracy')
Step4 : 训练模型
model.fit(x_train, y_train, epochs=3000, batch_size=3)
Step5 : 测试模型
x_test = np.array([[0,0,0]])
x_test.shape
y_test = np.array([[0,1]])
predict = model.predict(x_test)
test_loss, test_accuracy = model.evaluate(x_test, y_test)
print(f'Loss = {test_loss}, Accuracy = {test_accuracy}')
<<: Nutanix NCSC-Level-1 Dumps PDF with Actual NCSC-Level-1 Exam Questions
>>: Best iPhone Apps - To Create Contact Groups You Will Need an Additional App
SceneDelegate 从 iOS 13 开始,SceneDelegate 承担了 AppDel...
每天都在思考, 如果事情自己会做好就好了, 程序自己会自动检查就好了, 今天C#也有自动检查变数是否...
AddressSanitizer (ASan) 是一种编译器和执行时间技术,会以 零 误报来公开许多...
哈6夥伴们,这一路下来说明了一些简单的API,不知道夥伴们有没有发现,其实有些函式是常常使用的呢~~...
A.6 资讯安全之组织 A.6.1 内部组织 A.6.1.1 资讯安全之角色及责任 应定义及配置所有...