闭关修炼——暂退

原创 GitHub YOLOv5 开源代码项目系列讲解（五）------链接手机摄像头实现目标检测

本专栏将从安装到实例运用全方位系列讲解GitHub YOLOv5 开源代码。专栏地址：GitHub YOLOv5 开源代码项目系列讲解1 手机下载 “IP摄像头”APP 手机应用商店搜索 “IP摄像头” 进行下载2 打开摄像头服务并查看局域网地址打开 APP --> 点击 “打开IP摄像头服务器”。勾选 “RTSP” 并点击 “分享”。...

原创 GitHub YOLOv5 开源代码项目系列讲解（四）------训练相关参数解释

本专栏将从安装到实例运用全方位系列讲解GitHub YOLOv5 开源代码。专栏地址：GitHub YOLOv5 开源代码项目系列讲解目 录1 总述2 参数详解2.1--weights2.2--cfg2.3--hyp2.4--epochs2.5--batch-size2.6--img-size2.7--rect2.8--resume2.9--nosave2.10--notest2.11--noautoanchor2...

原创 GitHub YOLOv5 开源代码项目系列讲解（三）------预测相关参数解释

2.1--weightsparser.add_argument('--weights', nargs='+', type=str, default='yolov5s.pt', help='model.pt path(s)')2.2--sourceparser.add_argument('--source', type=str, default='data/images', help='source') # file/folder, 0 for webcam2.3--...

原创 GitHub YOLOv5 开源代码项目系列讲解（二）------制作和训练自己的数据集

本专栏将从安装到实例运用全方位系列讲解GitHub YOLOv5 开源代码。专栏地址：GitHub YOLOv5 开源代码项目系列讲解目录1 总述2 数据及标签制作3 训练自己的数据集1 总述在 GitHub 上，可点击此链接进行查看Train Custom Data 细则：https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data按照官网指示，我们可选用下面链接网站进行线上数据标注：https://...

原创 GitHub YOLOv5 开源代码项目系列讲解（一）------源码下载、环境配置及运行

本专栏将从安装到实例运用全方位系列讲解GitHub YOLOv5 开源代码。专栏地址：GitHub YOLOv5 开源代码项目系列讲解1 源码下载及环境配置首先在 GitHub 上找到 Yolov 5 v5.0 版本的开源项目源码下载到本地。YOLOv5 开源代码项目下载地址：https://github.com/ultralytics/yolov5这是我在本地的下载位置及 PyCharm Tree。想要运行该项目需要配有正确的环境。安装环境方面的问题可参..

原创 Python开发系统实战项目：人脸识别门禁监控系统

前段时间来到中关村重庆基地实训，老师要求每人提交一张本人白底免冠照片用于录入门禁监控系统，我当时想：好高级哇，一张照片就可以耶；神经网络训练模型还得好多张图片不断轮次迭代才能产生好的效果呢。当时的我非常好奇，心生崇拜之意，一直梦想着自己也能开发出这样一个系统，然而，不久之后的现在，成功了！回头再看门口那个门禁监控系统：呵~不过如此！...

原创 解决OpenCV滑动条变换轨迹而图像变化后不能归位的问题

今天使用 OpenCV 进行车道线检测时，为了快速找到合适的 Canny 算子高、低阈值以及 Sobel 算子threshold 阈值，决定采用OpenCV 中的createTrackbar 和 getTrackbarPos 方法。结果一个问题的出现使我措手不及：调整阈值画车道线只能在前一时刻图像基础上变化，也就是只能使得识别出的车道线变多，不能变少，更不能恢复到没有识别出车道线的那张图像。就像这样，变多的时候好好的，回不去了！！？：下面说一下解决办法：这是最开始写的关键代码 ：...

原创 「深度学习一遍过」必修1：Windows10 下 Pytorch 的安装与环境配置

查看已有的conda环境创建新conda环境conda create -n taidi python==3.7完成cuda 10.1https://developer.nvidia.com/cuda-10.1-download-archive-basecudnnhttps://developer.nvidia.com/rdp/cudnn-archive等待初始化安装完成...

原创 论plt.scatter()画散点图未设置“颜色参数c”却能画出五颜六色点的原因

目 录1 问题描述2 原因剖析3 实例回顾3.1 调用一次plt.scatter() 方法产生一个点3.2调用三次plt.scatter() 方法产生三个点3.3调用多次plt.scatter() 方法产生多个点1 问题描述今天重点学习了 matplotlib 库的理论与用法，在进行到使用 matplotlib 库中plt.scatter() 方法画散点图的内容学习时，遇到了一个问题：绘制散点时未设置“颜色参数c”...

