- 博客(15)
- 收藏
- 关注
RSS订阅原创 python装饰器 随笔
1 装饰器装饰器的基础是闭包，同时装饰器是闭包的一种应用,总的来说,装饰器就是对原函数的一种功能扩展1.1单个装饰器我们先来认识下装饰器的语法def decorator(func): def funcdeco(): print(f"{func.__name__} is running")#修饰部分 func()#原有函数功能实现 return funcdeco@decoratordef fun(): passfun1=fun#这里得到的是funcdeco函数fun1()#开始
2021-12-29 00:12:11
463
原创 jupyter 代码段查找利器
在使用jupyter的过程中,我们有时候写的一些代码片段因为忘记存在哪个ipynb文件下,因此很难找到所以我写了一个程序:import osroot_path=input("查找根路径")#windows 示例:d:/do/homekey_desc=input("查找关键代码字段")#示例:recallresult=[]file_list=[root_path]while file_list: head=file_list.pop(0) for sub_node in os.l
2021-10-13 15:57:51
900
原创 逻辑回归实现
逻辑斯谛分布定义(逻辑斯谛分布):设X是连续随机变量,X服从逻辑斯谛分布是指X具有下列分布函数和密度函数F(x)=P(X≤x)=11+e−(x−μ)/γF(x)=P(X\leq x)=\frac{1}{1+e^{-(x-\mu)/ \gamma}}F(x)=P(X≤x)=1+e−(x−μ)/γ1f(x)=F′(x)=e−(x−μ)/γγ(1+e−(x−μ)/γ)2f(x)=F^{'}(x)=\frac{e^{-(x-\mu)/\gamma}}{\gamma{(1+e^{-(x-\mu)/\gam
2021-08-06 00:37:25
312
原创 一种用于检测足球的轮廓筛选法
分析:足球的黑斑块和白色块存在很大的颜色差异,因此我们能找到一个很好的界限将白块和黑斑进行分割,即进行阈值分割,通过分割后的二值图我们利用轮廓检测技术找到所有的边界,然后对这些边界进行筛选找出可能与球本身有关联的边界,即黑斑块,然后将所有黑斑块的位置信息进行一个统计处理,计算均值坐标,以均值坐标为界限,在所有筛选后的边界信息中找到极值坐标点,得到我们的球位置坐标1 输入图片:2 转换成灰度图并进行二值化:3 找出轮廓主要用cv模块中的findContours4 轮廓过滤cv模块中的arc
2021-06-15 20:31:47
510
原创 回溯法(C++) 部落卫队问题
首先我们来看一下问题先码在下面我们知道回溯法一般生成子集树和排列树,在这个问题中我们很容易得知我们要解决的问题是一个子集树,因为每个公民要么去要么不去,首先我们得找出可行解,当递归到了叶子节点的时候我们计算并更新最优值#include <iostream>using namespace std;int maxc=0;//定义最优值int n;//居民人数int m;//m对仇敌关系int x[51][51]={0};//定义邻接矩阵int a[51]={0};//定义解向量
2021-06-14 19:52:03
1906
原创 归并排序(C++版)
最近正在看递归和分治法,归并排序是一种很经典的实例,妙处就在把整个数组不断二分割,直到分割出元素为止,然后在Merge对两个元素进行排序，可以将我写的实例给换掉,只调用merge函数,不调用merge_sort,如int a[]={9,1};//merge(a,p,q,r)merge(a,0,0,1);//然后打印出a,你就会发现归并排序的解是如何开始合并的#include<iostream>using namespace std;//合并序列void merge(int *
2021-04-10 11:09:03
116
原创 图像处理-彩色图像颜色增强
文中主要使用两种方式进行彩色图像的颜色增强主要用到了直方图均衡化原理(代码如下):import numpy as npdef hist_ave_2(src): L=np.unique(src) cdf=(np.histogram(src.flatten(),L.size)[0]/src.size).cumsum() cdf=(cdf*L.max()+0.5) return np.interp(src.flatten(),L,cdf).reshape(src.shape
2021-01-25 14:15:03
4574
原创 KNN算法实现 K近邻分类
