- 博客(0)
- 资源 (22)
- 收藏
- 关注
RSS订阅python爬取实例——监听粘贴板自动启动迅雷
通过监听剪贴板获取地址并进行判断的V2版，主要可以爬取img标签的src进行提示迅雷下载。
主要库：
import urllib.request
from bs4 import BeautifulSoup
import os,shutil
import re
from win32com.client import Dispatch
import tkinter as tk
import pyperclip
from datetime import datetime
import time
2020-08-13
python 爬虫与迅雷结合实例
使用的库包含from sklearn.datasets import make_classification
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import cross_val_score
from bayes_opt import BayesianOptimization
import numpy as np
from sklearn.datasets import load_iris
爬取目标网页并通知迅雷进行下载，并附加GUI以及整理目标文件的方法
2020-08-13
python爬虫实例——基于BeautifulSoup与urllib.request
python爬虫实例——基于BeautifulSoup与urllib.request，思路是打开目标链接，并爬取通过BeautifulSoup一定区域中的img标签中的src进行保存。
2020-08-12
基于re、urllib.request和BeautifulSoup的爬虫样本
基于re、urllib.request和BeautifulSoup的一个爬虫样本，实现目的是一些网页的源代码的地址查找并列出
2020-08-12
Fatkun.zip-深度学习数据集
包含手写数字和著名的10分类等三套数据集，python版。
深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。 [1]
2020-03-31
深度学习生成模型-专用于二分类图像识别
Retry 【从训练集中抽取10%随机测试，训练集22500 测试集2500】【精度损失明显】
2020.3.27 预测结束,总错误数为1129,准确率为0.90948【C1模型】【标准训练集】
2020.3.27 预测结束,总错误数为227,准确率为0.90920 【C1模型】【切割训练集】
Retry 【在B2模型基础上增加epoch】【B3、4模型】【过拟合？效果可能不理想？】
2020.3.27 预测结束,总错误数为1208,准确率为0.90315 【B3模型】【+1 epoch】
2020-03-27
mytest_cat_dog.zip.002
有关卷积神经网络
架构部分特点
ResNet深度残差神经网络
从xf(x)的预测到 xf(x)-xf(x)的转变，仅仅从这个层面，很难说如何理解后者比前者更加优越……P2
2020-03-27
mytest_cat_dog.zip.001
有关卷积神经网络
架构部分特点
ResNet深度残差神经网络
从xf(x)的预测到 xf(x)-xf(x)的转变，仅仅从这个层面，很难说如何理解后者比前者更加优越……
2020-03-27
猫狗大战卷积神经网络生成的模型
预训练与微调迁移学习
一般而言，我们可以根据一个已经训练过的、比较满意的模型进行训练调整，作用于新的数据集，这就是预训练与微调。当，我们的预训练模型的权重使用在新的数据集中，这个就是迁移学习的体现。
很少人会仅仅使用自己的资源进行训练卷积神经网络，个体拥有的数据资源是有限的，但是如ImageNet拥有的资源是有120 万张图片等级的规模，所以理论上使用库提供的预训练模型可以节省时间、提高精度，再不济也可以使用自己的预训练模型。
2020-03-25
我的实例.zip-猫狗大战实例，仅供参考
猫狗训练 --fin
2020.3.23 预测结束,总错误数为3533,准确率为0.71736 迭代次数为0，-卷积-池化-卷积-池化-全-全-全-
2020.3.24 预测结束,总错误数为2903,准确率为0.76776 迭代次數為10，……
2020.3.24 预测结束,总错误数为2962,准确率为0.76303 迭代次數為0， RESNET18
2020-03-24
dogs-vs-cats.zip.004
这是深度学习的常用训练集，猫狗集合。学习用。zhp4
"从上述测评结果可见，不同配置下的模型在相同测试集上，存在非常大的性能差异；并且在使用了径向基(Radial basis function)核函数对特征进行非线性映射之后，支持向量机展现了最佳的回归性能"
2020-03-13
dogs-vs-cats.zip.003
这是深度学习的常用训练集，猫狗集合。学习用。 zp3
从上述测评结果可见，不同配置下的模型在相同测试集上，存在非常大的性能差异；并且在使用了径向基(Radial basis function)核函数对特征进行非线性映射之后，支持向量机展现了最佳的回归性能
2020-03-13
dogs-vs-cats.zip.002
这是深度学习的常用训练集，猫狗集合。学习用。zP2
“从上述测评结果可见，不同配置下的模型在相同测试集上，存在非常大的性能差异；并且在使用了径向基(Radial basis function)核函数对特征进行非线性映射之后，支持向量机展现了最佳的回归性能”
2020-03-13
dogs-vs-cats.zip.001
这是深度学习的常用训练集，猫狗集合。学习用。
“从上述测评结果可见，不同配置下的模型在相同测试集上，存在非常大的性能差异；并且在使用了径向基(Radial basis function)核函数对特征进行非线性映射之后，支持向量机展现了最佳的回归性能”
2020-03-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人