- 博客(69)
- 收藏
- 关注
RSS订阅原创 《有本事》冯唐
有本事修炼本事本事的含义本事才有得选尽人力 天意随怕什么就做什么埋首做事 笑脸迎人生而为人 用好肉身把一辈子当成一天过站直不哭愿生命灿夏花 愿死亡美如秋叶让人生变得有聊一点自己的事情自己做，不给别人添麻烦起居有常 饮食有度 远离妄念小宇宙强大高于一切修炼本事持续修炼自己最能够安身立命的本事得志行天下不得志独善其身淡定而从容本事的含义一个人有本事才是靠得住的财富本事才有得选你可以不屠龙但不能不磨剑尽人力 天意随怕什么就做什么埋首做事 笑脸迎人生而为人 用好肉身把一辈子当成
2021-10-24 19:25:16
1549
原创 OpenCV VideoCapture.get()参数详解
OpenCV VideoCapture.get()参数详解编号1详细参数释义英文说明cv2.VideoCapture.get(0)CV_CAP_PROP_POS_MSEC视频文件的当前位置（播放）以毫秒为单位Current position of the video file in milliseconds or video capture timestamp.cv2.VideoCapture.get(1)CV_CAP_PROP_POS_FRAMES基于以0开始的被
2021-09-06 10:14:17
541
原创 matplotlib绘制mqtt数据实时图像
实时绘制mqtt数据图像import jsonimport mathimport randomfrom paho.mqtt import client as mqtt_clientimport timeimport datetimefrom math import ceil, floorimport matplotlib.pyplot as pltimport geventimport _thread# 公共变量broker = 'broker.emqx.io'topic = "
2021-09-03 15:54:50
630
原创 yield的使用
有 return 的函数直接返回所有的结果，程序终止不再运行，并销毁局部变量def example(): x = 1 return xexample = example()print(example)# 1而有 yield 的函数则返回一个可迭代的 generator（生成器）对象，可以使用 for 循环或者调用 next() 方法遍历生成器对象来提取结果def fab(max): """生成斐波那契数列""" n, a, b = 0, 0, 1 w
2021-08-23 22:32:44
54
原创 【tf2函数】tf.random_normal()
tf.random_normal()tf.random_normal()函数用于从“服从指定正态分布的序列”中随机取出指定个数的值。tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None)- shape: 输出张量的形状，必选- mean: 正态分布的均值，默认为0- stddev: 正态分布的标准差，默认为1.0- dtype: 输出的类型，默认为tf.float32- seed
2021-08-23 22:32:02
516
原创 【tf2函数】tf.gather()
传送门tf.gather()：tf.gather() 单一维度方向的数据，进行任意顺序的切片。源张量是一维数据代码：import tensorflow as tfprint("源张量")a = tf.constant([0,1,2,3,4,5,6,7,8,9])print(a) b = tf.gather(a, indices=[0,2,4,6,8,1,3,5,7,9])print(b) b = tf.gather(a, indices=[0,2,4])print(b
2021-08-23 22:30:31
250
原创 random.shuffle(lst)
random.shuffle(lst) 函数将输入的列表lst随机打乱，会将原序列打乱import randomlst = ['PEK', 28, 'Li Bai', 'Tsinghua']random.shuffle(lst)print(lst)# ['Tsinghua', 28, 'Li Bai', 'PEK']
2021-08-23 22:27:37
149
转载 动手学深度学习(TF2 版)_第3章 深度学习基础 ---- 3.2 线性回归的从零开始实现
3.1 线性回归的从零开始实现3.2 线性回归的从零开始实现3.2.1 生成数据集3.2.2 读取数据3.2.5 定义损失函数3.2.6 定义优化算法3.2.7 训练模型3.2 线性回归的从零开始实现在了解了线性回归的背景知识之后，现在我们可以动手实现它了。尽管强大的深度学习框架可以减少大量重复性工作，但若过于依赖它提供的便利，会导致我们很难深入理解深度学习是如何工作的。因此，本节将介绍如何只利用Tensor和GradientTape来实现一个线性回归的训练。首先，导入本节中实验所需的包或模块，其中的
2021-08-21 14:45:12
