How to use outputs_list method in localstack

Best Python code snippet using localstack_python

class_neural.py

Source:class_neural.py Github

copy

Full Screen

1# импортирование библиотеки типизации данных2from typing import List, NoReturn, Union3# импортирование библиотеки для работы с матрицами, векторами4import numpy as np5# импортирование библиотеки для получения функции сигмоиды6import scipy.special as sc7# определение класса нейронной сети8class neuralNetwork:9 # инициализирование нейронной сети10 def __init__(self, input_nodes: int, hidden_nodes: List[int],11 output_nodes: int, learning_rate: float) -> NoReturn:12 # задаем количество узлов во входном, скрытом и выходном слоях13 self.inodes = input_nodes14 self.hnodes = hidden_nodes15 self.onodes = output_nodes16 # коэффициент обучения17 self.lr = learning_rate18 # список матриц весовых коэфициентов19 self.w = self.create_w()20 # использование сигмоиды в качестве функции активации21 self.activation_function = lambda x: sc.expit(x)22 # создание списка матриц весовых коэфициентов23 def create_w(self) -> List[Union[np.ndarray, float]]:24 list_w = []25 """если длина скрытых слов 0, то мы создаем одну матрицу весов с26 размерам количество выходных нейронов и входных"""27 if len(self.hnodes) == 0:28 """записываем в список весов сгенерированные случайным образом29 весовые коэффициенты с применением"""30 # нормального распределения и сдвигом -0.531 list_w.append(np.random.normal(0.0, pow(self.onodes, -0.5),32 (self.onodes, self.inodes)))33 else:34 """иначе проходим по списку количества нейронов скрытом слое и35 генерируем весовые коэффициенты"""36 for i in range(len(self.hnodes)):37 if i == 0:38 list_w.append(np.random.normal(0.0,39 pow(self.hnodes[i], -0.5),40 (self.hnodes[i],41 self.inodes)))42 if len(self.hnodes) > 1:43 list_w.append(np.random.normal(0.0,44 pow(self.hnodes[i + 1],45 -0.5),46 (self.hnodes[i + 1],47 self.hnodes[i])))48 else:49 list_w.append(np.random.normal(0.0, pow(self.onodes,50 -0.5),51 (self.onodes,52 self.hnodes[i])))53 elif i == len(self.hnodes) - 1:54 list_w.append(np.random.normal(0.0, pow(self.onodes, -0.5),55 (self.onodes,56 self.hnodes[i])))57 else:58 list_w.append(np.random.normal(0.0, pow(self.hnodes[i + 1],59 -0.5),60 (self.hnodes[i + 1],61 self.hnodes[i])))62 return list_w63 # метод для тренировки нейронной сети64 def train(self, inputs_list: List[float], targets_list: List[float]) -> \65 NoReturn:66 # преобразовать список входных в вектор67 inputs = np.array(inputs_list, ndmin=2).T68 targets = np.array(targets_list, ndmin=2).T69 outputs_list = []70 outputs = 071 i = 072 # получение выходных сигналов на каждом слое73 for hn in self.w:74 if i == 0:75 outputs = self.activation_function(np.dot(hn, inputs))76 else:77 outputs = self.activation_function(np.dot(hn, outputs))78 outputs_list.append(outputs)79 i += 180 # получение ошибки в зависимости от целевого значения на выходе81 output_errors = targets - outputs82 errors = []83 # процесс градиентного спуска в зависимости от колличества скртых слоев84 if len(self.hnodes) == 0:85 self.w[0] += self.lr * np.dot((output_errors * outputs_list[0] *86 (1.0 - outputs_list[0])),87 np.transpose(inputs))88 else:89 i = 090 outputs_list = outputs_list[::-1]91 for out in outputs_list:92 if i == 0:93 self.w[-(i + 1)] += self.lr * np.dot((output_errors * out94 * (1.0 - out)),95 np.transpose(96 outputs_list[i +97 1]))98 elif i == len(outputs_list) - 1:99 if len(self.w) > 2:100 errors = np.dot(self.w[1].T, errors)101 self.w[0] += self.lr * np.dot((errors * out *102 (1.0 - out)),103 np.transpose(inputs))104 elif len(self.w) == 2:105 errors = np.dot(self.w[-1].T, output_errors)106 self.w[-(i + 1)] += self.lr * np.dot((errors *107 out * (1.0 -108 out)),109 np.transpose(110 inputs))111 elif i == 1:112 errors = np.dot(self.w[-1].T, output_errors)113 self.w[-(i + 1)] += self.lr * np.dot((errors * out *114 (1.0 - out)),115 np.transpose(116 outputs_list[i +117 1]))118 else:119 errors = np.dot(self.w[-i].T, errors)120 self.w[-(i + 1)] += self.lr * np.dot((errors * out *121 (1.0 - out)),122 np.transpose(123 outputs_list[i +124 1]))125 i += 1126 # опрос нейронной сети127 def query(self, inputs_list: List[float]) -> List[float]:128 # преобразовать список входных значений в двухмерный массив129 inputs = np.array(inputs_list, ndmin=2).T130 # получение выходного сигнала131 for hn in self.w:132 inputs = self.activation_function(np.dot(hn, inputs))...

