- 博客(14)
- 收藏
- 关注
RSS订阅原创 Python使用tkinter开发一个简单的参数计算软件模板，可用于设计估算，制造业算料，各种包含参数变量的简单计算
最近在制造业转了一圈，发现很多传统制造业在设计或者加工下料过程中，需要根据一些固定参数和现场实际的变量，去估算出设计的范围值或者所需要的材料用量。这种计算当然都会有固定的参数和变量组成的公式，但是现场的计算方式感人，要么用计算机疯狂按，要么用Excele表格公式。作为一名善于发现问题、简化问题、解决问题(其实是强迫症)的程序员，感觉有必要给个软件。于是花了一小会开发这个计算软件，使用的python tk搭建的简单框架，技术含量并不高，但能解决问题。...
2022-08-18 10:50:02
739
1
原创 使用opencv.js分类器和hbuilderx开发一个分类器app
很多二分类的图像识别任务不用想着立马上神经网络，可以用简单的级联分类器解决。
2022-08-17 20:44:06
1507
原创 Opencv.js+Hbuilder快速打造一个图像处理App
不少人吐槽Hbuilder的生态不好，但个人觉得它上手比较简单，可以快速的搭建一个简单的app或者小程序demo。其次最主要的是opencv.js，之前做深度学习和写图像算法的时候，习惯了使用opencv-python去处理图片数据集，偶然看到了opencv.js版本，刚好有个项目要部署到移动端，就尝试将该使用js版本的opencv去读取神经网络模型，同时完成预测，opencv.js原生的读取方法没有试过,后来是使用onnx.js完成模型读取，opencv.js获取视频流去实现的。......
2022-08-14 16:33:02
1890
原创 keras搭建神经网络
Keras是一个神经网络开发的高级API，用Python编写，底层调用神经网络开发库TensorFlow、CNTK或Theano。Keras的目标是简化神经网络应用开发过程，快速实现想法。Keras 后端Keras 是一个模型级库，为开发深度学习模型提供了高层次的构建模块。它不处理诸如张量乘积和卷积等低级操作。相反，它依赖于一个专门的、优化的张量操作库来完成这个操作，它可以作为 Keras 的「后端引擎」。相比单独地选择一个张量库，而将 Keras 的实现与该库相关联，Keras 以模块方式处理这
2020-10-21 13:24:40
2518
2
原创 sklearn加载查看数据集
Scikit-learn(sklearn)的定位是通用机器学习库一般使用SciKit-Learn来加载数据集。数据集的来源，通常有2个：自己准备第三方处获取：SciKit-Learn是SciKit库的一部分，SciKit意思是SciPy Tookits，名字来源于SciPy库，SciKit基于SciPy库构建，除了SciKit-Learn，还包含其他很多模块。SciKit-Learn库是专注于机器学习和数据挖掘的模块。SciKit-Learn库中也自带一些数据集，我们可以尝试加载。先从sk
2020-10-21 13:13:31
5284
原创 Scipy线性代数、图像处理
Scipy线性代数计算Scipy有ATLAS LAPACK和BLAS库构建的线性代数计算包，可以高效的进行线性代数的计算。线性代数包里的函数，操作对象都是二维数组。SciPy.linalg 与 NumPy.linalg与NumPy.linalg相比，scipy.linalg除了包含numpy.linalg中的所有函数，还具有numpy.linalg中没有的高级功能。一方面scipy.linalg 包含 numpy.linalg 中的所有函数，同时还包含了很多 numpy.linalg 中没有的函
2020-10-21 11:53:38
1213
转载 Pandas学习（3）DataFream操作2
分组（Grouping），适用于有重复数据可统计、可分组的DataFrame“group by” 指的是涵盖下列一项或多项步骤的处理流程：分割：按条件把数据分割成多组；应用：为每组单独应用函数；组合：将处理结果组合成一个数据结构。import numpy as npimport pandas as pddf = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'fo
2020-10-19 16:26:53
321
原创 python简单学习大纲
