首先安装好mysql，下载kettle下载地址https://sourceforge.net/projects/pentaho/files/Data%20Integration/下载的慢可以到网盘：链接提取码：==m4sr ==将下载好的压缩包解压到非中文路径的文件夹中在data-integration中找到并打开Spoon.bat，打开图形操作界面这时候可以做mysql的准备了，这里以尚硅谷视频

对于入门新手来说，MU是一款简介易用的python编辑器，它自带一些我们常用的函数包，对于一些不想安装大型编辑器又不想敲控制台的人来说非常友好。下载安装MU我们可以在官网选择自己对应的系统下载（下载的非常慢）下载链接也可选择网盘下载（WINDOWS-64位）网盘链接：MU安装程序提取码：yser打开安装程序，按照其指示的步骤走就行，中间可以自己选择安装位置运行安装完成后我们在桌面可能看不到它的快捷

keras内置数据集下载keras.fit()和evaluate()中的verbose属性不用K折验证import numpy as npimport matplotlib.pyplot as pltfrom keras import layers, modelsfrom keras.datasets import boston_housingimport osos.environ['TF_CPP

首先说明一个非常重要的参数—axis：以axis=0为例,则沿着第0个下标（最左边的下标）变化的方向进行操作，也就是将除了第0个下标外，其他两个下标都相同的部分分成一组，然后再进行操作例如一个3*3的二维数组A(3, 3)如果定义axis = 0，也就是说除了第一个下标可以不同，其他下标必须都相同，那么用C++的数组表示，分组如下：第一组：A[0][0], A[1][0], A[2][0]第二组：

import osimport numpy as npimport matplotlib.pyplot as pltfrom keras import layers, models, optimizersfrom keras.applications import VGG16from keras.preprocessing.image import ImageDataGenerator#将VGG1

import osimport numpy as npimport matplotlib.pyplot as pltfrom keras import layers, models, optimizersfrom keras.applications import VGG16from keras.preprocessing.image import ImageDataGenerator#将VGG1

from keras.datasets import mnistfrom keras import models, layersfrom keras.utils import to_categoricalimport osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'#导入数据(train_images, train_labels), (test_images,

在Francois Chollet先生的书中，首先对猫狗图片数据集进行了规模上的缩小，这里将直接使用缩小后的数据集进行神经网络的训练。#利用已经划分好的小数据集来训练import numpy as npimport matplotlib.pyplot as pltfrom keras import layers, models, optimizers#使用ImageDataGenerator从目录

tensorflow 1.5 --------------- protobuf 3.4tensorflow 1.12 --------------- protobuf 3.6tensorflow 1.10 --------------- protobuf 3.6tensorflow 1.0.0 --------------- protobuf 3.1tensorflow 0.12 --------

在Francois Chollet先生的书中，首先对猫狗图片数据集进行了规模上的缩小，这里将直接使用缩小后的数据集进行神经网络的训练。#利用已经划分好的小数据集来训练import numpy as npimport matplotlib.pyplot as pltfrom keras import layers, models, optimizers#使用ImageDataGenerator从目录