qestion_yz_10086的博客

原创 Window10下的删除和添加文件老是需要管理员权限，去掉的最简单方法

原创 2021-04-16

我在使用PyInstaller打包文件的时候，命令为Pyinstaller test.py，会弹出下面的报错，-F也有试过，有没有大神能帮忙解答下pkg_resources.DistributionNotFound: The ‘cryptography’ distribution was not found and is required by the application解决办法：pip install cryptography...

原创 PyQt5之QMenuBar

PyQt5之QMenuBarimport sysfrom PyQt5.QtGui import *from PyQt5.QtWidgets import *from PyQt5.QtCore import *class MenuDemo(QMainWindow): def __init__(self,parent=None): super(MenuDemo, self).__init__(parent) #水平布局 layout=QHBo

原创 约瑟夫问题

约瑟夫问题在古罗马人占领乔塔帕特后，39个犹太人与约瑟夫和他朋友躲到一个洞中。39个犹太人决定宁死也不被敌人找到，于是商定以一种特殊的方式自杀。41个人排成一个圈圈，有第一个人开始报数，每报数到3的人就必须自杀，直到所有人都自杀身亡位置。但是约瑟夫及其朋友并不想死，那么请问约瑟夫及朋友应该怎样安排自己的位置才能逃过一劫。if __name__ == '__main__': personlist=[i for i in range(1,41+1)] personlistlen=len(

原创 python多线程爬虫

python多线程爬虫import requestsfrom urllib.parse import urlencodefrom multiprocessing.pool import ThreadPoolimport osfrom hashlib import md5def get_page(offset): url='https://www.toutiao.com/api/search/content/?aid=24&app_name=web_search&offs

原创 tensorflow --Dropout方法

tensorflow --Dropout方法import tensorflow as tfimport osos.environ["TF_CPP_MIN_LOG_LEVEL"]='3'print(os.environ["TF_CPP_MIN_LOG_LEVEL"])x=tf.Variable(tf.ones([10,10]))dro=tf.placeholder(tf.float32)y=tf.nn.dropout(x,dro)init=tf.initialize_all_variables

原创 D:\App\Anaconda\envs\md\lib\site-packages\tensorflow\python\framework\dtypes.py:526: FutureWarning:

D:\App\Anaconda\envs\md\lib\site-packages\tensorflow\python\framework\dtypes.py:526: FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’._np_qint8

原创 python外观模式

python外观模式from enum import Enumfrom abc import ABCMeta, abstractmethodState = Enum('State', 'new running sleeping restart zombie')class User: passclass Process: passclass File: passclass Server(metaclass=ABCMeta): @abstractm

原创 python原型模式(二)

python原型模式(二)import copyfrom collections import OrderedDictclass Book: def __init__(self, name, authors, price, **rest): '''rest的例子有：出版商、长度、标签、出版日期''' self.name = name self.authors = authors self.price = price # 单

原创 python原型模式

python原型模式原型设计模式（Prototype design pattern）帮助我们创建对象的克隆，其最简单的形式就是一个clone()函数，接受一个对象作为输入参数，返回输入对象的一个副本。在Python中，这可以使用copy.deepcopy()函数来完成。来看一个例子，下面的代码中（文件clone.py）有两个类，A和B。A是父类，B是衍生类/子类。在主程序部分，我们创建一个类B的实例b，并使用deepcopy()创建b的一个克隆c。结果是所有成员都被复制到了克隆c，以下是代码演示。

原创 python建造者模型(2)

python建造者模型from enum import Enumimport timePizzaProgress = Enum('PizzaProgress', 'queued preparation baking ready')PizzaDough = Enum('PizzaDough', 'thin thick')PizzaSauce = Enum('PizzaSauce', 'tomato creme_fraiche')PizzaTopping = Enum('PizzaTopping'

原创 python建造者模式

python建造者模式class AppleFactory: class MacMini14: def __init__(self): self.memory = 4 # 单位为GB self.hdd = 500 # 单位为GB self.gpu = 'Intel HD Graphics 5000' def __str__(self): info = ('Model: {

原创 matlab遍历文件夹下的所有文件

matlab遍历问价夹下的所有文件function [names,class_num] = GetFiles(SamplePath1 )SamplePath1 = 'C:\Users\Administrator\Desktop\CDG\';files = dir(SamplePath1);size0 = size(files);length = size0(1);for i=3:length; fileName = strcat(SamplePath1,files(i,1).name);

原创 python图片倾斜矫正

python图片倾斜矫正import cv2import mathimport randomimport numpy as npfrom scipy import misc, ndimageimport osimport matplotlib.pyplot as pltdef read_cv(filepath): for filename in os.listdir(filepath): img = cv2.imread(os.path.join(filepath,

