青花猪的忧伤的博客

这是小编做的一款处理数据集方法，仅供参考 话不多说，直接上源码： import os import pandas as pd df = pd.DataFrame(columns=[‘流水号’,’事件名称’,’本方户名’,’对方户名’,’流水时间’,’操作员’,’交易额’,’流水标志’,’扇区号’]) l = [] def search(path): parents = os.listdir(pat...

直接上源码： from PIL import Image img = Image.open("图片路径") img = img.convert("L") #灰度化 img.show() imgdata = list(img.getdata()) print(imgdata) addlist = [] for i in range(len(imgdata)): if imgdata[...

from PIL import Image #convent()和resize() 可对size和mode进行调整 rawimg = Image.open("C:\\Users\\aming\\1.jpg") rawimg = rawimg.resize((1176,1176)) print(rawimg.size) im = Image.open("C:\\Users\\aming\\5.j...

代码如下 import os import pandas as pd df = pd.DataFrame(columns=['流水号','事件名称','本方户名','对方户名','流水时间','操作员','交易额','流水标志','扇区号']) l = [] num = [] def search(path): parents = os.listdir(path) sum = 0 ...

d = pd.read_excel(child) k = k.drop(columns=['对方户名','流水号','交易额','事件名称','流水时间','流水标志','操作员','扇区号'],axis=1) #删除整列全为NAN的列 k = d[d['对方户名'].notnull()] # 排除NAN k = k.loc[k['对方户名...

import urllib.request import time import re global x # 使用前初次声明 x=1 #获取网页的html，与requests包一样的功能 def getHtml(url): #打开网页 page = urllib.request.urlopen(url) htmlcode = page.read() retu...

我在该代码中使用了两个卷积层+池化层，最后连上两个全连接层。 第一层卷积使用32个5x5x1的卷积核，步长为1，边界处理方式为“SAME”（卷积的输入和输出保持相同尺寸），激发函数为Relu，然后接一个2x2的池化层，方式为最大化池化； 第二层卷积使用64个5x5x32的卷积核，步长为1，边界处理方式为“SAME”，激发函数为Relu， 后接一个2x2的池化层，方式为最大化池化； 第一层全连接层：...