首页>>后端>>Python->python一个epoch多久(2023年最新整理)

python一个epoch多久(2023年最新整理)

时间:2023-12-07 本站 点击:0

导读:本篇文章首席CTO笔记来给大家介绍有关python一个epoch多久的相关内容,希望对大家有所帮助,一起来看看吧。

tensorflow的第一个epoch为什么很慢

1、查询你网络

检查下你的网络,是不是网速不好啊,打开腾讯电脑管家一工具箱一网速测试,测试下是不是你的网速不怎么给力

2、电脑主机灰尘过多

本身电脑主机就是吸灰的东西,你长时间未清理的话导致风扇转不动就过卡了,散热不好,你可以使用电吹风一类的清理下

3、电脑垃圾过多

长时间使用电脑导致的你存留的垃圾过多,才会导致你电脑卡,你可以使用腾讯电脑管家的垃圾清理功能清理下垃圾,大家腾讯电脑管家一垃圾清理一扫描清理

Python包之OS

参考:

Python中对OS模块的定位是:提供了使用操作系统的工具接口。

如果你想读写文件,可以参考open();

如果你想操作文件路径,参考os.path模块;

如果你想在命令行读取所有文件的所有行,参考fileinput模块;

如果你想创建临时文件或目录,参考tempfile模块;

如果你想更高级的文件和路径处理,参考shutil模块;

内置的OSError异常类型,比如在使用os模块中的函数接口时,在参数中提供了无效的文件或路径,就回报错os.error。

该变量返回当前操作系统的类型,当前只注册了3个值:分别是posix , nt , java, 对应linux/windows/java虚拟机。

在Python中,文件名,命令行参数和环境变量都是用字符串类型来表示。

接下来的这些函数和数据提供了当前进程和用户的信息状态和操作接口。

返回进程控制终端的文件名,适用于Unix系统。

返回字符串到环境变量的映射。

改变当前工作目录到指定的路径,path为要切换到的新路径。

通过文件描述符改变当前工作目录。

文件描述符是内核为了高效管理已经被打开的文件所创建的索引,

进程通过文件描述符来访问文件。 在程序刚启动的时候默认有3个文件描述符:0(标准输入),1(标准输出),2(标准错误),系统默认提供了 0~2的文件描述符,之后的 当我们进行 open,create等操作的时候 自动添加进表

所以int creat(const char * ,mode_t)返回的文件int 就是你所进行操作的文件的唯一身份标示,

然后你只要拿着这个ID 然后告诉系统给我找xx, write(int fd,char *buf,int lenght) 通过fd得到准确文件 然后写入。

当我们新建creat,打开open 之后,得到的fd 是从3开始的 因为前面的三个被系统占了在OS X系统下测试 文件描述符表 自增,当释放close之后,fd变成-1,如果再继续新建 则填补之前的空缺。

返回当前工作目录。

把字符串类型的文件名翻译成bytes类型的文件名;os.fsdecode()实现相反的功能。

返回路径的文件系统表示。

如果环境变量中存在key,返回环境变量key的值,否则返回default的值。

设置环境变量key的值为value。

使用当前uid/gid检测对路径path是否有访问权限。其中,path为要检测是否有权限的路径,mode为权限类别,值可以为os.F_OK、os.R_OK、os.W_OK、os.X_OK中的一个或多个;

切换当前的工作路径为path指定的路径。

设置路径path的标记为flags,flags为数字标记,多个flags可以使用or组合。flags可以为以下值或以下值的组合:

更改文件或目录的权限。

path -- 文件名路径或目录路径

mode -- 可用以下选项按位或操作生成, 目录的读权限表示可以获取目录里文件名列表, 写权限表示可以获取文件并且可以修改内容,执行权限表示可以把工作目录切换到此目录 ,删除添加目录里的文件必须同时有写和执行权限 ,文件权限以用户id-组id-其它顺序检验,最先匹配的允许或禁止权限被应用。

