Python学习
文章平均质量分 74
MachineLP
成功收获成果,失败收获智慧,投入收获快乐!
展开
-
[python] python 虚拟环境构建 & GPU环境
GPU/python环境配置与验证。(1)GPU加速型实例安装NVIDIA GPU驱动及CUDA工具包:https://support.huaweicloud.com/usermanual-ecs/zh-cn_topic_0149470468.html#ZH-CN_TOPIC_0149470468__section1034245773916(2)华为云linux服务器部署TensorFlow-gpu全攻略:https://www.cnblogs.com/zxyza/p/10535939.htm...原创 2020-06-24 12:55:05 · 880 阅读 · 0 评论 -
机器学习-14:MachineLN之kNN源码
你要的答案或许都在这里:小鹏的博客目录我想说:其实你坚持的东西都是有意义的,就好比给代码加注释,你真去做了就知道了;另外建议大家建立一个自己的工具箱,就像我建立一个MachineLP_tools,里面放可以复用的代码,然后支持大家开源,你手上现有的代码可能很快就会过时,希望能够在有效期内发挥最大的功效;最后建议自己搭建一个自己的机器学习训练框架,用着顺手、用着舒服、用着放心,比起相原创 2018-01-18 21:53:31 · 990 阅读 · 0 评论 -
文件中字的统计及创建字典
在NLP中,很多都要对字或者单词进行预处理,或者是要创建词典;例如:tf1: nn实现评论分类例如:15. tf13: 简单聊天机器人上面两篇都是对单词的操作,下面提供一份python3下对汉字的操作;代码中有注释:import sysfr = open('xyj.txt', 'r', encoding='UTF-8')characters = []stat原创 2017-12-27 17:00:08 · 937 阅读 · 0 评论 -
人脸检测——矫正人脸生成标签
直接代码:import globimport randomsize_list = (12, 24, 48)for size in size_list: lines = [] for i in range(45): dir_path = 'data_prepare/cal_positive_' + str(i+1) + '_' + str(size)原创 2017-07-08 21:24:07 · 1393 阅读 · 0 评论 -
人脸检测——准备非人脸
简单粗暴,不多说,直接代码吧:import osimport randomfrom PIL import Imagefrom PIL import ImageFileImageFile.LOAD_TRUNCATED_IMAGES = Trueimport cv2import numpy as npdef random_crop(imagepath): # ima原创 2017-07-07 15:15:14 · 1176 阅读 · 0 评论 -
人脸检测——生成矫正人脸——cascade cnn的思想, 但是mtcnn的效果貌似更赞
简单粗暴,不多说,直接代码吧:(这个代码实在上篇博客的基础上:人脸检测——AFLW准备人脸)先要生成AFLW_ann.txt。import osfrom PIL import Imagefrom PIL import ImageFileImageFile.LOAD_TRUNCATED_IMAGES = Trueimport cv2import numpy as npdef原创 2017-07-07 14:40:26 · 5071 阅读 · 0 评论 -
人脸检测——AFLW准备人脸
不多说了,直接代码吧:生成AFLW_ann.txt的代码,其中包含图像名称 和 图像中人脸的位置(x,y,w,h);** AFLW中含有aflw.aqlite文件。import sqlite3list_annotation = list()# Format for saving: path x y w hann_format = "{}/{} {} {} {} {}"原创 2017-07-07 14:18:09 · 5870 阅读 · 3 评论 -
根据已给字符数据,训练逻辑回归、随机森林、SVM,生成ROC和箱线图
代码下载:here。已知训练数据如下:预处理代码如下:# -*- coding: utf-8 -*-"""Created on 2017 11.17@author: liupeng"""import pandas as pd import numpy as np from sklearn.preprocessing import LabelEncoder原创 2017-12-18 18:04:16 · 3736 阅读 · 0 评论 -
python多线程,获取多线程的返回值
代码如下:# coding=utf-8import threadingfrom time import ctime, sleep# 多线程如何返回值class MyThread(threading.Thread): def __init__(self,func,args=()): super(MyThread,self).__init__()原创 2017-12-18 17:40:07 · 7806 阅读 · 0 评论 -
flask的web开发,用于机器学习(主要还是DL)模型的简单演示。
实现的功能很简单:(1)选择图片上传;(2)返回DL模型的识别结果。代码如下:其中format_string给你模型的输出结果就OK,感兴趣的可以玩一下这个四分类:http://218.107.211.134:11001/# coding=utf-8import osimport sys# reload(sys)#sys.setdefaultencoding("utf-8")i原创 2017-12-16 10:04:27 · 3008 阅读 · 2 评论 -
python下如何安装.whl包?
