推荐！github上四个与100有关的优质项目

最新推荐文章于 2024-07-29 10:02:27 发布

flyfor2013

最新推荐文章于 2024-07-29 10:02:27 发布

阅读量250

点赞数

本文链接：https://blog.csdn.net/flyfor2013/article/details/101524418

版权

点击上方“AI算法与图像处理”，选择加"星标"或“置顶”

重磅干货，第一时间送达 640?wx_fmt=jpeg

今天要分享四个非常优质的开源项目，一定能够有效的提升你的coding能力

（1）Python - 100天从新手到大师

（2）100天学算法（python）

（3）图像处理 100 问（python、C++）

（4）100天学完机器学习

项目：Python - 100天从新手到大师

链接：https://github.com/jackfrued/Python-100-Days

star：4.2万

内容：

Python是一个“优雅”、“明确”、“简单”的编程语言。

学习曲线低，非专业人士也能上手
开源系统，拥有强大的生态圈

解释型语言，完美的平台可移植性

支持面向对象和函数式编程

能够通过调用C/C++代码扩展功能

代码规范程度高，可读性强

目前几个比较流行的领域，Python都有用武之地。

云基础设施 - Python / Java / Go

DevOps - Python / Shell / Ruby / Go

网络爬虫 - Python / PHP / C++

数据分析挖掘 - Python / R / Scala / Matlab

机器学习 - Python / R / Java / Lisp

作为一名Python开发者，主要的就业领域包括：

Python服务器后台开发 / 游戏服务器开发 / 数据接口开发工程师

Python自动化运维工程师

Python数据分析 / 数据可视化 / 大数据工程师

Python爬虫工程师

Python聊天机器人开发 / 图像识别和视觉算法 / 深度学习工程师

该项目中，包含了大量的内容，从他的目录可以看出来，包含

（1）python语法基础

（2）python进阶，常用的数据结构和高级用法

（3）web前端入门

（4）linux操作

（5）数据库基础和进阶

（6）实战Django

（7）实战Flask

（8）实战Tornado

（9）爬虫开发

（10）数据处理和机器学习

例子：

640?wx_fmt=png

项目：100天学算法（python）

链接：https://github.com/coells/100days

star：6300

内容：项目的作者给自己设定了一个挑战，一天一天地执行算法，直到数字达到100。他对这个项目的调侃：挑战也很有趣，也很粗糙。不要期望实现是最好的、最快的、最好的、没有错误的。一定要看到快速编写的代码。一种代码，它包含的热情和对算法的热爱与它包含的bug相同。

确实他做到了，坚持了一百天，所以牛人总是目标明确而又能够坚持不懈

640?wx_fmt=png

举个例子：binary search，找出目标数字的位置，没找到返回0

640?wx_fmt=png

项目：图像处理 100 问（python、C++）

链接：https://github.com/gzr2017/ImageProcessing100Wen（中文翻译）

日文版：https://github.com/yoyoyo-yo/Gasyori100knock

（日文的，如果你看的懂雅蠛蝶的话）

英文版：https://github.com/KuKuXia/Image_Processing_100_Questions

star：1000+

内容：作者为图像处理初学者设计的 100 个问题。学习基本的图像处理知识，理解图像处理算法。这里与平时的调用opencv的API不同，而是从底层算法方法去实现功能（使用的语言包括python和c++），可以说对于我们理解图像处理算法非常的有帮助。

640?wx_fmt=png

import cv2	
import numpy as np	

	
# Read image	
img = cv2.imread("imori.jpg")	

	
# Max Pooling	
out = img.copy()	

	
H, W, C = img.shape	
G = 8	
Nh = int(H / G)	
Nw = int(W / G)	

	
for y in range(Nh):	
    for x in range(Nw):	
        for c in range(C):	
            out[G*y:G*(y+1), G*x:G*(x+1), c] = np.max(out[G*y:G*(y+1), G*x:G*(x+1), c])	

	
# Save result	
cv2.imwrite("out.jpg", out)	
cv2.imshow("result", out)	
cv2.waitKey(0)	
cv2.destroyAllWindows()