更改路径的拥有者和group id为uid和gid。如果不修改可以设置为-1,并且需要超级用户权限来执行权限修改操作。

path -- 设置权限的文件路径

uid -- 所属用户ID

gid -- 所属用户组ID

更改当前进程的根目录为path。

返回当前工作目录。

返回path目录路径下的文件列表,列表没有固定的顺序。

创建目录path。如果目录已经存在,会抛出异常FileExistsError。

递归的目录创建,递归的意思是创建所有到达叶子目录的中间目录。

从原始设备号(通常是stat中的st_dev或st_rdev)中提取设备major号码。

从原始设备号(通常是stat中的st_dev或st_rdev)中提取设备minor号码。

根据设备的major号码和minor号码组成原始设备号。

删除文件路径path。如果path指向的是目录路径,会抛出异常IsADirectoryError。如果要删除目录,使用rmdir。

递归的删除目录。与rmdir功能相似,不同的是,如果叶子目录被删除之后,removedirs会连续的删除每一层上级目录,直到抛出异常(异常会被忽略,因为异常通常意味着上层目录为非空目录)。

重命名文件或路径src为dst,如果dst已经存在,会抛出异常。

递归的重命名文件或目录。功能与rename类似,不同在于,renames首先创建new路径(即重命名之后的路径)的中间路径,然后创建完整new路径,最后,会使用removedirs删除掉old路径(实际上删除的是old路径与new路径不重合的部分)。

重命名文件或路径src为dst。如果dst是目录,抛出异常OSError。如果dst是文件且已经存在,且用户具有权限,dst会被替换掉。

删除path目录。如果path不存在,或者path非空,会抛出异常FileNotFoundError或OSError。如果要删除整个目录树,可以使用shutil.rmtree()。

返回path的绝对路径,效果等同于使用normpath:normpath(join(os.getcwd(), path))。

返回路径path的文件名,也就是对path调用os.path.split函数返回的元组的第二个元素。

paths为一个序列类型,其中每个元素表示一个路径,函数返回结果为每个元素所表示的路径的最长公共子路径。如果paths为空,或者paths同时包含绝对路径和相对路径,或者paths同时包含不同驱动类型的路径(比如Linux系统的路径和Windows系统的路径),则抛出异常ValueError。

list中的每个元素表示一个路径,函数返回每个路径的最长的共有路径前缀,因为计算方式为逐个字符进行比较,所以可能返回的结果并非有效的路径,如果要返回有效路径,可以使用commonpath。

返回path路径的目录部分,也就是对path调用os.path.split函数返回的元组的第一个元素。

如果path指向的路径已存在,则返回True,否则返回False。

在Unix和Windows系统中,返回path路径中的~被替换成用户的home目录之后的结果。

path路径中的 {name}被环境变量中对应名称的值替代。

返回最后一次访问path的时间,返回值的格式为一个float类型的数值,表示距离epoch基准时间1970-01-01 00:00:00的秒数。如果path表示的路径不存在或者没有权限,抛出异常OSError。

返回最后一次修改path的时间,返回值的格式为一个float类型的数值,表示距离epoch基准时间1970-01-01 00:00:00的秒数。如果path表示的路径不存在或者没有权限,抛出异常OSError。

返回path表示的文件或路径的大小,以byte字节为单位。如果path表示的路径不存在或者没有权限,抛出异常OSError。

如果path是绝对路径,返回True,否则返回False。

如果path表示的是已存在的文件路径,返回True。

如果path表示的是已存在的目录,返回True。

如果path表示的是链接,返回True。

判断path是否为挂载点。

连接一个或多个路径,path和多个*paths的连接会使用路径分隔符。

对path的字母大小写进行normalize。在Windows系统中,path中的所有字母都转成小写,并且把正斜杠转成反斜杠。在其他操作系统中,返回path本身。

对path进行normalize,删除多余的路径分隔符。

split the path into a pair (head, tail),其中tail是path中最后的部分,并且永远不会含有斜杠,head是除了tail之外的部分。如果path以斜杠结尾,tail为空;如果path中不包含斜杠,head为空;如果path为空,head和tail都是空。

python之time模块

time 模块常用的与时间相关的类和函数:

time 模块的 struct_time 类代表一个时间对象,可以通过 索引和属性名 访问值。 对应关系如下:

索引 —— 属性 值

0 —— tm_year(年) 如:1945

1 —— tm_mon(月) 1 ~ 12

2 —— tm_mday(日) 1 ~ 31

3 —— tm_hour(时) 0 ~ 23

4 —— tm_min(分) 0 ~ 59

5 —— tm_sec(秒) 0 ~ 61

6 —— tm_wday(周) 0 ~ 6

7 —— tm_yday(一年内第几天) 1 ~ 366

8 —— tm_isdst(夏时令) -1、0、1

localtime() 表示当前时间,返回类型为 struct_time 对象 ,示例如下所示:

输出结果:

time()——返回当前时间的时间戳

gmtime([secs])——将时间戳转换为格林威治天文时间下的 struct_time,可选参数 secs 表示从 epoch 到现在的秒数,默认为当前时间

localtime([secs])——与 gmtime() 相似,返回当地时间下的 struct_time

mktime(t) localtime() 的反函数

asctime([t]) 接收一个 struct_time 表示的时间,返回形式为:Mon Dec 2 08:53:47 2019 的字符串

ctime([secs]) ctime(secs) 相当于 asctime(localtime(secs))

strftime(format[, t]) 格式化日期,接收一个 struct_time 表示的时间,并返回以可读字符串表示的当地时间

sleep(secs) 暂停执行调用线程指定的秒数

altzone 本地 DST 时区的偏移量,以 UTC 为单位的秒数

timezone 本地(非 DST)时区的偏移量,UTC 以西的秒数(西欧大部分地区为负,美国为正,英国为零)

tzname 两个字符串的元组:第一个是本地非 DST 时区的名称,第二个是本地 DST 时区的名称

基本使用如下所示:

strftime 函数日期格式化符号说明如下所示:

Python中处理时间的几种方法小结

python中的时间模块主要有time, datetime。

I, time模块

time模块中包含了四种时间格式:

float格式,即给定时间相对于epoch增加的秒数

tuple格式,一个九元组 (tm_year, tm_mon, tm_mday, tm_hour, tm_min, tm_sec, tm_wday, tm_yday, tm_isdst)

string格式,'Mon Feb 6 15:00:06 2012'

format格式,以指定的格式生成的时间

针对这几种时间格式,time模块提供了函数在格式之间相互转换。

asctime(tuple) -string

ctime(float) -string

gmtime(float) -tuple

localtime(float) -tuple

mktime(tuple) -float

strftime(format, tuple) -format string

strptime(formatstring, format) -tuple

time() - float

上述函数中,除了time()函数直接返回当前时间相对于epoch的秒数外,其他函数都要求有时间的输入,如果没有输入,则默认使用当前时间。

另外,strftime和strptime中的format使用下面的格式:

%a 英文星期简写

%A 英文星期的完全

%b 英文月份的简写

%B 英文月份的完全

%c 显示本地日期时间

%d 日期,取1-31

%H 小时, 0-23

%I 小时, 0-12

%m 月, 01 -12

%M 分钟,1-59

%j 年中当天的天数

%w 显示今天是星期几

%W 第几周

%x 当天日期

%X 本地的当天时间

%y 年份 00-99间

%Y 年份的完整拼写

%S 秒(00-59)

除了上述的时间转换函数之外,模块还提供了下面的函数:

clock() 返回进程的创建时间,以秒计数的float

sleep(float) sleep一段时间,以秒计数

tzset() 更改时区

II, datetime

datetime模块定义了下面这几个类:

datetime.date:表示日期的类。常用的属性有year, month, day;datetime.time:表示时间的类。常用的属性有hour, minute, second, microsecond;datetime.datetime:表示日期时间。datetime.timedelta:表示时间间隔,即两个时间点之间的长度。datetime.tzinfo:与时区有关的相关信息。(这里不详细充分讨论该类,感兴趣的童鞋可以参考python手册)