下载.whl包先pip install wheel之后pip install 包名字.whl 即可安装某模块包到哪找.whl文件?http://www.lfd.uci.edu/~gohlke/pythonlibs/原创 2016-07-03 22:24:14 · 14681 阅读 · 0 评论 -
仿射变换,透视变换:二维坐标到二维坐标之间的线性变换,可用于landmark人脸矫正。
仿射变换:仿射变换是一种二维坐标到二维坐标之间的线性变换,并保持二维图形的“平直性”。转换前平行的线,在转换后依然平行。如下图:import cv2import numpy as npfrom matplotlib import pyplot as plt img = cv2.imread('lena.jpg', 1)rows,cols,channel = img.s原创 2017-11-30 17:48:12 · 5084 阅读 · 0 评论 -
opencv实现抠图(单一背景),替换背景图
下面简单图片演示一下:提取mask:===>替换背景:+=python的opencv代码如下:# coding=utf-8import cv2import numpy as npimg=cv2.imread('lp.jpg')img_back=cv2.imread('back.jpg')#日常缩放rows,cols,channels = i原创 2017-12-21 14:50:28 · 18212 阅读 · 3 评论 -
ubuntu下make编译生成动态库,然后python调用cpp。
还是以OpenTLD为例,编写的Makefile和python调用cpp。代码直接下载:Here。Makefile文件如下:CC=g++AR=ar rcOBJ_DIR=libOUTPUT_DIR=outputINCLUDE_FLAGS=-I./include -I./opencv_includeCPP_FLAGS=-std=c++11 -pthread -fPIC原创 2017-11-30 13:25:03 · 956 阅读 · 0 评论 -
机器学习-16:MachineLN之感知机源码
你要的答案或许都在这里:小鹏的博客目录我想说:其实很多东西还是要靠自己,靠自己去完成最大的一点就是远离舒适区,试想一下自己每时每刻都要为下一顿能不能吃上饭而奋斗,是一种什么样的体验,估计你连想都不敢想;最近又听到说下岗的问题,有一个人说他除了收钱什么都不会,有时候也要多培养点自己的能力,做好一项,其他的也了解(当然也不了太多),多给自己备好能力,远离舒适区,但无论在哪里都有这么原创 2018-01-23 09:23:52 · 873 阅读 · 0 评论 -
机器学习-15:MachineLN之感知机
你要的答案或许都在这里:小鹏的博客目录我想说:其实感知机虽然原理简单,但是不得不说他的意义重大,为什们呢? 他是SVM的前身,后面的SVM是由此进化来的,其实两个结合起来学习会更好的,但是内容太多,SVM三境界,我可能还是停留在“昨夜西风调碧树,独上高楼,望尽天涯路”, 期待突破后面的两重天:“衣带渐宽终不悔,为伊消得人憔碎”, “众里寻他千百度,蓦然回首,那人却在,灯原创 2018-01-23 09:15:08 · 990 阅读 · 2 评论 -
数据分析实战清单
原创 2019-05-15 09:50:46 · 563 阅读 · 0 评论 -
Python数据可视化的10种技能
如果你想要用 Python 进行数据分析,就需要在项目初期开始进行探索性的数据分析,这样方便你对数据有一定的了解。其中最直观的就是采用数据可视化技术,这样,数据不仅一目了然,而且更容易被解读。同样在数据分析得到结果之后,我们还需要用到可视化技术,把最终的结果呈现出来。可视化视图都有哪些?按照数据之间的关系,我们可以把可视化视图划分为 4 类,它们分别是比较、联系、构成和分布。我来简单介绍下...原创 2019-01-17 09:23:18 · 1580 阅读 · 0 评论 -
pycuda 之 安装与简单使用
pycuda安装: (1)查看CUDA版本:cat /usr/local/cuda/version.txt (目前实验CUDA版本为:CUDA Version 9.0.176) (2)查看cudnn版本:cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 (目前实验cudnn版本:7.0) ...原创 2018-12-29 14:53:17 · 32790 阅读 · 5 评论 -
data_structure_and_algorithm -- 跳表:python & java & c-cpp 实现
当开始深入的研究数据结构和算法你会爱上它。下面是python实现代码,后面要记得加注释啊啊啊from typing import Optionalimport randomclass ListNode: def __init__(self, data: Optional[int] = None): self._data = data sel...原创 2018-11-20 22:33:19 · 237 阅读 · 0 评论 -
OCR -- 训练数据扩增的方法
结交了一些大神级的人物, 每次交流都有很多收获,感谢一路相伴,感谢带我一起成长。(1)透视变换(2)gauss_blur(3)norm_blur(4)模糊图像,模拟小图片放大的效果(5)颜色翻转、滤波等等具体代码实现如下:(1)透视变换 (具体原理可查看:仿射变换,透视变换:二维坐标到二维坐标之间的线性变换,可用于landmark人脸矫正)#!/usr/env/b...原创 2018-10-27 22:41:50 · 2927 阅读 · 2 评论 -