K近邻分类算法下面先介绍算法的原理,其实很简单就是欧式距离＋概率首先介绍下欧式距离设向量x=[x1,x2,x3…xn]则x的L2范数 |L2|=xxT\sqrt{{x}{x}^T}xxT令K=20 这里的K为超参数 K的设置至关重要 它决定了模型的分类准确率下面以鸢尾花数据集作为示例import pandas as pdfrom sklearn import datasetsimport numpy as npchoice=int(input("请选择排序方法一(0)或者方法二(1
2020-09-27 18:04:02
132
原创 图像分割函数
#图片分割函数import cv2import matplotlib.pyplot as pltimg=cv2.imread("test.png")#转换成RGB格式img=img[:,:,::-1]#arr接受原图像 shape接受一个元组或者列表 如分割成2x3 def parte(arr,shape): #算出横向和纵向步长 width=int(arr.shape[1]/shape[1]) height=int(arr.shape[0]/shape[0]) pr
2020-07-10 21:26:34
546
2
原创 K折交叉验证实现
K折交叉验证k折交叉验证是划分数据集的一种方式，特别适合少量数据集在原始数据中划分k份，取1份作为测试集，k-1份作为训练集最后算出平均性能值以MINIST数据为例子```pythonfrom tensorflow import kerasimport numpy as npimport matplotlib.pyplot as plt#加载数据集minst=keras.datasets.mnist.load_data()#训练集和测试集分别有60000和10000(x_train
2020-07-10 21:14:28
1265
2
原创 张量学习
张量(Tensor)学习张量基本概念:表示多维数组（列表）阶数：张量的维数维数0： 标量Scalar s=1 2 3 shape=0维数1： 向量Vector v=[1,2,3] shape=(3)维数2： 矩阵Matrix m=[[1,2,3],[4,5,6],[7,8,9]] shape=(3,3)维数3： 张量Tensor t=[[[1,1],[1,1]],[[2,2],[2,2]...
2020-04-07 18:55:25
342
原创 Tensorflow 2.1 安装（CPU版本＋GPU版本）
在学习Tensorflow 这个框架时我推荐使用 Tensorflow 2.0+ pycharm +Anconda进行组合一 环境的创建首先打开Anconda Prompt （以管理员模式打开）我们创建一个 tf2的环境 并且配置python版本为3.7然后我们就会看到以下画面按下Y键 下载相关的文件下载完成后会出现以下界面二 激活环境我们输入 conda activat...
2020-04-07 16:44:35
7780
4
原创 python不同环境下包的管理
有时候我们通过pip命令下载python工具包现在提供两种方法1打开cmd(管理员模式)输入盘符 D:切换到d盘cd 路径python /Scripts下pip install xxx2有时候因为网速的原因我更建议下载whl文件可以到阿里云镜像里面下好离线的whl文件然后放入Scripts文件夹然后切换到这个目录输入 pip install 文件名称.whl然后就成功了...
2020-03-15 00:36:03
114
原创 用pillow和numpy，matplotlib库实现对图像的滤镜处理
pillow库是python中第三方图像处理包没安装的 可以打开cmd输入 pip install pillow在python中首先导入import numpy as npimport matplotlib.pyplot as pltfrom PIL import Image然后随便找一张图片比如d盘下的一张名为n.jpg图片#这里使用绝对地址，也可以相对地址，默认是只读模式...
2020-03-03 23:47:21
538
原创 java二维数组排序(分合法)
***解题思路***将二维数组抽调成一维数组，再又一维数组还原成二维数组import java.util.Arrays;//引入Arrays类public class test {public static void main(String[] args) { int array[][]={{11,4,2},{19,21,1},{4,12,16}};//首先创立一个乱序的二维数组 ...
2020-02-06 20:46:57
334
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