转载 Matplotlib中中文不显示问题

原文出处及链接：https://www.cnblogs.com/kuxingseng95/p/10021788.html我们在使用jupter进行数据分析的时候，会接触到Matplotlib这个库，它是用来进行可视化数据分析的，在一个图中，我们常常会加入一些中文来进行说明。当我们加入中文的时候会出现下图所示的样子：可以看到，中文变成了这种乱码的形式。网上有很多的例子，有很多是错误的，这里我把我测试成功的方法说明一下。我使用的电脑系统是Window10，后面的方法也是针对它的，其他的系统应.

原创 pandas数据排序sort_values后面inplace=True与inplace=False的实例驱动理解

目录1 引子2inplace参数理论理解3 inplace参数实例驱动理解3.1inplace = True3.2inplace = False1 引子Series 的排序：Series.sort_values(ascending=True, inplace=False)参数说明：ascending：默认为True升序排序，为False降序排序 inplace：是否修改原始SeriesDataFrame 的排序：Dat...

原创 index=False与index=True的含义

在 Excel 中 index 函数是用来引用我们所需的信息.index = False：输出不显示 index (索引)值index = True：输出不显示 index (索引)值一、index = False二、index = True一、index = False代码示例运行结果二、index = True代码示例运行结果...

原创 Python：PIL图像处理库绘制国际象棋棋盘

网页上搜索 “python绘制国际象棋棋盘”，索引结果均为调用 turtle 库绘制棋盘结果；为了填充使用 python PIL 图像处理库绘制国际象棋棋盘的空白，今日分享此文。目录1 PIL绘制国际象棋棋盘流程 1.1 思路秒懂 1.2 分块解析2 完整代码3 结果展示1 PIL绘制国际象棋棋盘流程1.1 思路秒懂步骤1：创建空白图片和绘画对象步骤2：绘制网格步骤3：填充颜色1.2 分块解析步骤1：创建空白图片和绘画对象...

原创 《软件设计与体系结构》期末考试过线笔记

原创 【大数据实战】招聘网站职位分析

通过采集招聘网站大数据职位信息、利用数据清洗、数据分析、jieba分词、数据挖掘完成整体项目的开发工作。任务包含爬取招聘网站大数据职位信息、使用BeautifulSoup清洗职位信息网页、使用PySpark对智联数据进行分析、对招聘职位信息进行探索分析、使用结巴分词对岗位描述进行分词并将关键词统计、利用Echarts将职位分析结果进行可视化、建立职位模型对应聘人员进行相似度的计算。目录1 爬取招聘网站大数据职位信息1.1 知识前述1.2 代码详解1.3 完整代码2 对招聘职位信息进行探索分析2.1 知.

原创 《你好，李焕英》爆红，Python爬虫+数据分析告你票房为什么这么高？

春节档贺岁片《你好，李焕英》，于2月23日最新数据出来后，票房已经突破42亿，并且赶超其他贺岁片，成为2021的一匹黑马。从小品演员再到导演，贾玲处女作《你好李焕英》，为何能这么火？接下来荣仔带你运用Python借助电影网站从各个角度剖析这部电影喜得高票房的原因。目录1 影评爬取并词云分析1.1 网站选取1.2 爬取思路1.3 代码总观2 实时票房搜集2.1 网站选择2.2 代码编写2.3 结果展示3 剧组照片爬取3.1 网站选择3.2 代码编...

转载 python使用openpyxl操作excel

目录1Excel表格1.1 表格述语1.2 表格示例2python打开及读取表格内容2.1打开Excel表格并获取表格名称2.2通过sheet名称获取表格2.3获取表格的尺寸大小(几行几列数据)2.4获取表格内某个格子的数据2.4.1sheet["A1"]方式2.4.2sheet.cell(row=, column=)方式2.5获取某个格子的行数、列数、坐标2.6获取一系列格子2.6.1sheet[]方式2.6.2.iter_ro...

