- 博客(61)
- 资源 (5)
- 收藏
- 关注
原创 selenium: chrom debug模式,进行自动操作;复用cookies;免密码重新登陆
先 用命令行 开启 debug 模式的 chrome/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome --remote-debugging-port=9222 --user-data-dir="/Users/paul/Desktop/seleniumProfile"然后 py selenium代码#! /usr/bin/env python3# -*- coding: UTF-8 -*-from selenium i
2021-09-30 10:05:35 452
原创 b站自动改视频标题,简介的脚本;selenium;py;自动化
代码备份如下:#! /usr/bin/env python3# -*- coding: UTF-8 -*-# bilibili 网站自动改命脚本# 1031 是 81天from selenium import webdriverfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.support.ui import WebDriverWaitfrom selenium.webdriver.support imp
2021-09-30 10:02:48 337
原创 selenium:有的 输入框 无法 clear,此时可以双击清理
背景是我在批量 改 b站的 稿件的名字的时候,无法 clear input框上面这俩方式,都不行;建议大家,使用 双击选中后,再 清理;当然了,这对于短标题很适用;上面这种 1109daily 标题,我是可以双击选中完的;中间如果 你有 空格,我不保证能选完;那时,你大概可以用发送 control A 的方式 全选。双击清理的举例from selenium.webdriver.common.action_chains import ActionChains# 通过双击清理ActionC
2021-09-30 10:00:34 230
原创 selenium:页面内刷新后,要重新定位iframe
b站的刷新,可能就页面局部刷新,查了一个 iframe 进原来的界面所以要driver.switch_to.frame警告一下旧的api参考https://blog.csdn.net/test_soy/article/details/81062133
2021-09-29 18:28:37 647
原创 py: r前缀 来防止\ 被当作转义符
正则表达式 其中的 「正则元素」,都是 依靠 \ 来开头的比如 \d , \w 这些使用 r'\w+:\s+ 的意思,就是 按照 \w 的原样来认识/读取 \w ,因为 \w 的本意就是 我是一个 正则元素。
2021-09-26 14:54:02 173
原创 16)用微调的模型进行预测猫狗;keras;deeplizard
实训部分代码其实就一行predictions = model.predict(x=test_batches, steps=len(test_batches), verbose=0)cm = confusion_matrix(y_true=test_batches.classes, y_pred=np.argmax(predictions, axis=-1))cm_plot_labels = ['cat','dog']plot_confusion_matrix(cm=cm, classes=c
2021-09-23 12:02:08 141
原创 15) 训练 一个 微调之后的 vgg16 模型;keras; deeplizard
实训部分又来了,准备数据正式的训练 由此开始可见,我们 仅仅 经历了 5 个 epoch 就很 精确了,因为 vgg 早早就已经 在 猫狗数据集 上 训练过了!备注,这里 也嫩 看到, validation set 和 trainning set 的精度 都是 挺高了,记得我们之前自己的 model,其 validation set 的精度 不高, 说明 模型的 泛化能力 很不好,但是,这 vgg16 的 泛化能力 好多了。end参考vidblog...
2021-09-23 11:50:17 90
原创 keras 第10课开始的所有代码
!pip install kaggle!mkdir .kaggle!ls -al .kaggleimport jsontoken = {“username”:“paulciel”,“key”:“17f419f033b67d2305c5265c2caf687f”}with open(’/content/.kaggle/kaggle.json’, ‘w’) as file:json.dump(token, file)开始 kaggle 的一些配置!mkdir -p ~/.kaggle!cp /
2021-09-23 11:41:45 214
原创 keras实训的import 代码部分,专用 code snippets; keras;deeplizard;
import numpy as npimport tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras.models import Sequentialfrom tensorflow.keras.layers import Activation, Dense, Flatten, BatchNormalization, Conv2D, MaxPool2Dfrom tensorflow.keras.optimizers im
2021-09-23 11:03:00 167
原创 tf.tile()的学习;monodepth源码阅读
tile() 平铺之意,用于在同一维度上的复制示范multiples参数维度与input维度应一致 ;; 来源比如上面 的 【3】, 【3,5】都各自对应自己 input 的 维度
2021-09-23 10:48:44 83
原创 tf.expand_dims()的学习;monodepth代码阅读
tf.expand_dims()函数用于给函数增加维度。示范:加一个维度给 t1 的 第一个维度 再 加上 1 维后续 实验函数原型tf.expand_dims( input, axis=None, name=None, dim=None)函数的功能是在给定一个input时,在axis轴处给input增加一个维度。参考这里...
2021-09-18 17:53:28 98
原创 slim.conv2d()的理解;monodepth 源码阅读
结论先行第二个参数: num_out_layers 是输出 多少 个 layer 的意思,也就是 你用 多少个 卷积核 (aka filter) 的意思。(备注: 一个 卷积核 / 过滤器 /filter 就是 对应一个 输出 的 layer)参考 here挺有用convolution(inputs, num_outputs, kernel_size, stride=1, padding='SAME', .