156
原创 2. 【中等】两数相加
2. 两数相加给你两个 非空 的链表，表示两个非负的整数。它们每位数字都是按照 逆序 的方式存储的，并且每个节点只能存储 一位 数字。请你将两个数相加，并以相同形式返回一个表示和的链表。你可以假设除了数字 0 之外，这两个数都不会以 0 开头。示例 1：输入：l1 = [2,4,3], l2 = [5,6,4]输出：[7,0,8]解释：342 + 465 = 807.示例2：输入：l1 = [0], l2 = [0]输出：[0]示例 3：输入：l1 = [9,9,9,9,9,9,9
2021-08-19 19:55:35
63
原创 random.shuffle() 函数
Python random.shuffle() 函数将列表中的元素随机打乱该方法会修改原序列import randomlst = ['LiBai', 57, 'BaiJuyi', 12]random.shuffle(lst)print(lst)# [12, 'LiBai', 'BaiJuyi', 57]
2021-08-18 16:09:51
422
转载 动手学深度学习(TF2 版)_第3章 深度学习基础 ---- 3.1 线性回归
转载：本节原书传送门3.1 线性回归线性回归输出是一个连续值，因此适用于回归问题。回归问题在实际中很常见，如预测房屋价格、气温、销售额等连续值的问题。与回归问题不同，分类问题中模型的最终输出是一个离散值。我们所说的图像分类、垃圾邮件识别、疾病检测等输出为离散值的问题都属于分类问题的范畴。softmax 回归则适用于分类问题。由于线性回归和softmax回归都是单层神经网络，它们涉及的概念和技术同样适用于大多数的深度学习模型。我们首先以线性回归为例，介绍大多数深度学习模型的基本要素和表示方法。3.1.
2021-08-18 14:19:44
170
转载 动手学深度学习(TF2 版)_第2章 预备知识
import tensorflow as tfprint(tf.__version__)# 2.4.0################################## 2.2.1 创建tensor#################################""" 先介绍tensor的最基本功能，我们用range函数创建一个行向量。"""x = tf.constant(range(12))print(x.shape)# (12,)# 一个tensor实例，其中包.
2021-08-17 15:26:18
183
原创 Flask 学习
第一章 准备工作虚拟环境虚拟环境是独立于Python全局环境的解释器环境，使用它的好处如下：保持全局环境的干净指定不同的依赖版本方便记录和管理依赖创建虚拟环境使用 python3 内置的 venv 模块陈创建虚拟环境python -m venv your_env_name启动虚拟环境env\Scripts\activate # Windows. env\bin\activate # MacOS 或 Linux退出虚拟环境deactivate激活虚拟环境之后安装F
2021-08-16 16:55:49
77
原创 信号滤波器
滤波def high_pass_filtering(data): """高通滤波器""" b, a = signal.butter(8, 0.02, 'highpass') filtedData = signal.filtfilt(b, a, data) # data为要过滤的信号 return filtedDatadef band_pass_filtering(data): """带通滤波器""" b, a = signal.butter(8, [
2021-08-03 18:39:40
172
原创 CSDN专栏的图标
CSDN专栏的图标机器学习数据处理TensorflowDeepLearningRaspberry Pi笔记爬虫Web后端GitPythonSQLPandas数据结构OpenCVLeetCodeLinux
2021-08-02 00:36:45
654
原创 CPTbed-01 猫狗识别
01-第一个人工智能程序导入相关库# numpy 用来进行向量化import numpy as np# matplotlib 用来画图的import matplotlib.pyplot as plt# h5py 用来加载训练数据集的。# 我们数据集的保存格式是HDF。Hierarchical Data Format(HDF)是一种针对大量# 数据进行组织和存储的文件格式,大数据行业和人工智能行业都用它来保存数据。import h5py# skimage 用来缩放图片impor
2021-08-01 10:47:45
401
原创 【树莓派4B-02】安装 tensorflow2.4
Raspberry4B安装tensorflow2.4SD卡格式化刷入Raspberry的Ubuntu20.04LTS系统入网及连接配置wifi连接Raspberry安装宝塔面板conda创建新环境tensorflow 2.4SD卡格式化我的SD卡之前时装有Ubuntu系统的，将SD卡链接到电脑之后，只显示一个盘符，双击时显示需要格式化。格式化方法：此电脑–管理–磁盘管理，找到SD卡。左击选中system-boot，点击删除卷；主分区操作相同。完成上一步后，SD卡显示“59.48GB