注 :上面这些类型的对象都是不可变(immutable)的。

下面详细介绍这些类的使用方式。

date类

date类表示一个日期。日期由年、月、日组成(地球人都知道~~)。date类的构造函数如下:

class datetime.date(year, month, day):参数的意义就不多作解释了,只是有几点要注意一下:

year的范围是[MINYEAR, MAXYEAR],即[1, 9999];month的范围是[1, 12]。(月份是从1开始的,不是从0开始的~_~);day的最大值根据给定的year, month参数来决定。例如闰年2月份有29天;

date类定义了一些常用的类方法与类属性,方便我们操作:

date.max、date.min:date对象所能表示的最大、最小日期;date.resolution:date对象表示日期的最小单位。这里是天。date.today():返回一个表示当前本地日期的date对象;date.fromtimestamp(timestamp):根据给定的时间戮,返回一个date对象;datetime.fromordinal(ordinal):将Gregorian日历时间转换为date对象;(Gregorian Calendar :一种日历表示方法,类似于我国的农历,西方国家使用比较多,此处不详细展开讨论。)

python使用pyHook.HookManager()返回来的event中,event.Time怎么转换成为datetime形式?

我觉得不是时间戳(或者说,不是通常意义下的时间戳)。

这里的event可能是KeyboardEvent或 MouseEvent(视钩子类型而定)。而这两个类又都是HookEvent的子类。

HookEvent有如下几个成员:

Message: Keyboard or mouse event message

Time: Seconds since the epoch when the even current

Window: Window handle of the foreground window at the time of the event

WindowName: Name of the foreground window at the time of the event

这里,对Time成员的描述是:

Seconds since the epoch when the even current

这里的epoch很有意思。

一般上,我们在使用Python中的time模块,或者C标准库中的time.h时,认为epoch是(摘自Python2.7 time模块的文档):

The epoch is the point where the time starts. On January 1st of that year, at 0 hours, the “time since the epoch” is zero. For Unix, the epoch is 1970.

但是,这里的epoch却不是。看下面一段改编自pyhook官网的小例子:

# -*- coding: utf-8 -*-

import pythoncom, pyHook

import win32api

import time

 

def OnKeyboardEvent(event):

    print event.Time

    # Return the time in seconds since the epoch as a floating point number.

    # 

    # The epoch is the point where the time starts. On January 1st of that year,

    # at 0 hours, the “time since the epoch” is zero. For Unix, the epoch is 1970. 

    print time.time()

    # Returns the number of milliseconds since windows started

    print win32api.GetTickCount()

    

    print 'MessageName:',event.MessageName

    print 'Message:',event.Message

    print 'Time:', time.ctime(time.time())

    print 'Window:',event.Window

    print 'WindowName:',event.WindowName

    print 'Ascii:', event.Ascii, chr(event.Ascii)

    print 'Key:', event.Key

    print 'KeyID:', event.KeyID

    print 'ScanCode:', event.ScanCode

    print 'Extended:', event.Extended

    print 'Injected:', event.Injected

    print 'Alt', event.Alt

    print 'Transition', event.Transition

    print '---'

    # return True to pass the event to other handlers

    return True

 

# create a hook manager

hm = pyHook.HookManager()

# watch for all keyboard events

hm.KeyDown = OnKeyboardEvent

# set the hook

hm.HookKeyboard()

# wait forever

pythoncom.PumpMessages()

其中:

print event.Time

print time.time()

print win32api.GetTickCount()

我发现,event.Time和GetTickCount返回的值是一样的。而GetTickCount的含义是:

Returns the number of milliseconds since windows started

也就是,从本次开机到GetTickCount调用时经过的毫秒数。

所以,不能依赖event.Time来获取时间了。而time模块就派上用场了。比如:

print 'Time:', time.ctime(time.time())

就可以打印消息发生时的年月日时分秒了。

怎样用python构建一个卷积神经网络?