2021-09-18 15:01:36 549
原创 tf.pad() 的理解; monodepth 源码阅读
结论现行所以 最后看起来: x 是个 4 维度 的 tensor,我在 中间 的 两个 维度(2nd, 3rd 这两个维度) 进行 了 个数 为 p 的 paddings。参考 here她说: t = tf.constant([[1, 2, 3], [4, 5, 6]]) paddings = tf.constant([[1, 1,], [2, 2]]) # 'constant_values' is 0. # rank of 't' is 2. tf.pad(t, paddi.
2021-09-18 14:51:54 85
原创 monodepth2 的一些观看准备
meta-info:update@2021-09-18 14:18:10知乎;强大的自监督深度估计monodepth2;郑安坤;南京大学 理论物理硕士monodepth2 github在线看源码
2021-09-18 14:18:48 166
原创 linux: grep -q 选项:安静的意思
在开源工程 的 pre-commit shellscript 看见grep -q 了q 选项:安静的意思man grep 得到:
2021-09-18 11:47:01 324
原创 vue 指令简写
v-bind 是 :v-on 是 @<!-- 完整语法 --><a v-bind:href="url"></a> <!-- 缩写 --><a :href="url"></a> <!-- 完整语法 --><button v-bind:disabled="someDynamicCondition">Button</button> <!-- 缩写 --><butt
2021-09-18 11:05:50 509
原创 vue:用 两个大括号 你就可以 引用 变量 的值
备注: 其他 方式'$route.query.redirect'“$route.query.redirect“`$route.query.redirect`你都无法 访问 这个 变量
2021-09-18 10:58:34 921
原创 js: prompt
应该如下 使用:代码来源:/Users/paul/code/jsApp/vue-router/examples/basic/app.js
2021-09-18 10:33:22 139
原创 tf.concat; monodepth源码阅读
用来拼接张量原型:tf.concat([tensor1, tensor2, tensor3,...], axis)
2021-09-17 18:31:16 94
原创 upconv上卷积是什么? monodepth源码阅读
可见,使用了上采样什么是 上采样:放大图像(或称为上采样(upsampling)或图像插值(interpolating))的主要目的是:放大原图像,从而可以显示在更高分辨率的显示设备上 ;; (from)结论upconv 是让被 conv 的 feature map 变得大一些...
2021-09-17 18:21:51 3993
原创 slim 模块; monodepth源码阅读
一句话: 简化你的网络搭建过程TF-Slim是Tensorflow中一个轻量级的库,用于定义、训练评估复杂的模型。TF-Slim中的组件可以与Tensorflow中原生的函数一起使用,与其他的框架,比如与tf.contrib.learn也可以一起使用。...
2021-09-17 18:17:35 163
原创 tensor 到底是什么; monodepth源码阅读
Tensor,中文叫张量,是深度学习的一个基础,不然TensorFlow也不会叫Tensor和Flow了。Tensor实际上就是一个多维数组(multidimensional array),其目的是能够创造更高维度的矩阵、向量;; (来源zhihu)...
2021-09-17 18:04:14 134
原创 tf.reduce_mean学习; monodepth源码阅读
计算张量tensor沿着指定的数轴(tensor的某一维度)上的平均值,主要用作降维或者计算tensor(图像)的平均值 。 来源示范:import tensorflow as tfx = [[1,2,3], [4,5,6]]y = tf.cast(x, tf.float32)mean_all = tf.reduce_mean(y)mean_0 = tf.reduce_mean(y, axis=0) # 天天 第一个维度,竖着,列 维度mean_1 = tf.reduce..