2021-07-22 01:26:27
1132
3
原创 深度学习基础
深度学习深度学习基础深度学习基础逻辑回归(简单)：z=dot(w,x)+bz = dot(w,x) + bz=dot(w,x)+bsigmoid激活函数∂(z)=11+e−z\partial(z)=\frac {1}{1+e^{-z}} ∂(z)=1+e−z1sigmoid求导：y=11+e−xy = \frac {1}{1+e^{-x}}y=1+e−x1 yx′=[(1+e−x)−1]′\space
2021-07-12 11:50:55
88
原创 关键20小时--快速学会任何技能
关键20小时--快速学会任何技能方法鸡汤方法快速习得技能：分解步骤：把技能做最大程度的细分，分成若干小步骤。充分学习：对每个小步骤进行充分学习，以便进行灵活的练习，并在练习中自我纠正。克服困难：克服在练习中出现的生理、心理或者情绪上的障碍。集中练习：至少用20小时集中学习最重要的小步骤。说白了就是“找出方法–勤加练习–注意细节”鸡汤生命中那些让你感到有价值的事，往往需要你掌握某种程度的技巧，而掌握技巧又需要付出时间和努力。然而，时间，我们似乎没有；努力，我们似乎不愿付出。我们宁愿
2021-06-27 17:27:13
369
原创 Tensorflow2.3 GPU版本的安装 Windows10
Tensorflow2.3 GPU版本的安装使用pip直接安装Tensorflow-GPU我这电脑的Nivdia驱动版本是11.0，我查到的教程里都是要求10.1，没办法，自己莽一下吧。使用pip直接安装Tensorflow-GPU先创建一个conda虚拟环境conda create -n tf23gpu python=3.7安装完成界面是这个激活新环境tf23gpuactivate tf23gpu安装tensorflow-gpu，豆瓣源比较快pip install t
2021-06-26 21:09:01
167
1
原创 word2vec模型保存为npy文件 clh
np.save("data/NYT_CoType/word2vec.vectors.npy", word_vectors.vectors)
2021-06-21 14:57:12
856
原创 字典取 keys、values
字典取 keys、values字典取keys字典取keysd = dict() # 创建一个新字典d["A"] = 'a' # 添加新的键值对d["B"] = 'b'print(d) # 查看字典print(d.keys()) # 查看字典的keys# dict_keys(['A', 'B'])print(list(d.keys())) # 列表化字典的keys# ['A', 'B']print(d.values()) # 查看字典的values# dict_value
2021-06-08 10:19:13
262
原创 MQTT订阅及数据过滤写入
MQTT订阅及数据过滤写入MQTT订阅日志写入将数据写入mongo中数据过滤完整代码MQTT订阅通过broker, port, topic, username, password, log_dir, client_id等信息连接MQTT，从而获取到msg通过eval()函数将str型数据转换为dict型将字典型数据传入clean_data()对数据进行过滤from connect_mqttSubscribe_helper import broker, port, topic, username
2021-05-28 23:53:34
1178
原创 数据清洗
数据清洗定义数据清洗的流程数据读写数据探索与描述数据简单处理重复值处理缺失值处理异常值处理文本字符串处理时间序列处理定义数据清洗：把“脏数据”变为“干净数据”。脏数据：残缺数据、错误数据、重复数据、不符合规则的数据、…数据清洗的流程数据读写常用方法：pd.read_csv("文件路径")，pd.read_excel("文件路径")数据探索与描述常用方法：df.info()，df.describe()数据简单处理常用方法：去除数据间的空格，英文字母的大小写转换重复值处理常用方法：du
2021-05-21 09:00:13
451
原创 MongoDB基本语法
MongoDB基本语法连接远程MongoDB连接远程MongoDB# -*- coding:utf-8 -*-# 连接 Mongo 数据库from pymongo import MongoClientfrom mongodb_helper import host, port, database, username, password, collectionhost = hostport = portusername = usernamepassword = passworddbnam
2021-05-20 10:11:53
87
原创 公式草稿
