Python
文章平均质量分 90
Python及其部分包的使用方法
LiuHui*n
一只可爱的Researcher
展开
-
工具分享 | PDF文档解析工具PyMuPDF
总结使用pymupdf分章节解析pdf中的文本和图片原创 2023-08-29 23:25:39 · 2942 阅读 · 0 评论 -
Python入门(一)Python简介
Python是一款容易学习而且功能强大的面向对象的解释型计算机程序设计语言。由荷兰人Guido van Rossum于1989年发明。由于Python简单易读,而且有内置丰富的高效库,使得Python越来越多的用于科学计算。 Python在执行时,首先会将.py文件中的源代码编译成Python的byte code(字节码),然后再由Python Virtual Machine(Py...原创 2018-09-09 17:06:19 · 424 阅读 · 0 评论 -
Python入门(二)开发环境的搭建以及集成开发环境pycharm的安装
写在前面Python目前有2.x版本和3.x版本,此系列Python学习笔记针对Python3.x Python有多种IDE,后续会整理,本人使用的是PyCharm的Education版本,Professional版本需要付费,但如果有edu.cn的邮箱,可以用来申请License,这样可以免费使用教育版本。 Python可以运行在不同的操作系统之上,常见的有Windows和L...原创 2018-07-27 14:40:23 · 709 阅读 · 0 评论 -
Python入门(三)基础语法
一、数据类型Python 中的变量不需要声明。每个变量在使用前都必须赋值,变量赋值以后该变量才会被创建。在 Python 中,变量就是变量,没有类型,我们所说的"类型"是变量所指的内存中对象的类型。1.Python3中有六个标准的数据类型: Number(数字) String(字符串) List(列表) Tuple(元组) Se...原创 2018-09-09 17:45:50 · 769 阅读 · 0 评论 -
Python入门(四)使用Python实现简单的通讯录(1.0版本)
1.通讯录:保存联系人的信息,提供增加、删除、查询和修改联系人的功能2.使用Python的数据结构——字典的形式来保存联系人的信息:姓名 电话 邮件 地址 生日 通讯录中所有联系人的信息可以写入文件保存,当然也可以从文件中读取3.只是巩固近两天学习的基本知识,程序诚然后很多不完善的地方,随着后续学习的深入,逐渐更新import pickle # Python的标准模块,可以...原创 2018-07-27 18:07:52 · 31831 阅读 · 28 评论 -
Python入门(五)基础练习20例(上)
暑假前简单看了python3的基础语法,开学后忘的差不多了,于是开始刷菜鸟教程的基础练习,就当温习基础用法吧。 1.输出“Hello Wrold”2.通过用户输入两个数字,并计算两个数字的和3.求用户输入数的平方根4.计算二次方程的解5.计算三角形的面积6.生成随机数7.摄氏温度转为华氏温度8.数值交换9.根据If语句...原创 2018-09-20 15:55:45 · 734 阅读 · 0 评论 -
Python入门(六)常用语法复习
好久没有联系过Python的代码了,最近要开始写界面了,所以简要复习了一下。"""1.编码问题"""# 默认情况下,Python 3 源码文件以 UTF-8 编码,所有字符串都是 unicode 字符串print("你好,Python")""" 2.关键字 "&quo原创 2018-12-14 14:46:59 · 426 阅读 · 3 评论 -
Fluent Python | 函数装饰器、迭代器和生成器
写在前面:Fluent Python 系列是学习《Fluent Python》的笔记 ~这是一本适合Python进阶的书,不仅有一些高级语法,作者对部分底层实现也有讲解,以便于我们理解Python的设计,比如为什么普通字典是无序的呢?函数装饰器1 变量作用域2 闭包3 装饰器3.1 基本概念和写法3.2 装饰器何时执行3.3 标准库中常用的两个装饰器函数3.4 参数化装饰器4 小结1 变量作用域注意函数体内赋值的局部变量与函数体外同名全局变量  .原创 2021-10-12 22:08:02 · 411 阅读 · 0 评论 -
Deep Learning with Pytorch | Chapter 1 Introduction deep learning and the PyTorch Library
最近需要使用PyTorch搭建模型,由于时间上比较宽松,所以找了本书学习了一下PyTorch的基本知识作为入门。选的书籍为《deep learning with pytorch》,这本书总体上分为三个部分: 第一部分介绍PyTorch的基本知识:预训练模型、基本数据结构、搭建神经网络、建立卷积神经网络;包含章节为 Chapter 1——Chapter 8; 第二部分使用Pytorch解决一个具体的问题:肺癌检测;包含章节为 Chapter 9——Chapter 14; 第三部分包含单独的章节——原创 2020-09-22 17:51:15 · 255 阅读 · 0 评论 -