2021-09-17 17:57:30 77
原创 tf.variable_scope学习; monodepth源码阅读
TF中有两种作用域类型:命名域 (name scope),通过tf.name_scope 或 tf.op_scope创建;变量域 (variable scope),通过tf.variable_scope 或 tf.variable_op_scope创建;参考:知乎 https://zhuanlan.zhihu.com/p/52055580
2021-09-17 17:07:52 103
原创 13)卷积网络预测新样本; keras:deeplizard;
开始搞注意:这里还是需要 之前训练的模型,所以,上一篇 文章 所做的事情,咱还得做一遍做好前面 的 重复工作之后,写今天的代码吧现在 开始 写 13 课 的代码我就直接 上 代码了## tt1 : 准备好 数据呀test_imgs, test_labels = next(test_batches)## tt2 : 看一看咱们 准备好的数据 是啥样plotImages(test_imgs)print(test_labels)## tt3 : 就开始 预测吧predictions =
2021-09-16 18:16:29 154
原创 12) 建立并训练一个 CNN;keras:deeplizard;
步骤弄好 kaggle 数据集 和 工程结构导入 kaggle 的 我的api key然后:开始 kaggle 的一些配置kaggle 的一些命令用kaggle 下载 数据集 ,然后 解压可以看到 train 的 结构是: 底下 有 两个 文件夹 : dog 和 cat然后 这俩 文件夹 里面 就是 很多图片了。下面开始 在本地组织工程结构主要是 先组织 数据集 的结构# 下面 是 按照 视频教程 ,进行 猫狗 文件夹的建立import numpy as npimport
2021-09-15 17:10:43 92
原创 11) 代码上的更新;keras:deeplizard;
tf 的升级导致一些函数的变化fit 和 predict 这两个函数 ,对待 无穷的重复序列(上文使用的 DirectoryIterator 就算是 一种 无穷重复序列)的方式一直在变化,如果没有在 那个 不会自动停止的 函数里面,传递 合适的参数,那么,你的训练过程就不会停止。本文出现 的 目的 就是为了告诉你,tf 有一些 代码 隔代不兼容的 问题。fit 函数 需要一个 新的 steps_per_epoch 参数一般来说,这个参数 ,设定为 100 / 5 = 20 ,这里的 100 就是
2021-09-13 17:59:22 124
原创 10) 为卷积网络准备图片;keras:deeplizard;
往 colab 里面 加载 kaggle 的数据好像只要小于 60 g 的 数据,你都可以这样干先去 kaggle 申请api key得到一个 kaggle.json 在 colab 安装 kaggle 建立 kaggle 文件夹 将之前下载 的 kaggle json 写入 colab 继续 配置 kaggle 指定kaggle数据集保存的位置 执行下列语句查看 Kaggle datasets 下载猫狗数据集 的 示范数据集 位于: https://www.kaggle
2021-09-13 17:35:55 98
原创 9) 保存和载入一个模型;keras:deeplizard;
模型的保存保存的结果: 包含 网络 的架构,优化器的状态,权重,网络的各种参数,这样的话,以后我们 load 之后,可以继续 trainning代码如何保存 一个 完整modelmodel.save(filePath)如果没有 models 这个目录,那么,会自动创建这个 目录如何 载入 一个 完整model就是如下的代码了:查看 weights查看 优化器如果我们仅仅想保存网络的架构呢?不保存 权重等其他参数。你想 重新 训练用 model.to_json()如果我们
2021-09-13 11:48:32 84
原创 0) keras 实训开篇:资源,视频,网站参考;keras:deeplizard;
他们的官方网站包含了 教程visitMehttps://deeplizard.com/但是 0913 不可访问他们 youtube channel深度学习基础一些简单而清晰的介绍watchMehttps://www.youtube.com/playlist?list=PLZbbT5o_s2xq7LwI2y8_QtvuXZedL6tQUkeras 实训 视频教程watchMehttps://www.youtube.com/playlist?list=PLZbbT5o_s2xrwRnXk
2021-09-13 09:48:02 119
原创 py:os模块:getcwd等处理文件和目录的方法
os.getcwd()返回当前工作目录os.chown(path, uid, gid)更改文件所有者os.chdir(path)改变当前工作目录os.fchdir(fd)通过文件描述符改变当前工作目录参考Python OS 文件/目录方法
2021-09-10 16:42:17 142
原创 8) 为预测创建一个混淆矩阵;keras:deeplizard;
什么是混淆矩阵在机器学习领域和统计分类问题中,混淆矩阵(英语:confusion matrix)是可视化工具,特别用于监督学习,在无监督学习一般叫做匹配矩阵。矩阵的每一列代表一个类的实例预测,而每一行表示一个实际的类的实例。之所以如此命名,是因为通过这个矩阵可以方便地看出机器是否将两个不同的类混淆了(比如说把一个类错当成了另一个)。混淆矩阵(也称误差矩阵[1])是一种特殊的, 具有两个维度的(实际和预测)列联表(英语:contingency table),并且两维度中都有着一样的类别的集合。维基百科来
2021-09-10 16:18:26 542
原创 py:numpy.argmax()函数使用
说明看看数组里面 ,最大的那个元素 的index ,可以指定 axis例子以下例子:1) 不指定 aixs,就会 拉平 数组2) 指定 0 或者 1 ,就是 分别 第一维, 第二维3) 指定 -1, -2 就是 倒着来。
2021-09-10 14:42:02 116
原创 py:numpy.reshape()函数使用举例
代码来自 官网Python 3.9.5 (default, May 4 2021, 03:36:27)[Clang 12.0.0 (clang-1200.0.32.29)] on darwinType "help", "copyright", "credits" or "license" for more information.>>> import numpy as np>>> a = np.zeros((10,2))>>> aarra
2021-09-10 14:13:49 88
leglePDFpssCrakt
2019-02-21
legal64and32sublime
2019-01-09
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人