OCR -- seamlessClone泊松融合
opencv:https://www.learnopencv.com/seamless-cloning-using-opencv-python-cpp/OCR工程git:https://github.com/MachineLP/OCR_repo看到这个题目是不是很突兀啊,OCR和泊松融合又有啥关系呢?是这样的,因为在训练的时候需要生成训练字体,有时候需要融合不同的背景。看一下效果...原创 2018-10-21 15:13:55 · 1114 阅读 · 0 评论 -
OCR -- 生成与背景有差异字体颜色
训练OCR模型,生成字体是必不可少的一步,有时候字体颜色和背景颜色一样、或者很相近肉眼都看不出来,这样会使得训练出现问题。下面是生成文字与背景有差异的样本代码:看一下效果: def get_word_size(font, word): """ Get word size removed offset :par...原创 2018-10-22 22:39:17 · 1302 阅读 · 0 评论 -
Flask01:SQLAlchemy
界面显示:app.pyfrom flask import Flask, request, flash, url_for, redirect, render_templatefrom flask_sqlalchemy import SQLAlchemyapp = Flask(__name__)app.config['SQLALCHEMY_DATABASE_URI'] = 'sqlite://...原创 2018-06-17 20:26:05 · 389 阅读 · 0 评论 -
基于SIFT特征的图像检索 vs CNN
在深度学习这么火热的今天,为什么还会尝试SIFT特征进行图像检索?其实问题是这样的,学习的过程有时候是依据前人的经验,这样可以使我们少走弯路,但是我们我持有怀疑的态度,很多事情只有自己去尝试了,才能说服自己不是吗?下面简单的对比一下sift和cnn的检索结果:(基于此改进的版本好多)检索库:sift检索结果: cnn检索结果:原图: 检索图:原图: 检索图:原图: 检索图:原图: 检索图:下...原创 2018-06-12 08:43:10 · 9642 阅读 · 5 评论 -
使用openCV提取sift;surf;hog特征
cv2.SIFT()cv2.SURF()cv2.HOGDescriptor()使用cv2.SIFT的一个样例:(cv2.SURF使用与之类似)#coding=utf-8 import cv2 import scipy as sp img1 = cv2.imread('x1.jpg',0) # queryImage img2 = cv2.imread('x2.jpg',0) #...原创 2018-03-05 13:02:45 · 1280 阅读 · 0 评论 -
Pandas处理csv表格
你要的答案或许都在这里:小鹏的博客目录可以结合这篇使用:数据处理利器Pandas使用手册1)读取csv文件data =pandas.read_csv(‘test.csv’) //返回的是DataFrame变量first_rows = data.head(n) //返回前n条数据,默认返回5条cols = data.columns //返回全部列名dimensison =原创 2017-02-08 10:23:27 · 29259 阅读 · 0 评论 -
机器学习-6:DeepLN之CNN源码
你要的答案或许都在这里:小鹏的博客目录我想说:可能一直关注我更新文章的童鞋,可能看出我的布局,基本是先搭一个框架然后挖坑去填,这可能是我做事情一个优点,当接触到新事物总是能快速建立一个框架,然后去慢慢填,可能刚开始建立的框架是错的,但是没关系,后面随着认知的加深慢慢去改,这可能与我数学比较好有点关系(又开始了...对你无语!!!),跟着清华宁向东老师学习管理学半年,感觉在宁老师原创 2018-01-09 10:51:50 · 3956 阅读 · 3 评论 -
工业器件检测和识别
有问题欢迎微信交流:lp9628工业器件标定与识别(如下图所示): ---->---->代码实现:主要流程:直方图均衡化,去除噪声,二值化,查找轮廓,选出需要轮廓。# -*- coding: utf-8 -*-'''load_img_path: 一级目录,生成图像的路径。load_database_path:二级目录, 生成图像的路径。plot: 实现图像中抠图,原创 2017-10-26 21:51:39 · 3708 阅读 · 0 评论 -
How to pass an array from C++ to an embedded python
细节问题可以查看: ubuntu下C++如何调用python程序,gdb调试C++代码 下面是C++调用Python二维数组传递的问题: #define NPY_NO_DEPRECATED_API NPY_1_7_API_VERSION#include "Python.h"#include "numpy/arrayobject.h"#include&l...原创 2017-09-08 10:13:52 · 1130 阅读 · 0 评论 -
使用python实现HMM