Full Screen

Full Screen

hill.py

Source:hill.py Github

copy

Full Screen

1import numpy as np2def encrypt(messages, key, n):3 messages_list = [(ord(i) - ord('a') + 1) for i in messages]4 messages_list = np.reshape(messages_list, (n, n))5 key = np.reshape(key, (n, n))6 outputs_list = []7 for i in messages_list:8 outputs_list.append(np.dot(key, i) % 26)9 outputs_list = np.reshape(outputs_list, (1, n ** 2))[0]10 o = [chr(i + ord('a')) for i in outputs_list]11 print(''.join(o))12def isPerfectSquare(x):13 sr = np.sqrt(x)14 return ((sr - np.floor(sr)) == 0), np.ceil(sr - np.floor(sr))15def decrypt(messages_decdecrypted, key, n):16 messages_decdecrypted_list = [(ord(i) - ord('a')) for i in messages_decdecrypted]17 messages_list = np.reshape(messages_decdecrypted_list, (n, n))18 print(messages_decdecrypted_list)19 key = np.reshape(key, (n, n))20 # print(key)21 key = np.linalg.inv(key) % 2622 print(key)23 outputs_list = []24 for i in messages_list:25 outputs_list.append(np.dot(key, i) % 26)26 outputs_list = np.reshape(outputs_list, (1, n ** 2))[0]27 print(outputs_list)28 o = [chr(round(i) + ord('a')-1) for i in outputs_list]29 print(''.join(o))30choice=int(input("select\n 1 for encrypt\n 2 for decrypt"))31if choice==1:32 messages = input("enter the message: ")33 key = list(map(int, input("in 1xn spaces array: ").split(" ")))34 n=int(np.sqrt(len(key)))35 encrypt(messages,key,n)36else:37 messages = input("enter the encrypted message: ")38 key = list(map(int, input("in 1xn spaces array: ").split(" ")))39 n=int(np.sqrt(len(key)))40 decrypt(messages, key, n)41# messages = 'hwkb'#input('message')42# conditions = isPerfectSquare(len(key))43# print(conditions)...

Full Screen

Full Screen

tools.py

Source:tools.py Github

copy

Full Screen

1## @package tools2# Module caffe2.python.helpers.tools3from __future__ import absolute_import4from __future__ import division5from __future__ import print_function6from __future__ import unicode_literals7def image_input(8 model, blob_in, blob_out, order="NCHW", use_gpu_transform=False, **kwargs9):10 assert 'is_test' in kwargs, "Argument 'is_test' is required"11 if order == "NCHW":12 if (use_gpu_transform):13 kwargs['use_gpu_transform'] = 1 if use_gpu_transform else 014 # GPU transform will handle NHWC -> NCHW15 outputs = model.net.ImageInput(blob_in, blob_out, **kwargs)16 pass17 else:18 outputs = model.net.ImageInput(19 blob_in, [blob_out[0] + '_nhwc'] + blob_out[1:], **kwargs20 )21 outputs_list = list(outputs)22 outputs_list[0] = model.net.NHWC2NCHW(outputs_list[0], blob_out[0])23 outputs = tuple(outputs_list)24 else:25 outputs = model.net.ImageInput(blob_in, blob_out, **kwargs)26 return outputs27def video_input(model, blob_in, blob_out, **kwargs):28 # size of outputs can vary depending on kwargs29 outputs = model.net.VideoInput(blob_in, blob_out, **kwargs)...

Full Screen

Full Screen

Automation Testing Tutorials

Learn to execute automation testing from scratch with LambdaTest Learning Hub. Right from setting up the prerequisites to run your first automation test, to following best practices and diving deeper into advanced test scenarios. LambdaTest Learning Hubs compile a list of step-by-step guides to help you be proficient with different test automation frameworks i.e. Selenium, Cypress, TestNG etc.

LambdaTest Learning Hubs:

YouTube

You could also refer to video tutorials over LambdaTest YouTube channel to get step by step demonstration from industry experts.

Run localstack automation tests on LambdaTest cloud grid

Perform automation testing on 3000+ real desktop and mobile devices online.

Try LambdaTest Now !!

Get 100 minutes of automation test minutes FREE!!

Next-Gen App & Browser Testing Cloud

Was this article helpful?

Helpful

NotHelpful