用keras來實現一個fizzbuzz問題

據說國外面試會經常問一個fizzbuzz問題，來看看面試的人到底有沒有寫過代碼：

大致的意思如下：

for each number 1 to 100:
    if number % 15 == 0:
        print(number, "fizzbuzz")
    else if number % 5 == 0:
        print(number, "buzz")
    else if number % 3 == 0:
        print(number, "fizz")
    else:
        print(number)

就是從1到100，遇到被3整除打印fizz,遇到5整除打印buzz，遇到同時被3和5整除打印fizzbuzz.

tensorflow object detection api 檢測自己的數據集

YOLO實戰

如果使用深度學習的思路來寫這個程序又是怎樣的呢？

from keras.models import Sequential
import numpy as np
from keras.layers import Dense
def binary_encode(i, num_digits):
    return np.array([i >> d & 1 for d in range(num_digits)])
def  fizz_buzz_encode(i):
    if   i % 15 == 0: return np.array([0, 0, 0, 1])
    elif i % 5  == 0: return np.array([0, 0, 1, 0])
    elif i % 3  == 0: return np.array([0, 1, 0, 0])
    else:             return np.array([1, 0, 0, 0])
NUM_TRAIN = 10
x_train = np.array([binary_encode(i, NUM_TRAIN) for i in range(101, 2 ** NUM_TRAIN)])
y_train = np.array([fizz_buzz_encode(i)          for i in range(101, 2 ** NUM_TRAIN)])

x_test = np.array([binary_encode(i, NUM_TRAIN) for i in range(0, 100)])
y_test = np.array([fizz_buzz_encode(i)          for i in range(0, 100)])

model = Sequential()
model.add(Dense(units=1000, activation='relu', input_dim=10))
model.add(Dense(units=4, activation='softmax'))
model.compile(loss='categorical_crossentropy',
              optimizer='adam',
              metrics=['accuracy'])
model.fit(x_train, y_train, epochs=100, batch_size=32)
loss_and_metrics = model.evaluate(x_train, y_train, batch_size=128)
print(loss_and_metrics[1])
loss_and_metrics = model.evaluate(x_test, y_test, batch_size=128)
print(loss_and_metrics[1])

先要製造一些樣本數據，再建造一個簡單的神經網絡，然後訓練100輪，最後可以發現，可以達到100%的準確率。

這個例子展示了深度學習程序編寫思路與傳統編程方式有些不同：

1）模型爲核心，模型其實就是一個函數，可以是一個簡單的線性函數，也可以是由很多非線性函數級聯在一起的神經網絡。

2）模型輸入是向量，輸出也是向量。

3）要有樣本，而且是向量格式的樣本。