Duang!用Python来实现唱歌、跳舞、写字、画画？无所不能的python_python虚拟人唱歌

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

如果你在绞尽脑汁地想我为什么把 hash 设置成 binary(10)，原因是，哈希值通常太长，设置少点有得于减少存储。下面是每首歌的音频指纹数图：

最前面的是Justin Timberlake 的"Mirrors" ，音频指纹数超过240K，其次Robin Thicke 的"Blurred Lines" 也有180k。底部是acapella演艺的”Cups”, 是一首乐器很少，仅有人声和和声的歌曲。 做个对比，听听 “Mirrors”。你会发现明显的乐器声组成的“噪音墙”并且填充的频谱数从高到低分类，即频谱丰富与否与峰的频率高低是一致的。这个数据集里每首歌平均超过100k个音频指纹数。

有这么多的指纹，我们需要从哈希值水平上减少不必要的硬盘存储。对于指纹哈希，我们将开始使用SHA-1哈希，然后减少一半大小（只有前20个字符）。这使我们每个哈希值减少了一半的字节数：

下一步，我们将采取十六进制编码，并将其转换为二进制，再次大幅削减空间：

现在好多了。我们把hash字段从320 bits降到了80 bits，减少了75%。

我在系统中第一次尝试时，我把hash字段设置成了char(40)-这导致了单单音频指纹表就占据超过了1GB的空间。设置成binary(10)后，我们把表的大小降低到只需377M就成存储520万个音频指纹。

我们确实丢失了一些信息——从统计学的角度来说我们的哈希值现在碰撞的更频繁。我们降低了哈希相当多的“信息熵”。然而，重要的是要记住，我们的熵（或信息）也包括offset字段，这有4个字节。这使得我们每个音频指纹的总信息熵为：

就说，我们已经节省了自己75%的空间，但仍然有一个巨大无比的指纹空间要处理。要保证每个字段的理想分布是很困难的，但是我们已经有足够的信息熵进行接下来的工作了。

3.使用python基于Tensorflow设计手写数字识别算法，并编程实现GUI界面，构建手写数字识别系统。

本文实现的系统其实是基于卷积神经网络的手写数字识别系统。该系统能快速实现手写数字识别，成功识别率高。缺点：只能正确识别单个数字，图像预处理还不够，没有进行图像分割，读者也可以自行添加，进行完善。

本文采编自：Python(TensorFlow框架)实现手写数字识别系统 - louishao的博客 - CSDN博客

写了一些辅助函数，可以查看部分识别错误的图片，

还可以查看混淆矩阵，

系统中还添加了一点图像预处理的操作，比如灰度化，图像信息的归一化等，更贴近实际应用。 系统可进行快速识别，如下图

4.python 画图–简单开始及折线图

相关参考资料：

matplotlib官方文档：http://matplotlib.org/api/pyplot_summary.html （api的调用及一些示例代码）

一个中文版的文档（不全）：http://old.sebug.net/paper/books/scipydoc/matplotlib_intro.html

matplotlib较详细的剖析：http://www.cnblogs.com/vamei/archive/2013/01/30/2879700.html

三种图的绘制：http://www.cnblogs.com/hustlx/p/5264562.html

多张图的绘制：http://www.2cto.com/kf/201407/317115.html

一、环境准备

linux ubuntu 下需安装下面三个包： Numpy, Scipy,Matplotlib

分别输入下面的代码进行安装：

pip install numpy 
pip install scipy 
sudo apt-get install python-matplotlib 

测试是否安装成功

python 
>>> import pylab 

如果没有报错则安装成功

二、开始画图

1. 画最简单的直线图

代码如下：

import numpy as np 
import matplotlib.pyplot as plt 
x=[0,1] 
y=[0,1] 
plt.figure() 
plt.plot(x,y) 
plt.savefig("easyplot.jpg") 

结果如下：

代码解释：

#x轴，y轴 
x=[0,1] 
y=[0,1] 
#创建绘图对象 
plt.figure() 
#在当前绘图对象进行绘图（两个参数是x,y轴的数据） 
plt.plot(x,y) 
#保存图象 
plt.savefig("easyplot.jpg") 

2. 给图加上标签与标题

上面的图没有相应的X，Y轴标签说明与标题

在上述代码基础上，可以加上这些内容

代码如下：

import numpy as np 
import matplotlib.pyplot as plt 
x=[0,1] 
y=[0,1] 
plt.figure() 
plt.plot(x,y) 
plt.xlabel("time(s)") 
plt.ylabel("value(m)") 
plt.title("A simple plot") 

结果如下：

代码解释：

plt.xlabel("time(s)") #X轴标签plt.ylabel("value(m)") #Y轴标签plt.title("A simple plot") #标题

3. 画sinx曲线

代码如下：

### 最后

不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~  

给大家准备的学习资料包括但不限于：  

Python 环境、pycharm编辑器/永久激活/翻译插件  

python 零基础视频教程  

Python 界面开发实战教程  

Python 爬虫实战教程  

Python 数据分析实战教程  

python 游戏开发实战教程  

Python 电子书100本  

Python 学习路线规划

![](https://img-blog.csdnimg.cn/d29631674929476f9c3b30f7ff58dff0.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70)




**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化学习资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4304bb5a486d4c3ab8389e65ecb71ac0)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

color_FFFFFF,t_70)




**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化学习资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4304bb5a486d4c3ab8389e65ecb71ac0)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**