原创 python实现股票历史数据可视化分析

投资有风险，选择需谨慎。股票交易数据分析可直观股市走向，对于如何把握股票行情，快速解读股票交易数据有不可替代的作用！目录1 数据预处理1.1 股票历史数据csv文件读取1.2 关键数据——在csv文件中选择性提取“列”1.3 数据类型转换1.4 数据按列提取并累加性存入列表2 pyecharts实现数据可视化2.1 导入库2.2 初始化画布2.3 根据需要传入关键性数据并画图2.4 将生成的文件形成HTML代码并下载2.5 完整代码展示3 结果展示..

原创 Python与HTML倾情打造情人节示爱网站：愿天下有情人终成眷属！

陪伴是最长情的告白世人醉，醉生梦死一世情；世人痴，痴心不悔三生爱。在2021年2月14日到来之际，Python与HTML携手，运用独家浪漫方法为您倾情打造情人节示爱网站；在这里，有各种功能、各种方法，为你和Ta留下最珍贵的回忆，并记录你们的爱情......目录1 故事开篇2 计划实施2.1 Python2.1.1 环境介绍2.1.2 tornado实施步骤2.1.3 Python完整代码文件交付2.2 HTML2.2.1 HTML的一个小惊喜2.2.2...

原创 Keras框架速查手册（Python For Data Science Cheat Sheet Keras）

1 Keras1.1 一个基本示例import numpy as npfrom keras.models import Sequentialfrom keras.layers import Dense# 1.加载数据集data = np.random.random((1000, 100)) # 创建样本 labels = np.random.randint(2, size=(1000, 1)) # 创建只有0，1两类的标签# 2.构建模型model = Sequentia

原创 MOOC TensorFlow入门实操课程代码回顾总结（三）

10 文本生成——循环神经网络设计10.1 导入库import tensorflow as tffrom tensorflow.keras.preprocessing.sequence import pad_sequencesfrom tensorflow.keras.layers import Embedding, LSTM, Dense, Bidirectionalfrom tensorflow.keras.preprocessing.text import Tokenizerfrom t

原创 MOOC TensorFlow入门实操课程代码回顾总结（二）

5 图像分类基础应用——猫狗分类案例5.1 导入库import osimport zipfileimport randomimport tensorflow as tffrom tensorflow.keras.optimizers import RMSpropfrom tensorflow.keras.preprocessing.image import ImageDataGeneratorfrom shutil import copyfile5.2 下载数据集# If the UR

原创 MOOC TensorFlow入门实操课程代码回顾总结（一）

%config IPCompleter.greedy=True # TAB键代码自动提示1 TensotFlow深度学习的第一门课程1.1 查看tensorflow版本import tensorflow as tfprint(tf.__version__)

原创 python人脸识别

目录1 读取图片2 将图片灰度转换3 修改图片尺寸4 绘制矩形_圆5 人脸检测6 检测多张人脸7 检测视频中的人脸8 训练数据并人脸识别8.1 训练数据8.2 人脸识别1 读取图片# 导入模块import cv2 as cv# 读取图片img=cv.imread('E:/girl.jpg') # 路径中不能有中文，否则加载图片失败# 将图片缩小至原来的1/2height, width = img.shape[:2]reSize = cv.resize(img, (int(width/3),

原创 Python打造一个互动交友聊天室，免费在线聊天

男女撩人的套路情话一问一答，各种套路满满的句子对话。接下来跟随我一起学习如何用 python 语言实现轻松撩人。目录1 项目准备1.1 了解你的本地主机地址1.2 辅助工具——网络调试助手1.3 环境配置2 编写代码2.1 编写UDP程序发送socket数据2.2编写UDP程序接收socket数据2.3 聊天器1 项目准备1.1 了解你的本地主机地址输入，在终端输入，即可看到你的本地主机地址。1.2 辅助工具——网络调试助手...

原创 数据结构实验C语言实现版

目录数据结构实验——顺序表的基本操作数据结构实验——单链表的基本操作数据结构实验——顺序栈的建立及基本操作实现数据结构实验——链队列的建立及基本操作实现数据结构实验——赫夫曼树构造及赫夫曼编码的实现数据结构实验——迪杰斯特拉算法求最短路径数据结构实验——顺序表的基本操作/*-----顺序表的基本操作-----*/#include<stdio.h>#include<stdlib.h>#define maxsize 1024typedef cha

原创 基于Fisher准则线性分类器设计

已知有两类数据和 二者的概率已知 ， 。 中数据点的坐标对应一一如下： =[0.2331 1.5207 0.6499 0.7757 1.0524 1.1974 0.2908 0.2518 0.6682 0.5622 0.9023 0.1333 -0.5431 0.9407 -0.2126 0.0507 -0.0810 0.7315 0.3345 1.0650 -0.0247 0.1043 0.3122 0.6655 0.5838 1.1...