预测方法：z=wx+ba=σ(z)=11+e−zy^=az=wx+b \\ a = \sigma(z)=\frac {1}{1+e^{-z}} \\ \hat y=az=wx+ba=σ(z)=1+e−z1y^=a损失函数：L(y^(i),y(i))=−[y(i)log(y^(i))+(1−y(i))log(1−y^(i))]L(\hat y^{(i)},y^{(i)})=-[y^{(i)}log(\hat y^{(i)})+(1-y^{(i)})log(1-\hat y^{(i)})]L(y^(i
2021-04-27 21:17:49
59
原创 OpenCV - 7 图像的几何变换
图像的几何变换1. 裁剪、放大、缩小裁剪--数组选择方法（冒号）放大、缩小--resize()函数2. 平移变换3. 错切变换完整代码1. 裁剪、放大、缩小裁剪–数组选择方法（冒号）# 裁剪img = cv.imread('naruto_400x400.jpeg')show(img)naruto_totem = img[250:310, 190:250, :]show(naruto_totem) # 行范围、列范围、页范围# 放大缩小show(cv.resize(naruto_t
2021-03-15 16:20:40
74
原创 OpenCV - 6 图像线性及非线性变换、图像融合
图像的线性、非线性变换逐像素运算逐像素运算就是对图像中的每个像素点的亮度值，通过一定的函数关系转换到新的亮度值。这个转换可以由函数关系表示s=f(r)s=f(r)s=f(r)其中，r 表示原来的像素值，s 表示新的像素值。通常采用单调函数进行变换。线性变换s(x,y)=kr(x,y)+cs(x,y)=kr(x,y) + cs(x,y)=kr(x,y)+c非线性变换s(x,y)=a+ln(r(x,y)+1)b lncs(x,y)=a+\frac{ln(r(x,y)+1)}{
2021-03-14 11:05:46
1208
3
原创 OpenCV - 5 两图像加减乘除
相加：图像混合、添加噪声img = cv.add(img1, img2)img = cv.addWeighted(img1, alpha, img2, beta, gamma)import matplotlib.pyplot as pltimport numpy as npimport cv2 as cvdef show(img): if img.ndim == 2: plt.imshow(img, cmap='gray') else: plt
2021-03-08 22:34:44
1013
原创 OpenCV - 4 二值图、灰度图、RGB彩色图
二值图、灰度图、RGB彩色图二值图灰度图RGB彩色图8位整型图像浮点数图像二值图二值图：只有 0 和 1 两种取值灰度图灰度图：对8位灰度取值，有256种取值， 0表示黑色，1表示白色。彩色图像转灰度图像公式：gray(x,y)=0.299r(x,y)+0.587g(x,y)+0.114b(x,y)gray(x,y) = 0.299r(x,y) + 0.587g(x,y) + 0.114b(x,y)gray(x,y)=0.299r(x,y)+0.587g(x,y)+0.114b(x,y)impo
2021-03-07 21:33:26
2700
原创 OpenCV - 3 matplotlib的基础操作
matplotlib的基础操作matplotlib的基础操作1. 绘制折线图一条折线图多条折线图2. 绘制直方图完整代码matplotlib的基础操作1. 绘制折线图一条折线图import matplotlib.pyplot as pltimport numpy as np# plt.plot(x, y) # 绘制折线图x = np.arange(2, 20)y = 2 * x + np.random.randint(5, 20, 18)plt.plot(x, y) # 正常显示
2021-03-07 18:13:19
186
原创 OpenCV - 2 opencv的基础操作
opencv的基础操作图片的读写及显示1. 图像读取2. 图像写入3. 图像显示cv显示matplotlib显示4. 将彩色图像读取为灰度图像5. 图像的维度定义一个显示图像的函数完整代码图片的读写及显示1. 图像读取img = cv.imread('dog.jpg')print(type(img))print(img.shape) # <class 'numpy.ndarray'># (768, 1024, 3)2. 图像写入cv.imwrite('dog-w.jpg'
2021-03-07 16:26:51
144
原创 OpenCV - 1 numpy的基础操作
numpy的基础操作1. numpy的基础操作1.1 数据格式1.2 创建不同数据格式的数组列表转直接数组列表转指定数据格式的数组1.3 numpy的几个函数np.arange()np.linspace()np.zeros()np.ones()np.identity() 创建单位矩阵np.eye() 创建单位矩阵np.random.randint()1.4 矩阵变换A.reshape()A.flatten() 将矩阵拉平为一维A.ravel() 将矩阵拉平为一维A.T 转置A.
