飞桨深度学习学院（Python小白逆袭大神）学习心得

最新推荐文章于 2024-08-19 10:44:41 发布

qq_32332831

最新推荐文章于 2024-08-19 10:44:41 发布

阅读量405

点赞数

分类专栏：飞浆文章标签：百度 python

本文链接：https://blog.csdn.net/qq_32332831/article/details/105864995

版权

飞浆专栏收录该内容

1 篇文章 0 订阅

订阅专栏

作为一名Python小白，通过参加飞桨深度学习学院的课程，学习了Python基础、深度学习入门、PaddleHub和EasyDL的使用，并完成了包括爬虫、数据分析、图像分类和评论分析等实战项目，提升了AI技能。

摘要由CSDN通过智能技术生成

飞桨深度学习学院（Python小白逆袭大神）学习心得

百度飞浆

这节课一共7天，加上开营和结营8个课节
课节1: 前置课程
课节2: Day1-人工智能概述与入门基础
课节3: Day2-Python进阶
课节4: Day3-人工智能常用Python库
课节5: Day4-PaddleHub体验与应用
课节6: Day5-EasyDL体验与作业发布
课节7: Day6-PaddleHub创意赛发布
课节8: Day7-课程结营
有四次作业和一次综合作业。（难，是真！但我还是尽力的做完了，淦！）

收获

首先AI Studio我是第一次接触，可以线上去跑一些项目，功能真的很强大，而且线上还有许多已经发布了的例程，对于感兴趣的可以跑一下，学习一些思路和语言的逻辑（对于我是有如神助）。
Day1-Python基础练习
1、输出 9*9 乘法口诀表(注意格式)

def table():
    #在这里写下您的乘法口诀表代码吧！
    for i in range (1,10):
        for j in range (1,i+1):
            print("{}*{}={:<2}".format(j,i,i*j),end=" ")
        print ("")
if __name__ == '__main__':
    table()

在这里插入图片描述
2、查找特定名称文件

#导入OS模块
import os
#待搜索的目录路径
path = "Day1-homework"
#待搜索的名称
filename = "2020"
#定义保存结果的数组
result = []

def findfiles(path,filename):
    #在这里写下您的查找文件代码吧！
    for root,dirs,files in os.walk(path):
        for item in files:
            item_path=os.path.join(path,item)
            if filename in item_path:
                result.append(item_path)
    for index,item in enumerate(result):
        print ([index+1,item])
if __name__ == '__main__':
    findfiles(path,filename)

在这里插入图片描述

Day2-《青春有你2》选手信息爬取
爬虫，爬取好看的小姐姐们

import json
import re
import requests
import datetime
from bs4 import BeautifulSoup
import os

#获取当天的日期,并进行格式化,用于后面文件命名，格式:20200420
today = datetime.date.today().strftime('%Y%m%d')    

def crawl_wiki_data():
    """
    爬取百度百科中《青春有你2》中参赛选手信息，返回html
    """
    headers = { 
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'
    }
    url='https://baike.baidu.com/item/青春有你第二季'                         

    try:
        response = requests.get(url,headers=headers)
        print(response.status_code)

        #将一段文档传入BeautifulSoup的构造方法,就能得到一个文档的对象, 可以传入一段字符串
        soup = BeautifulSoup(response.text,'lxml')
        
        #返回的是class为table-view log-set-param的<table>所有标签
        tables = soup.find_all('table',{'class':'table-view log-set-param'})

        crawl_table_title = "参赛学员"

        for table in  tables:           
            #对当前节点前面的标签和字符串进行查找
            table_titles = table.find_previous('div').find_all('h3')
            for title in table_titles:
                if(crawl_table_title in title):
                    return table       
    except Exception as e:
        print(e)

def parse_wiki_data(table_html):
    '''
    从百度百科返回的html中解析得到选手信息，以当前日期作为文件名，存JSON文件,保存到work目录下
    '''
    bs = BeautifulSoup(str(table_html),'lxml')
    all_trs = bs.find_all('tr')

    error_list = ['\'','\"']

    stars = []

    for tr in all_trs[1:]:
         all_tds = tr.find_all('td')

         star = {}

         #姓名
         star["name"]=all_tds[0].text
         #个人百度百科链接
         star["link"]= 'https://baike.baidu.com' + all_tds[0].find('a').get('href')
         #籍贯
         star["zone"]=all_tds[1].text
         #星座
         star["constellation"]=all_tds[2].text
         #身高
         star["height"]=all_tds[3].text
         #体重
         star["weight"]= all_tds[4].text

         #花语,去除掉花语中的单引号或双引号
         flower_word = all_tds[5].text
         for c in flower_word:
             if  c in error_list:
                 flower_word=flower_word.replace(c,'')
         star["flower_word"]=flower_word 
         
