今天教學os模組
import os
filename = 'text.txt'
if os.path.exists(filename):
os.remove(filename)
print(f'{filename} 已經存在')
else:
print(f'{filename} 不存在')
directory = 'OSexample'
# 如沒有資料夾則建立
if not os.path.exists(directory):
os.mkdir(directory)
else:
print(f'{directory} 已存在')
# 如有此資料夾則刪除
if os.path.exists(directory):
os.rmdir(directory)
os.path.abspath('.') # 回傳目前工作目錄的絕對路徑
os.path.abspath('..') # 回傳目前工作目錄上一層目錄的絕對路徑
os.path.dirname('課堂練習.ipynb') #回傳 '' →代表該檔案在當前目錄
os.path.getsize('/Users/aheat/Downloads/模型.txt') #取得檔案大小(bytes)
os.path.isfile('課堂練習.ipynb') # 確認是否為檔案而非目錄
os.path.join() # 連接成新的路徑
後半段開始講深度學習的一些概念,也教大家安裝Tensorflow以及練習使用套件
Step1 :準備訓練所需的資料
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 : 建構類神經網路
model = Sequential()
model.add(Dense(10, activation='relu', input_dim=3))
model.add(Dense(4, activation='relu'))
model.add(Dense(2, activation='sigmoid'))
Step3 : 編譯模型
model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics='accuracy')
Step4 : 訓練模型
model.fit(x_train, y_train, epochs=3000, batch_size=3)
Step5 : 測試模型
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}')