[PYTHON] TensorFlow Machine Learning Cookbook Kapitel 6 (oder besser gesagt die dritte Zeile), in dem ich persönlich feststeckte

Aufstellen lernen

Recipe 41

Was und wie lernst du überhaupt? ?? : Engel:

Der Lernende wird durch 9 (Modellvariablen und Operationen ...) ~ 11 (Verlustfunktion ...) definiert. 4 (unter Verwendung der Koordinatentransformation ...) ~ 8 (eine aus dem Trainingssatz ...) ist die Vorbereitung und Erstellung des Trainingssatzes (Ist die Vorbereitung nicht zu lang und kompliziert?) Lässt base_tic_tac_toe_moves.csv auf github den symmetrischen Aspekt aus?

Zusammenfassend ist der Lernende selbst normal,

Eingabe x: Phaseninformationen (eindimensionale Liste mit 9 Elementen) layer1 = sigmoid(A1x+b1) layer2 = A2layer1+b2 Lehrerbezeichnung y: Bester Zug (eine der ganzen Zahlen 0-9) (Wie definieren Sie diesen besten Zug (nicht überprüft)) Verlust: Hoge-Entropie von Schicht 2 und y

Tatsächlich werden einige Daten als Satz in den Lernenden eingegeben (es fühlt sich so an).

Mal

board[::-1]

Sortieren Sie die Liste in umgekehrter Reihenfolge. Referenz 1: Baby:

list(zip(*[board[6:9], board[3:6], board[0:3]]))

Nanikore ist lang. Wird "\ *" nicht auch für Argumente mit variabler Länge verwendet? ?? : Bauarbeiter: Referenz 2 ~ 4 Es scheint, dass a durch Hinzufügen eines Sternchens "\ *" wie * a erweitert wird.

Ich habe verschiedene Dinge ausprobiert (ich denke, der Herr konnte das verstehen)

asterisk.png

Schauen wir uns Schritt für Schritt die Liste an (zip (* [board [6: 9], board [3: 6], board [0: 3]])).

asterisk2.png

Um das Sehen zu erleichtern (... ☆)

def print_board(board): #Das Argument ist eine eindimensionale Liste
    print(' ' + str(board[0]) + ' | ' + str(board[1]) + ' | ' + str(board[2]))
    #print('__________')
    print(' ' + str(board[3]) + ' | ' + str(board[4]) + ' | ' + str(board[5]))
    #print('__________')
    print(' ' + str(board[6]) + ' | ' + str(board[7]) + ' | ' + str(board[8]))
    print('\n')

def make_board(board_2d): #Konvertieren Sie eine zweidimensionale Liste in eine eindimensionale
    return [value for item in board_2d for value in item]
    '''
    board_1d = []
    for item in board_2d:
        for value in item:
            board_1d.append(value)
    return board_1d
    '''

damit

asterisk3.png

return [value for item in board_2d for value in item]

Siehe ☆ oben: man_with_turban: Kann mit einer for-Anweisung umgeschrieben werden (obwohl sie länger sein wird)

Referenz

  1. Python umkehren mit Scheiben! !! ](Http://qiita.com/kakk_a/items/54e81346d8f35733ab5e)
  2. Wie entpacken Sie mit Python?
  3. Erweiterung der Sequenz um ein Sternchen
  4. Python Iterator und Generator

Recommended Posts

TensorFlow Machine Learning Cookbook Kapitel 6 (oder besser gesagt die dritte Zeile), in dem ich persönlich feststeckte
TensorFlow Kochbuch zum maschinellen Lernen Kapitel 2 Persönlich verstopft
TensorFlow Kochbuch zum maschinellen Lernen Kapitel 3 Persönlich verstopft
Maschinelles Lernen (TensorFlow) + Lotto 6
<Kurs> Maschinelles Lernen Kapitel 6: Algorithmus 2 (k-Mittel)
[Sprachverarbeitung 100 Schläge 2020] Kapitel 6: Maschinelles Lernen
<Kurs> Maschinelles Lernen Kapitel 7: Support Vector Machine
100 Sprachverarbeitung Knock 2020 Kapitel 6: Maschinelles Lernen
[Lesehinweis] Praktisches maschinelles Lernen mit Scikit-Learn, Keras und TensorFlow Kapitel 1
<Subjekt> Maschinelles Lernen Kapitel 3: Logistisches Regressionsmodell
Maschinelles Lernen
<Kurs> Maschinelles Lernen Kapitel 1: Lineares Regressionsmodell
<Kurs> Maschinelles Lernen Kapitel 4: Hauptkomponentenanalyse
<Kurs> Maschinelles Lernen Kapitel 2: Nichtlineares Regressionsmodell
Eine Geschichte über einfaches maschinelles Lernen mit TensorFlow
Installieren Sie die Bibliothek für maschinelles Lernen TensorFlow auf fedora23
[Memo] Maschinelles Lernen
Klassifikation des maschinellen Lernens
Beispiel für maschinelles Lernen
Python-Lernnotiz für maschinelles Lernen von Chainer aus Kapitel 2
Installation von TensorFlow, einer Bibliothek für maschinelles Lernen von Google