原创 皮肤癌分类--基于Keras的卷积神经网络实现分类

皮肤癌分类–基于Keras的卷积神经网络实现分类数据集中的病理图片包含3个类别melanoma(黑素瘤）nevus(痣) seborrheickeratosis(脂溢性角化病)from sklearn import datasetsimport numpy as npimport pandas as pdimport osimport matplotlib.pyplot as pltfrom sklearn.model_selection import train_test_splitfr

原创 FutureWarning: Passing (type, 1) or ‘1type‘ as a synonym of type is deprecate

FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecate解决方法：换成_np_qint8 = np.dtype([("qint8", np.int8, (1,))])_np_quint8 = np.dtype([("quint8", np.uint8, (1,))])_np_qint16 = np.dtype([("qint16", np.int16, (1,))])_np_quint16 =

转载 Keras实现VGG16

Keras实现VGG16from keras.models import Sequentialfrom keras.layers import Dense, Flatten, Dropoutfrom keras.layers.convolutional import Conv2D, MaxPooling2Dimport numpy as npseed = 7np.random.seed(seed)model = Sequential()model.add(Conv2D(64, (3,

原创 基于Keras的InceptionV3预测模型实现预测--狗的品种识别

基于Keras的InceptionV3预测模型实现预测–狗的品种识别预测训练模型有很多，InceptionV3是其中一个，它由谷歌团队从ImageNet的1000个类别的超大型数据集训练而来，表现优异，经常用来做计算机视觉方面的迁移学习研究和应用。适用预训练模型的好处有两点：一是该模型本身就可以预测图像，因为它是基于1000个类别训练而来；二是迁移学习的技术可以让我们不需要从头开始训练分类模型，我们在一定数据的情况下只需要微调就可以满足需求。from sklearn.datasets import lo

原创 基于Keras的卷积神经网络模型预测--狗的品种识别

基于Keras的卷积神经网络模型预测–狗的品种识别from sklearn.datasets import load_filesfrom keras.utils import np_utilsimport numpy as npfrom glob import globimport osfrom sklearn.model_selection import train_test_splitimport matplotlib.pyplot as pltfrom matplotlib impor

原创 python---前k个高频单词

前k个高频单词给一非空的单词列表，返回前_k_个出现次数最多的单词。返回的答案应该是按单词出现频率有高到低排序。如果不同的单词有相同出现频率，按照字母顺序排序。import numpy as npdef result_1(str_list,k): str_list_set=np.sort(list(set(str_list))) str_list_set_number=[0 for i in range(len(str_list_set))] str_dict=dict(zi

原创 python--爬楼梯

假设你正在爬楼梯。需要爬_n_步你才能到达楼顶。每次你可以爬1或者2个台阶。你有多少种不同的方法可以爬到楼顶呢？class Solution(object): def __init__(self,n): self.n=n self.pre=None self.climbStairs() def climbStairs(self): if self.n<=1: self.pre=1

原创 requests.text和requests.content的区别

requests.text和requests.content的区别我们在利用requests库进行网络数据爬取时，通常遇到编码问题，在通过requests的get方法获取响应后，通常有response.text和response.content两种输出格式：response.content： 这个是直接从网络上面抓取的数据，没有经过任何解码，所以说是一个bytes类型。其实在硬盘上和网络上传输的字符串都是bytes类型。因此在利用response.content进行输出时： 我们可以利用 reso

原创 基于卷积神经网络的Tensorflow实现MNIST识别

基于卷积神经网络的Tensorflow实现MNIST识别import kerasimport tensorflow as tffrom keras.datasets import mnistfrom keras.models import Sequentialfrom keras.layers import Dense,Dropout,Activationfrom keras.optimizers import RMSpropimport matplotlib.pyplot as plt

原创 基于多层感知器的Keras实现MNIST识别

基于多层感知器的Keras实现MNIST识别import kerasfrom keras.datasets import mnistfrom keras.models import Sequentialfrom keras.layers import Dense,Dropout,Activationfrom keras.optimizers import RMSprop# mnist=input_data.read_data_sets('MNIST_data/',one_hot=True)

原创 使用分水岭算法对一幅图像进行分割，并观察分割的效果

使用分水岭算法对一幅图像进行分割，并观察分割的效果import osimport cv2import numpy as npimport matplotlib.pyplot as pltdef read_img(img_7_path,img_8_path): img=cv2.imread(img_7_path) gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) img=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

原创 cv2.connectedComponents()标注一幅图像，并对其进行修正，使未知区域被标注为0，并观察标注的效果

cv2.connectedComponents()标注一幅图像，并对其进行修正，使未知区域被标注为0，并观察标注的效果import osimport cv2import numpy as npimport matplotlib.pyplot as pltdef read_img(img_7_path,img_8_path): img=cv2.imread(img_7_path) gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) img=cv

原创 cv2.connectedComponents()标注一幅图像，并观察标注的效果

cv2.connectedComponents()标注一幅图像，并观察标注的效果import osimport cv2import numpy as npimport matplotlib.pyplot as pltdef read_img(img_7_path,img_8_path): img=cv2.imread(img_7_path) gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) img=cv2.cvtColor(img,cv2.