2021-03-05 16:46:39
279
原创 json文件读写 python
写import jsona = [1,2,3]b = '456'c = 10d = {'a':a, 'b':b, 'c':c}dd = json.dumps(d)fw = open('test.txt', 'w', encoding='utf-8')fw.write(dd)fw.close()查看txt文件读加载刚才写好的json文件import jsonfr = open('test.txt', 'r', encoding='utf-8')content = jso
2021-03-01 16:22:41
68
原创 tensorflow2 ---- 03.分类问题
分类问题手写数字识别大致思路手写数字识别大致思路XXX：[1, 784]， 灰度图像[28,28]，打平之后得到[1, 784]WWW：[784, 10]bbb：[10] out=XW+bout=XW+bout=XW+b[1, 784] ⋅\cdot⋅ [784, 10] + [10] → [1, 10]线性分类方法能解决这个问题吗？灰度图像打平之后是个高维数据，线性模型很难完成这个问题现在在线性分类的式子中加入ReLU激活函数out=f(XW+b)out=f(XW+b)out=f(XW+b
2021-02-13 23:54:43
80
原创 查找多照片中包含指定人脸的所有照片
人脸检测、人脸相似度计算目标任务人脸检测目标任务1. 给定包含人脸的图像，找出其中的所有人脸并保存；2. 随机选取第一步中保存的一个人脸图像，再在给定多个图像中逐张判断该人脸是否存在。人脸检测...
2021-02-12 22:07:01
1047
原创 数字信号处理
数字信号处理第一章、数字信号处理概述主要研究内容常用的术语：数字信号处理的流程为什么采用数字信号处理数字信号的优势理解数字信号的三把钥匙第二章、离散时间信号2.1 信号的基本概念2.1.3 信号的分类2.2 信号的时域描述离散时间信号 x(n)x(n)x(n) 的表示法1. 公式表达2. 按次序排列的集合3. 图示法典型信号第一章、数字信号处理概述主要研究内容信号的采集，包括模/数变换技术、采样定理等离散时间信号的分析，包括时域及频率分析、离散傅里叶变换等离散系统的分析，包括差分方程、单位冲激响
2021-01-28 17:51:28
4741
原创 列表、字符串间隔取值 Python
列表取值例1a = ['a', 'b', 'c', 'd', 'e', 'f']b = '{1+2-3*4(5/6)7}'print('a[::2]:',type(a[::2]), a[::2])print('b[::2]:', type(b[::2]), b[::2])输出：a[::2]: <class 'list'> ['a', 'c', 'e']b[::2]: <class 'str'> {+-*(/)}例2a = ['a', 'b', 'c', 'd'
2021-01-28 10:25:17
1903
原创 星号传参和双星号传参 Python
星号传参和双星号传参星号传参把通过位置传参的参数值转为元组def fun(a=1, *b): """a是一个普通关键字参数，*b是一个关键字星号参数""" print(a) print(b)fun(1,2,3,4,5,6,7)输出：1(2, 3, 4, 5, 6, 7)双星号传参把通过关键字传参的参数及对应的参数值转为字典def fun(a=1, **b): """a是一个普通关键字参数，**b是一个关键字双星号参数""" print(a)
2021-01-28 10:10:11
354
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人