         #公司
         if not all_tds[6].find('a') is  None:
             star["company"]= all_tds[6].find('a').text
         else:
             star["company"]= all_tds[6].text  

         stars.append(star)

    json_data = json.loads(str(stars).replace("\'","\""))   
    with open('work/' + today + '.json', 'w', encoding='UTF-8') as f:
        json.dump(json_data, f, ensure_ascii=False)

def crawl_pic_urls():
    '''
    爬取每个选手的百度百科图片，并保存
    ''' 
    with open('work/'+ today + '.json', 'r', encoding='UTF-8') as file:
         json_array = json.loads(file.read())

    headers = { 
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36' 
     }

    for star in json_array:

        name = star['name']
        link = star['link']
        pic_urls = []
        pic_set = set()

        #！！！请在以下完成对每个选手图片的爬取，将所有图片url存储在一个列表pic_urls中！！！
        response = requests.get(link,headers=headers)
        print(response.status_code)
    
        #将一段文档传入BeautifulSoup的构造方法,就能得到一个文档的对象, 可以传入一段字符串
        soup = BeautifulSoup(response.text,'html.parser')
        
        #picture
        imgs_middle = soup.find_all('a',{'class':'image-link'})
        imgs_left = soup.find_all('div',{'class':'summary-pic'})

        imgs_url = []
        imgs= soup.find_all('a',{'class':'lemma-album'})
        for item in imgs_left:
             imgResponse2 = requests.get("https://baike.baidu.com"+item.a['href'],headers=headers)
             imgSoup2 = BeautifulSoup(imgResponse2.text,'html.parser')
             imgs_a2= imgSoup2.find_all('a',{'class':'pic-item'})
             for a_item in imgs_a2:
                 if a_item.img:
                     if a_item.img['src'] not in pic_set:
                         pic_set.add(a_item.img['src'])
                         pic_urls.append(a_item.img['src'])

        #！！！根据图片链接列表pic_urls, 下载所有图片，保存在以name命名的文件夹中！！！
        down_pic(name,pic_urls)

def down_pic(name,pic_urls):
    '''
    根据图片链接列表pic_urls, 下载所有图片，保存在以name命名的文件夹中,
    '''
    path = 'work/'+'pics/'+name+'/'

    if not os.path.exists(path):
      os.makedirs(path)

    for i, pic_url in enumerate(pic_urls):
        try:
            pic = requests.get(pic_url, timeout=15)
            string = str(i + 1) + '.jpg'
            with open(path+string, 'wb') as f:
                f.write(pic.content)
                print('成功下载第%s张图片: %s' % (str(i + 1), str(pic_url)))
        except Exception as e:
            print('下载第%s张图片时失败: %s' % (str(i + 1), str(pic_url)))
            print(e)
            continue

def show_pic_path(path):
    '''
    遍历所爬取的每张图片，并打印所有图片的绝对路径
    '''
    pic_num = 0
    for (dirpath,dirnames,filenames) in os.walk(path):
        for filename in filenames:
           pic_num += 1
           print("第%d张照片：%s" % (pic_num,os.path.join(dirpath,filename)))           
    print("共爬取《青春有你2》选手的%d照片" % pic_num)

if __name__ == '__main__':

     #爬取百度百科中《青春有你2》中参赛选手信息，返回html
     html = crawl_wiki_data()

     #解析html,得到选手信息，保存为json文件
     parse_wiki_data(html)

     #从每个选手的百度百科页面上爬取图片,并保存
     crawl_pic_urls()

     #打印所爬取的选手图片路径
     show_pic_path('/home/aistudio/work/pics/')

     print("所有信息爬取完成！")

在这里插入图片描述

Day3-《青春有你2》选手数据分析
后四天的代码太长了，不抛了。
思路：基于第二天实践使用Python来爬去百度百科中《青春有你2》所有参赛选手的信息，进行数据可视化分析。（就是画个图）
我运行后的结果
在这里插入图片描述
Day4-《青春有你2》选手识别
任务简介：图像分类是计算机视觉的重要领域，它的目标是将图像分类到预定义的标签。近期，许多研究者提出很多不同种类的神经网络，并且极大的提升了分类算法的性能。本文以自己创建的数据集：青春有你2中选手识别为例子，介绍如何使用PaddleHub进行图像分类任务。
这个我的结果不是很好，因为爬取的图片，有些小姐姐的百度百科的图片和人匹配不上（或者是多人的合照），所以训练的结果不是很好，60%正确率。
在这里插入图片描述
Day5-综合大作业
这个我搞了好久。。
第一步：爱奇艺《青春有你2》评论数据爬取
爬取任意一期正片视频下评论
评论条数不少于1000条
第二步：词频统计并可视化展示
数据预处理：清理清洗评论中特殊字符（如：@#￥%、emoji表情符）,清洗后结果存储为txt文档
中文分词：添加新增词（如：青你、奥利给、冲鸭），去除停用词（如：哦、因此、不然、也好、但是）
统计top10高频词
可视化展示高频词
第三步：绘制词云
根据词频生成词云
可选项-添加背景图片，根据背景图片轮廓生成词云
第四步：结合PaddleHub，对评论进行内容审核
在这里插入图片描述
大家也能看出来我的结果，有两个错误，一个是算上了回车，另一个是断词（出现了欣虞书）。害！