txt拼接,.py拷贝

# encoding:utf-8  
  
import sys,os,msvcrt  #导入的模块与方法
import shutil
from shutil import Error
from shutil import copystat
from shutil import copy2

def copy_file(py_filenames,flodername): 
    #声明函数 copy_file( 要复制的文件,目标目录,复制符号连接内容到新目录,没有要忽略文件)
    floderpath = sys.path[0] + '\\' + flodername
    print floderpath
    if os.path.isdir(flodername): 
        print 'this floder has been exsit'     
        pass
    else:
        os.makedirs(flodername)
    for file in py_filenames:
        shutil.copy(file, floderpath)
    
    print 'python move'
   
def join(in_filenames, out_filename):  
    out_file = open(out_filename, 'w+')  
       
    err_files = []  
    for file in in_filenames:  
        try:  
            in_file = open(file, 'r')  
            out_file.write(in_file.read())  
            out_file.write('\n\n')  
            in_file.close()  
        except IOError:  
            print 'error joining', file 
            err_files.append(file)  
    out_file.close()  
     
    print 'joining completed. %d file(s) missed.' % len(err_files)  
     
    print 'output file:', out_filename  
     
    if len(err_files) > 0:  #判断
        print 'missed files:' 
        print '--------------------------------' 
        for file in err_files:  
            print file 
        print '--------------------------------' 
 
if __name__ == '__main__':  
    print 'scanning...' 
    in_filenames = []
    py_filenames = []  
    file_count = 0 
     
    for file in os.listdir(sys.path[0]):  
        if file.lower().endswith('[all].txt'): #lower()转换成小写 #endswith()以[all].txt结尾的 
            os.remove(file)  
        elif file.lower().endswith('.txt'):  
            in_filenames.append(file)  #append在列表尾部追加file
            file_count = file_count + 1 
        elif file.lower().endswith('.py'):  
            py_filenames.append(file)  #append在列表尾部追加file 
     
    if len(in_filenames) > 0:  
        print '--------------------------------' 
        print '\n'.join(in_filenames)  #用换行符连接文件名
        print '*\n'.join(py_filenames)  
        print '--------------------------------' 
        print '%d part(s) in total.' % file_count  
        book_name = raw_input('enter the book name: ')  
        print 'joining...' 
        join(in_filenames, book_name + '[ALL].TXT')  #调用所定义的函数
        flodername = raw_input('flodername: ')
        copy_file(py_filenames, flodername)
    else:  
        print 'nothing found.' 
     
    msvcrt.getch()

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值