一直想用隐马可夫模型做图像识别,但是python的scikit-learn组件包的hmm module已经不再支持了,需要安装hmmlearn的组件,不过hmmlearn的多项式hmm每次出来的结果都不一样,= =||,难道是我用错了??后来又只能去参考网上C语言的组件,模仿着把向前向后算法“复制”到python里了,废了好大功夫,总算结果一样了o(╯□╰)o。。把代码贴出来把,省的自己不转载 2015-12-27 16:50:36 · 8624 阅读 · 1 评论 -
Python基础学习笔记之二
六、包与模块 1、模块module Python中每一个.py脚本定义一个模块,所以我们可以在一个.py脚本中定义一个实现某种功能的函数或者脚本,这样其他的.py脚本就可以条用这个模块了。## package and module #### ## a .py file define a module which can be used in other script ## as a sc原创 2015-09-11 14:51:28 · 665 阅读 · 0 评论 -
Python基础学习笔记之一
一、变量、运算和表达式 首先看一下这个表格: 需要注意的是:5/2=2; 5.0/2=2.5;################################### ### compute ####### # raw_input() get input from keyboard to string type # So we should transfer to int typ原创 2015-09-10 20:29:34 · 766 阅读 · 0 评论 -
机器学习算法与Python实践之(八)朴素贝叶斯
模型概述朴素贝叶斯方法,是指朴素:特征条件独立贝叶斯:基于贝叶斯定理根据贝叶斯定理,对一个分类问题,给定样本特征x,样本属于类别y的概率是 p(y|x)=p(x|y)p(y)p(x) 。。。。。。(1) 在这里,x是一个特征向量,将设x维度为M。因为朴素的假设,即特征条件独立,根据全概率公式展开,公式(1)可以表达为 p(y=c k |x)=∏ M i=1原创 2015-08-29 10:48:55 · 2220 阅读 · 0 评论 -
机器学习算法与Python实践之(五)k均值聚类(k-means)
机器学习算法与Python实践之(五)k均值聚类(k-means) 机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python,然后也想对一些机器学习算法加深下了解,所以就想通过Python来实现几个比较常用的机器学习算法。恰好遇见这本同样定位的书籍,所以就参考这本书的过程来学习了。 机器学习中有两类的大问题,一转载 2015-08-29 10:35:13 · 1099 阅读 · 0 评论 -
机器学习算法与Python实践之(七)逻辑回归(Logistic Regression)
机器学习算法与Python实践之(七)逻辑回归(Logistic Regression)[email protected]://blog.csdn.net/zouxy09 机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python,然后也想对一些机器学习算法加深下了解,所以就想通过Python来实现几个比较常用的机器学转载 2015-08-29 10:38:42 · 970 阅读 · 0 评论 -
机器学习算法与Python实践之(四)支持向量机(SVM)实现
机器学习算法与Python实践之(四)支持向量机(SVM)实现[email protected]://blog.csdn.net/zouxy09 机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python,然后也想对一些机器学习算法加深下了解,所以就想通过Python来实现几个比较常用的机器学习算法。恰好遇见这本同样定转载 2015-08-29 10:32:05 · 1189 阅读 · 0 评论 -
机器学习算法与Python实践之(二)支持向量机(SVM)初级
机器学习算法与Python实践之(二)支持向量机(SVM)初级 机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python,然后也想对一些机器学习算法加深下了解,所以就想通过Python来实现几个比较常用的机器学习算法。恰好遇见这本同样定位的书籍,所以就参考这本书的过程来学习了。 在这一节我们主要是对支持转载 2015-08-29 10:28:30 · 770 阅读 · 0 评论 -
机器学习算法与Python实践之(六)二分k均值聚类
机器学习算法与Python实践之(六)二分k均值聚类 机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python,然后也想对一些机器学习算法加深下了解,所以就想通过Python来实现几个比较常用的机器学习算法。恰好遇见这本同样定位的书籍,所以就参考这本书的过程来学习了。 在上一个博文中,我们聊到了k-means算转载 2015-08-29 10:36:41 · 1049 阅读 · 0 评论 -
机器学习算法与Python实践之(三)支持向量机(SVM)进阶
机器学习算法与Python实践之(三)支持向量机(SVM)进阶 机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python,然后也想对一些机器学习算法加深下了解,所以就想通过Python来实现几个比较常用的机器学习算法。恰好遇见这本同样定位的书籍,所以就参考这本书的过程来学习了。 在这一节我们主要是对支持向量机进转载 2015-08-29 10:29:59 · 948 阅读 · 0 评论