m0_73524121的博客

原创 自然语言处理下载nltk模块库

这种nltk.download()下载方式往往会报错，可以使用下面离线安装的方法。方法1.我的网盘资源。方法2.Gitee资源。方法3.自行在网上搜索

原创 Python 生成图片验证码

图片验证码（CAPTCHA）是一种区分用户是计算机还是人的公共全自动程序。这种验证码通常以图片的形式出现，其中包含一些扭曲的字符或对象，用户需要识别这些字符或对象并输入正确的答案以通过验证。通常情况下，图片验证码会在用户注册或登录时出现，用户需要输入图片中的文字或字符才能继续进行操作。对于一些敏感性较高的应用场景，图片验证码也被广泛采用，以确保用户身份的安全。需要注意的是，虽然图片验证码在一定程度上可以起到防止恶意攻击的作用，但它也有一些缺点。

原创 神经网络与深度学习Pytorch版 Softmax回归 笔记

Softmax回归用于多分类问题，其中每个类别都有一个对应的输出。该模型有多个仿射函数，每个输出类别一个。在我们的例子中，有4个输入特征和3个输出类别，因此需要12个权重参数（w）和3个偏置参数（b）。对于每个输入样本，计算三个未规范化的预测值（logits）：o1、o2和o3，每个都是输入特征和相应权重的线性组合加上偏置。Softmax回归可以被视为一个单层的全连接神经网络。使用线性代数表示，所有权重被组织在一个矩阵W中，输出o通过矩阵-向量乘法 Wx+b 计算得出。

原创 Python 将文本转换成语音播放 pyttsx3

Pyttsx3 是一个 Python 库，它提供了文本到语音（Text-to-Speech，TTS）转换的功能。

原创 深度学习与神经网络Pytorch版 3.2 线性回归从零开始实现 1.生成数据集 2.2. 读取数据集3. 初始化模型参数4. 定义模型5. 定义损失函数6. 定义优化算法7. 训练

我的上一篇文章深度学习与神经网络Pytorch版 3.2 线性回归从零开始实现 1.生成数据集详细讲述了线性回归的原理，步骤，应用场景，优缺点，以及生成数据集这一步骤下面将介绍线性回归从零开始实现的余下步骤。代码参考《动手学深度学习》。我正在学习《动手学深度学习》文中的代码参照书中代码，也可以认为这是一片笔记我将代码运行了运行，添加了一些注释，感觉对代码的了解还不是很深入，只能说在心里大致有一个轮廓，之后我会不断加强学习，争取推陈出新。

原创 深度学习与神经网络Pytorch版 3.2 线性回归从零开始实现 1.生成数据集

深度学习线性回归的原理是基于神经网络和线性回归的结合。它使用神经网络来构建一个复杂的非线性模型，同时保持线性回归的简单性和可解释性。在深度学习线性回归中，通常使用全连接神经网络（Fully Connected Neural Network）作为基础结构。输入数据经过一系列的线性变换和非线性激活函数，最终输出预测结果。与传统的线性回归不同，深度学习线性回归可以自动学习特征之间的复杂交互和组合，而不需要手动选择或设计特征。

原创 深度学习与神经网络pytorch版 2.3 线性代数

深度学习与线性代数之间有着密切的联系。线性代数是深度学习算法中用于表达和处理数据的数学工具之一，尤其是在构建神经网络和处理多维数据时。线性代数中的基本概念包括向量、矩阵和线性变换等，这些概念在深度学习中有着广泛的应用。例如，在神经网络的训练过程中，权重和偏差可以看作是矩阵和向量，它们通过线性变换来改变输入数据的特征，从而实现分类或回归等任务。此外，线性代数中的范数也是深度学习中常用的概念。范数可以用来衡量向量的大小，对于限制模型复杂度和提升模型的泛化能力具有重要作用。

