Python高级架构模式知识点总结

1、残差连接是目前常用的组件，解决了大规模深度学习模型梯度消失和瓶颈问题。

通常，在10层以上的模型中追加残差连接可能有帮助。

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)
 
# 形状不同，要做线性变换：
residual = layers.conv2d(128, 1, strides=2, padding='same')(x)  # 使用 1×1 卷积，将 x 线性下采样为与 y 具有相同的形状
 
y = layers.add([y, residual])

2、标准化用于使模型看到的不同样本更相似，有助于模型的优化和泛化。

# 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、深度可分离卷积层，在keras中被称为separableconv2d，其功能与普通conv2d相同。

但是separableconv2d比conv2d轻，训练快，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实例扩展：

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统计不同单词的数目
print(len(set(list1)))

#1.1.2对统计结果进行分组 下面的方法表示分为4组，不填默认全部分组，以列表
#存储，里面元素是tuple对象
print(counter1.most_common(4))


#1.1.3 elements()获取counter()生成对象的所有键名，重复的几个会全部打印
# 该方法返回一个迭代器对象
keylist = counter1.elements()
print(keylist)
print(list(keylist))

#1.1.4 update(x) 更新计数器 把x的内容加入到原来计数器中
#x可以作为字符串，列表，元组，集合，但是不能作为字典，纯数字，否则报错
list2 = ['a','d','f','q',2,3,2,3,4]
print(counter1)
counter1.update(list2)
print(counter1)

#1.1.5 substract(x) 更新计数器 把x代表的次数减少1，默认减少1,(通过字典形式指定一次减少的个数)
#，不存在则减为-1，依次减，作用与update()相反

counter1.subtract('a')
print(counter1)
counter1.subtract(['a','b',2])
print(counter1)

到此这篇关于python高级架构模式知识点总结的文章就介绍到这了,更多相关python高级架构模式的整理内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！