用keras框架较为方便

首先安装anaconda,然后通过pip安装keras

1、#导入各种用到的模块组件

from __future__ import absolute_import

from __future__ import print_function

from keras.preprocessing.image import ImageDataGenerator

from keras.models import Sequential

from keras.layers.core import Dense, Dropout, Activation, Flatten

from keras.layers.advanced_activations import PReLU

from keras.layers.convolutional import Convolution2D, MaxPooling2D

from keras.optimizers import SGD, Adadelta, Adagrad

from keras.utils import np_utils, generic_utils

from six.moves import range

from data import load_data

import random

import numpy as np

np.random.seed(1024)  # for reproducibility

2、。#打乱数据

index = [i for i in range(len(data))]

random.shuffle(index)

data = data[index]

label = label[index]

print(data.shape[0], ' samples')

#label为0~9共10个类别,keras要求格式为binary class matrices,转化一下,直接调用keras提供的这个函数

label = np_utils.to_categorical(label, 10)

###############

#开始建立CNN模型

###############

#生成一个model

model = Sequential()

3、#第一个卷积层,4个卷积核,每个卷积核大小5*5。1表示输入的图片的通道,灰度图为1通道。

#border_mode可以是valid或者full,具体看这里说明:

#激活函数用tanh

#你还可以在model.add(Activation('tanh'))后加上dropout的技巧: model.add(Dropout(0.5))

model.add(Convolution2D(4, 5, 5, border_mode='valid',input_shape=(1,28,28)))

model.add(Activation('tanh'))

#第二个卷积层,8个卷积核,每个卷积核大小3*3。4表示输入的特征图个数,等于上一层的卷积核个数

4、全连接层,先将前一层输出的二维特征图flatten为一维的。

#Dense就是隐藏层。16就是上一层输出的特征图个数。4是根据每个卷积层计算出来的:(28-5+1)得到24,(24-3+1)/2得到11,(11-3+1)/2得到4

#全连接有128个神经元节点,初始化方式为normal

model.add(Flatten())

model.add(Dense(128, init='normal'))

model.add(Activation('tanh'))

#Softmax分类,输出是10类别

model.add(Dense(10, init='normal'))

model.add(Activation('softmax'))

#############

#开始训练模型

##############

#使用SGD + momentum

#model.compile里的参数loss就是损失函数(目标函数)

sgd = SGD(lr=0.05, decay=1e-6, momentum=0.9, nesterov=True)

model.compile(loss='categorical_crossentropy', optimizer=sgd,metrics=["accuracy"])

#调用fit方法,就是一个训练过程. 训练的epoch数设为10,batch_size为100.

#数据经过随机打乱shuffle=True。verbose=1,训练过程中输出的信息,0、1、2三种方式都可以,无关紧要。show_accuracy=True,训练时每一个epoch都输出accuracy。

#validation_split=0.2,将20%的数据作为验证集。

model.fit(data, label, batch_size=100, nb_epoch=10,shuffle=True,verbose=1,validation_split=0.2)

"""

#使用data augmentation的方法

#一些参数和调用的方法,请看文档

datagen = ImageDataGenerator(

featurewise_center=True, # set input mean to 0 over the dataset

samplewise_center=False, # set each sample mean to 0

featurewise_std_normalization=True, # divide inputs by std of the dataset

samplewise_std_normalization=False, # divide each input by its std

zca_whitening=False, # apply ZCA whitening

rotation_range=20, # randomly rotate images in the range (degrees, 0 to 180)

width_shift_range=0.2, # randomly shift images horizontally (fraction of total width)

height_shift_range=0.2, # randomly shift images vertically (fraction of total height)

horizontal_flip=True, # randomly flip images

vertical_flip=False) # randomly flip images

# compute quantities required for featurewise normalization

# (std, mean, and principal components if ZCA whitening is applied)

datagen.fit(data)

for e in range(nb_epoch):

print('-'*40)

print('Epoch', e)

print('-'*40)

print("Training...")

# batch train with realtime data augmentation

progbar = generic_utils.Progbar(data.shape[0])

for X_batch, Y_batch in datagen.flow(data, label):

loss,accuracy = model.train(X_batch, Y_batch,accuracy=True)

progbar.add(X_batch.shape[0], values=[("train loss", loss),("accuracy:", accuracy)] )

结语:以上就是首席CTO笔记为大家介绍的关于python一个epoch多久的全部内容了,希望对大家有所帮助,如果你还想了解更多这方面的信息,记得收藏关注本站。


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:/Python/18523.html