原创 matplotlib 波士顿房价数据及可视化 Tensorflow 2.4.0

Keras因其简洁的接口和强大的功能，成为了深度学习研究人员和开发者广泛使用的框架之一。无论是进行学术研究还是商业应用开发，Keras都提供了一个高效且便捷的工具，以支持深度学习模型的实现和部署。此外，Keras还允许用户方便地加载其他公开数据集，如在官方文档中提到的其他7种数据集。同时，Keras也支持用户自定义数据集，以便进行更加个性化的模型训练和测试。它提供了一套用户友好的API，用于快速构建和训练深度学习模型。Keras提供了多种常用的数据集，以便于用户进行模型的训练和测试。

原创 深度学习与神经网络pytorch版 2.2 数据预处理

pandas软件包是Python中常用的数据分析工具中，pandas可以与张量兼容。用pandas处理缺失的数据时，我们可根据情况选择用插值法和删除法。

原创 深度学习与神经网络pytorch版 基础知识

PyTorch是一个开源的深度学习框架，由Facebook于2016年发布的第一个开源项目。与TensorFlow等其他深度学习框架相比，PyTorch更加灵活和易于使用，尤其适合快速原型设计和实验。以下是PyTorch的一些主要特点：1.动态计算图：PyTorch使用动态计算图，这意味着您可以在运行时构建和更改计算图。这使得模型开发和调试更加直观和灵活。2.易于使用的API：PyTorch的API设计得非常直观，使得开发者可以轻松地构建和训练神经网络。

原创 OpenCV图像处理实现手势识别贪吃蛇(含完整代码)

MediaPipe Hands 是一种高保真手和手指跟踪解决方案。它采用机器学习 (ML) 从单个帧中推断出手的 21 个 3D 地标。当前最先进的方法主要依赖于强大的桌面环境进行推理，而我们的方法在手机上实现了实时性能，甚至可以扩展到多只手。我们希望向更广泛的研究和开发社区提供这种手部感知功能，以将导致创造性用例的出现，刺激新的应用程序和新的研究途径。

原创 14. OpenCV几何变换 扩展缩放 平移 旋转 仿射变换 透视变换(含详细代码注释)

今天学习的关于OpenCV的图像的扩展缩放，平移，旋转，仿射变换，透视变换会在后面图像处理中经常用到，例如人脸识别，车牌识别，答题卡识别等等。之后我会不断的系统的分享关于我对OpenCV的图像处理函数的学习以及图像处理进阶例如人脸识别，车牌识别，答题卡识别等等。关注我大家一起学习进步。

原创 Ubuntu 和 Windows之间无法复制粘贴问题解决方法

我们在学习使用Ubuntu 虚拟机命令时，有时会遇到报错不知道原因，就需要复制报错到浏览器搜索，但是会发现无法在windows和ubuntu之间进行复制粘贴的，我们需要安装一些 插件，实现windows与ubuntu之间实现复制粘贴。

原创 Xshell 安装教程，连接VMware虚拟机中的Ubuntu(详细教程)

Xshell 安装教程，连接VMware虚拟机中的Ubuntu(详细教程)

原创 13. OpenCV图像的颜色空间转换(含代码详细注释)

我们将学习的函数有cv2.cvtColor()和cv2.inRange()等等。

原创 9. OpenCV图像的基础操作

这段代码是使用OpenCV库读取一张名为’messi5.jpg’的图片，并显示出来。然后获取该图片中坐标为(100, 100)的像素值，并将其修改为白色（[255, 255, 255]）。最后，使用array.item()和array.itemset()方法分别获取和修改该像素的蓝色通道值。

原创 OpenCV中的绘图函数(含代码详细注释)

下面我们将学习OpenCV的一些绘图函数有cv.line(),cv.rectangle(),cv.circle(),cv.ellipse(),cv.putText()等等。

原创 matplotlib 使用，各种图形的绘制(含代码注释)

我整理的一些关于matplotlib的一些图形的基础绘制，掌握后可以用于很多数据的可视化展示.

原创 Linux 第六章 文件目录管理

原创 Linux 第五章 Shell基本命令

原创 Python face-recognition库，dlib库安装方法（附下载文件）

想要安装face-recognition库需要先安装dlib库，但是常用的pip安装通常都会报错，不能正常安装，这里我先大家介绍我的安装方法，我在python的3.8，3.9，3.10版本都试过，只要找到位置，都是可以成功安装的。