数据类型Number（数字）String（字符串）List（列表）Tuple（元组）Set（集合）Dictionary（字典）六个标准数据类型中：不可变数据（3 个）：Number（数字）、String（字符串）、Tuple（元组）；可变数据（3 个）：List（列表）、Dictionary（字典）、Set（集合）。list列表的一些重要方法list.append(x) 把一个元素添加到列表的结尾，相当于 a[len(a):] = [x]。list.extend(L) 通过添加指定列
2020-10-19 09:45:27
330
原创 Numpy的Matplotlib可视化
matplotlib最重要的plot()函数，调用方法plt.plot(x, y, format_string, **kwargs)参数值：#x ： X轴数据，列表或数组#y ： Y轴数据，列表或数组#format_string ： 控制曲线的格式字符串，可选:#**kwargs ：第二组或更多(x,y,format_string)其中要说明的是format_string，包含的主要类型有颜色字符：‘b’,‘k’,‘g’代表各种颜色缩写风格字符：’-’,’–‘等标记字符：每个数据点的标
2020-10-16 23:22:10
658
原创 Pandas学习（3）DataFrame操作1
import numpy as npimport pandas as pd#创建一个时间DataFramed=pd.DataFrame(np.random.randint(1,24,size=(6,4)), index=pd.date_range("19980102",periods=6), columns=["a","b","c","d"])print(d) a b c d1998-01-02
2020-10-15 15:06:32
791
原创 Pandas学习（2）Pandas创建DataFrame
DataFrameDataFrame 是由多种类型的列构成的二维标签数据结构，类似于 Excel 、SQL 表，或 Series 对象构成的字典。DataFrame 是最常用的 Pandas 对象，与 Series 一样，DataFrame 支持多种类型的输入数据：1、一维 ndarray、列表、字典、Series 字典2、二维 numpy.ndarray3、结构多维数组或记录多维数组4、Series5、DataFrameimport numpy as npimport pandas as
2020-10-14 22:35:05
700
原创 Pandas学习（1）Pandas创建Series
Pandas概况：Pandas是Python的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关系型、标记型数据。Pandas是Python 数据分析实践与实战的必备高级工具。Pandas 适用于处理以下类型的数据：与SQL或Excel 表类似的，含异构列的表格数据;有序和无序（非固定频率）的时间序列数据;带行列标签的矩阵数据，包括同构或异构型数据;任意其它形式的观测、统计数据集, 数据转入 Pandas 数据结构时不必事先标记。数据结构：Pandas 的主要数据
2020-10-14 15:52:58
637
原创 Numpy学习（1）numpy创建数组
一、numpy创建数组的几种主要方法1、array（）函数-自由创建+reshape（）方法#可通过列表如[1,2,3,4],元组如（1，2，3，4）创建 import numpy as np# 一维x=np.array([1,2,3,4])# 二维y=np.array([1,2,3,4]).reshape(2,2)# y=np.array([[1,2],[3,4]])同样可以#三维z=np.array([1,2,3,4,5,6,7,8]).reshape(2,2,2)#z=np.arra
2020-10-14 11:24:49
1325
原创 Numpy学习（2）numpy向量化、numpy操作
1、Numpy创建向量Numpy创建的数组有时也称为向量，但要注意两者的区别，需要注意数组的秩。Numpy使用了优化的C api，运算速度快，在深度学习需要运用numpy向量化加快运算速度，NumPy底层用C语言编写，内部解除了GIL(全局解释性锁)，其对数组的操作速度不受python解释器的限制，效率远高于纯python代码。原因是Numpy数组由相同种类数据类型的元素组成，可以快速确定存储空间。对整组数据进行快速运算的标准数学函数库，无需编写循环，即内置并行运算功能，当系统进行某种计算时，并且有
2020-10-14 09:43:36
2861
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人