原创 模式识别工具箱安装及使用

掌握安装模式识别工具箱的技巧，能熟练使用工具箱中的各项功能；熟练使用最小错误率贝叶斯决策器对样本分类；熟练使用感知准则对样本分类；熟练使用最小平方误差准则对样本分类；了解近邻法的分类过程，了解参数 K 值对分类性能的影响；了解不同的特征提取方法对分类性能的影响。目录1 安装模式识别工具箱2用最小错误率贝叶斯决策器对呈正态分布的两类样本分类。3 用感知准则对两类可分样本进行分类。4 用最小平方误差准则对两类样本进行分类。5 用近邻法对双螺旋样本进行分类。6 特征提取方法对分类..

原创 《人工神经网络》期末复习文档汇总

人工神经网络定义：由许多简单的并行工作的处理单元组成的系统，功能取决于网络的结构、连接强度及个单元处理方式。人工神经网络基本功能：联想记忆功能、非线性映射功能、分类与识别功能、优化计算功能、知识处理功能。人工神经网络结构特点：并行处理、分布式存储、可联性、可塑性。人工神经网络性能特点：非线性、容错性、非精准性。人工神经网络低潮：求解非线性需要隐层。人工神经网络复兴：网络。决定人工神经元三要素：节点本身信息处理能力（数学模型）、节点与节点之间连接（拓扑结构）、相互连接强度（通过学习来.

原创 计算机网络实验之配置动态路由RIP换机VLAN的划分

目录1 实验名称2 实验目的3 实验步骤4 实验结果1 实验名称 配置动态路由 RIP 换机 VLAN 的划分2 实验目的① 观察简单数据包（ICMP）的转发过程以及 RIP 分组的转发过程②学会查看路由表、RIP路由表③学会开启和关闭RIP诊断3 实验步骤1、将路由器和PC拖到工作区，并选择自动连接类型按照拓扑结构连接各设备。2、根据每个网络的网络地址，设置各路由器的端口IP地址以及各主机的IP地址。 注：设置主机IP地址时还...

原创 《模式识别》期末考试考题汇总带答案

目录一、名词解释二、填空题三、简答题四、计算题一、名词解释样本（sample）：所研究对象的一个个体。 样本集（sample set）：若干样本的集合。 类或类别（class）：在所有样本上定义的一个子集，处于同一类的样本在我们所关心的某种性质上是不可区分的，即具有相同的模式。 特征（features）：指用于表征样本的观测。 已知样本（known samples）：指事先知道类别标号的样本。 未知样本（unknown samples）：指类别标号未知但特征已..

原创 《Python爬虫大数据采集与挖掘》期末考试考题汇总带答案

一、填空题 1、爬虫技术的应用可以分为两大类：采集型爬虫、监测型爬虫。 2、根据 Web 页面组成结构中的信息内容的生成方式不同，可以将 Web 页面分为静态页面、动态页面、以及伪静态页面三大类。 3、Robots 协议为了给 Web 网站提供灵活的控制方式来决定页面是否能够被爬虫采集。 4、在浏览器中打开网站后，在网站首页的地址后面添加“/robots.txt”，如果网站设置了访问许可，按回车就可以看到网站的 robots 协议，即 robots.txt 文件内容。 5、Web 信..

原创 Python Web前端实战案例——电商网站商品菜单导航栏

jQuery是一个快速、小巧、轻量级的、写的少、做的多、功能丰富的 JavaScript 库，是目前最流行的 JS 框架。利用它可以帮我们快速实现一些炫酷的效果。目录1 原理先知2 思路概要3 详细步骤3.1 下载资源3.2 项目创建架构3.3 style.css 编写3.3.1 分步详解3.3.2 总观代码3.4 menubar.html 编写3.4.1 分步详解3.4.2 总观代码4 成品效果展示5 总结1 原理先知商品菜单导航栏是每个电商网站首页呈现菜单的必备的部分，因为复杂的网页，功能性较.