原创 标注一幅图像的确定前景、确定背景及位置区域

标注一幅图像的确定前景、确定背景及位置区域import osimport cv2import numpy as npimport matplotlib.pyplot as pltdef read_img(img_7_path,img_8_path): img=cv2.imread(img_7_path) gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) img=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

原创 cv2.distanceTransform()计算一幅图像的确定前景，并观察效果

cv2.distanceTransform()计算一幅图像的确定前景，并观察效果import osimport cv2import numpy as npimport matplotlib.pyplot as pltdef read_img(img_7_path,img_8_path): img=cv2.imread(img_7_path) gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) img=cv2.cvtColor(img,cv2.

原创 python--opencv图像旋转

python–opencv图像旋转cv2.getRatationMatrix2D(center,angle,scale)import osimport cv2import numpy as npimport matplotlib.pyplot as pltdef read_img(img_7_path,img_8_path): img=cv2.imread(img_7_path) h,w=img.shape[:2] M=cv2.getRotationMatrix2D((w

原创 cv2.cvtColor()处理图像类型的转换

cv2.cvtColor()处理图像类型的转换import osimport cv2import numpy as npimport matplotlib.pyplot as pltdef read_img(img_7_path,img_8_path): img=cv2.imread(img_7_path) gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) rgb=cv2.cvtColor(gray,cv2.COLOR_GRAY2BGR)

原创 cv2.matchTemplate()进行模板匹配

cv2.matchTemplate()进行模板匹配import osimport cv2import numpy as npimport matplotlib.pyplot as pltdef read_img(img_7_path,img_8_path): img=cv2.imread(img_7_path,0) template=cv2.imread(img_8_path,0) th,tw=template.shape[::] rv=cv2.matchTempl

原创 python-opencv实现低通滤波

python-opencv实现低通滤波import osimport cv2import numpy as npimport matplotlib.pyplot as pltdef read_img(img_7_path): img=cv2.imread(img_7_path,0) dft=cv2.dft(np.float32(img),flags=cv2.DFT_COMPLEX_OUTPUT) dftshift=np.fft.fftshift(dft) rows,

原创 python-opencv对图像进行傅里叶变换，逆傅里叶变换，并展示图像

python-opencv对图像进行傅里叶变换，逆傅里叶变换，并展示图像import osimport cv2import numpy as npimport matplotlib.pyplot as pltdef read_img(img_7_path): img=cv2.imread(img_7_path,0) dft=cv2.dft(np.float32(img),flags=cv2.DFT_COMPLEX_OUTPUT) dftshift=np.fft.fftshi

原创 python-opencv对图像进行傅里叶变换，并展示其频谱信息

python-opencv对图像进行傅里叶变换，并展示其频谱信息import osimport cv2import numpy as npimport matplotlib.pyplot as pltdef read_img(img_7_path): img=cv2.imread(img_7_path,0) dft=cv2.dft(np.float32(img),flags=cv2.DFT_COMPLEX_OUTPUT) dftshift=np.fft.fftshift(

原创 opencv获取图像的脸部信息，并显示出来

opencv获取图像的脸部信息，并显示出来import cv2import osif __name__ == '__main__': work_path=os.getcwd() a=cv2.imread(os.path.join(work_path,'data','7.jpg'),cv2.IMREAD_UNCHANGED) face=a[40:150,150:300] cv2.imshow('original',a) cv2.imshow('face',face

原创 使用Numpy生成一个三维数组，用来观察三个通道值的变化

使用Numpy生成一个三维数组，用来观察三个通道值的变化import cv2import numpy as npimg=np.zeros((300,300,3),dtype=np.uint8)img[:,0:100,0]=255img[:,100:200,1]=255img[:,200:300,2]=255print('img',img)cv2.imshow('img',img)cv2.waitKey()cv2.destroyAllWindows()...

原创 opencv读取一幅彩色图像，并对其像素进行访问、修改

opencv读取一幅彩色图像，并对其像素进行访问、修改import cv2import numpy as npimport osif __name__ == '__main__': work_path=os.getcwd() img=cv2.imread(os.path.join(work_path,'data','7.jpg')) cv2.imshow("before",img) print("访问img.item(0,0,0)",img.item(0,0,0)

原创 cv2.error: OpenCV(4.2.0) C:\projects\opencv-python\opencv\modules\highgui\src\window.cpp:376: error:

cv2.error: OpenCV(4.2.0) C:\projects\opencv-python\opencv\modules\highgui\src\window.cpp:376: error: (-215:Assertion failed) size.width>0 && size.height>0 in function ‘cv::imshow’路径出现中文

原创 opencv生成一幅彩色图像，让其中的像素值均为随机数

import cv2import numpy as npimg=np.random.randint(0,256,size=[256,256,3],dtype=np.uint8)cv2.imshow('demo',img)cv2.waitKey()cv2.destroyAllWindows()