原创 Python数据分析Matplotlib

1 文本说明1.1 使用matplotlib.pyplot中的title()函数设置图像标题。1.2 使用matplotlib.pyplot中的annotate()函数标注文字。1.3 使用matplotlib.pyplot中的text()函数设置文字说明。1.4 使用matplotlib.pyplot中的legend()函数和plot中的label参数一起作用添加图例。1.5 使用matplotlib.pyplot中的axis()函数指定坐标范围。1.6 使用matplotlib.

原创 OpenCV实现人脸检测和68点定位

人脸对比是现在比较常用的功能，比如出租车司机人脸与司机驾照照片对比，门禁系统中进入者的人脸与人脸库中的人脸进行对比。要实现人脸对比，首先要实现的是人脸检测，在摄像头拍摄到的一张图片中，正确的检测到人脸的位置，并且将人脸提取出来。1 原理先知1.1 68点标定和OpenCV绘点考虑到免费开源，OpenCV 就可以很好的实现这个功能。这里使用OpenCV提供好的人脸分类模型xml：haarcascade_frontalface_alt_tree.xml。同时利用Dlib官方给的人脸识别预测器.

原创 TensorFlow2.0实战项目之车道偏离预警

1、项目介绍——什么是车道偏离预警？在法国图卢兹曾经举行过一场智能车比赛，参赛者需要编写程序让自制的小车巡线跑圈。通常我们会想到识别车道线，然后用逻辑控制小车保持在线上，这种方法在一般速度时可行，但当车辆加速后，如果仅在应该大弯处转弯，则会因为车速过快而偏离车道。能否用提前转弯的方式保证车辆不 “出轨” 呢？答案是肯定的，那么如何控制小车转弯的时机呢？ ———— 机器学习！2、项目实施框架 在这个项目中，我们需要经过三个阶段，分别是 视频处理、数据处理和模型训练。我们将收集小车...

原创 TensorFlow实现梯度下降

目录一、梯度下降概念二、要点三、梯度下降法求解线性回归步骤四、使用Numpy实现一元线性回归五、使用TensorFlow实现一元线性回归六、总结一、梯度下降概念梯度下降法是一个一阶最优化算法，通常也称为最速下降法。要使用梯度下降法找到一个函数的局部极小值，必须响函数上当前对于梯度（或者近似梯度）的反方向的规定步长居里点进行迭代搜索。所以梯度下降法可以帮助我们求解某个函数的极小值或者最小值。对于n为问题就是最优解，梯度下降法是最常用的方法之一。二、要点借助 Tensor

原创 基于OpenCV和Python的车牌提取和字符分割

这是一篇介绍基于 OpenCV 和 Python 实现车牌提取项目思路和源码的文章，本文涉及一些人工智能和图像识别技术，具体而言，涉及到关于车牌号码识别的研究（车牌提取和字符分割），网上查找到的方案有 tensorflow 和opencv，opencv 也是比较成熟的方案，先从简单的开始，以下是关于使用opencv实现车牌号码提取的部分。1 车牌提取1.1 实现思路读取彩色的图片转换为灰度图高斯模糊Sobel算子进行边缘检测图像二值化闭操作（腐蚀和扩张）循环找到所有的轮廓判断车牌区.

原创 误差反传算法（BP算法）推导

反向传播（Error Back Proragation，BP）算法应用对象：具有非线性连续变换函数的多层感知器（多层前馈网络）。BP 算法的基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播时，输入样本从输入层传入，经各隐层逐层处理后，传向输出层。若输出层的实际输出与期望的输出（教师信号）不符，则传入误差的反向传播阶段。误差反传是将输出误差以某种形式通过隐层向输出层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号，此误差信号即作为修正各单元权值的依据。这种信号正

原创 以贝叶斯决策为核心的统计决策基本思想和原理

本文主要讲述作为监督模式识别理论基础的贝叶斯决策理论及典型决策方法，包括在正态分布下的决策函数形式，并通过实例介绍了离散情况下用马尔科夫模型进行统计决策的方法。1 硬币引例引出相关概念分类可以看作是一种决策，即我们根据观测对样本做出应归属哪一类的决策。本文先从硬币分类实例入手，介绍统计决策方法的相关概念。1.1 先验概率假定我手里握着握着一枚硬币，让你猜是多少钱的硬币，这其实就看以看作是一个分类决策问题：你需要从各种可能的硬币中做出一个决策。如果我只告诉你这枚硬币只可能是一角或者五角.