Deep Learning with Pytorch | Chapter 2 Pretrained networks
第二章主要介绍如何使用PyTorch加载预训练模型,包括预训练的残差网络、生成对抗网络和图像理解网络。 使用预训练模型的好处一方面是当我们没有足够的GPU支持时,可以使用别人已经预训练好的模型,如果恰好预训练采用的数据集包含我们自己需要解决的问题的数据,就可以直接使用自己的图片进行预测。个人入门深度学习是需要解决视频行人检测的问题,但由于没有GPU的支持,只能使用Google已经预训练好的行人检测模型(SSD和Faster RCNN),恰好预训练的数据集包含行人这类样本,所以当时根本就不需要再重新原创 2020-09-23 22:31:33 · 440 阅读 · 0 评论 -
Deep Learning with Pytorch | Chapter 3 It starts with a tensor
第三章主要介绍Pytorch中最基本的数据结构——tensor的使用方法:创建、运算、存储、与Numpy的互操作性等。Chapter 3 It starts with a tensor简介Tensor的定义索引命名类型存储元数据和连续性设备与Numpy的互操作性序列化练习简介神经网络通常是分阶段地学习数据从一种表达到另一种表达的转换,这意味着每个阶段的转换数据可以被看做是中间表达序列。例如在图像识别中,浅层的表达可以是边缘或者特定的纹理,而深层的表达可以捕获更加复杂的结构,如耳朵、鼻子和眼睛。原创 2020-10-05 21:45:43 · 374 阅读 · 0 评论 -
Deep Learning with Pytorch | Chapter4 Real-wrold data representation using tensors
第四章主要内容:如何将视频、图片、文本等数据表达成tensor的形式,以适合于训练神经网络。(本文是原书第四章部分内容,个人侧重学习图像数据)。说明:(1)本章涉及到从磁盘读取相应的数据,因此代码里含有存储路径的位置都需要改成自己下载的数据对应的存储位置。(2)文中The Wine Quality dataset下载路径 Chapter4 Real-wrold data representation using tensors二维图像数据三维体数据表格数据今日分享二维图像数据图像原创 2021-01-18 19:54:07 · 209 阅读 · 0 评论 -
Deep Learning with Pytorch | Chapter5 The mechanics of learning
1 本章内容概览 2 从数据中学习本书中所说的“拟合”数据或者让算法从数据中“学习”:这个过程是指:给定一个函数(模型),其参数未知,但可以从给定的数据中进行预测;从数据中学习假定底层的模型不是为了解决一个具体的问题而专门设计的,而是能够近似一系列的函数族;本书涉及的“模型”:并不是为了解决一个特定的问题而设计,而是在给定输入和输出对的情况下,能够针对许多相似任务中的任何一个进行自适应地具体化。学习的具体过程给定输入数据、对应的输出值(一般还称之为ground tr原创 2021-01-27 17:28:00 · 274 阅读 · 0 评论 -
Deep Learning with Pytorch | Chapter6 Using a neural network to fit the data
本章重点:1. 介绍神经网络的基本概念,包括神经元的计算、构成多层神经网络、激活函数的作用等;2. 使用Pytorch构建一个简单的神经网络,使用Chapter5中温度转换的数据,主要内容为Pytorch中如何定义每层、如何定义损失函数。 Chapter6 Using a neural network to fit the data1 本章内容概览2 人工神经网络3 Pytorch 构建简单的神经网络nn.Module基本数据处理定义线性模型设置batch优化batch定义一个简单的神经网络4原创 2021-03-13 13:48:43 · 260 阅读 · 0 评论 -
Deep Learning with Pytorch | Detection of lung cancer_Chapter9 Introduction the project
1 简介《Deep Learning with Pytorch》Chapter9-14构建了一个简单的肺癌检测(early detection of lung cancer)项目。数据:公开数据集的CT扫描数据(三维) →\rightarrow→人身体内不同物质(比如骨骼、组织、脂肪、空气、水等)含有不同的密度值,CT扫描可以获取这些物质的密度信息,根据密度值范围的不同则可以区分不同的物质。模型:基于三维卷积神经网络。我本人不是专门做医学图像处理研究的,但涉及过目标检测、三维图像处理、X-Ray预原创 2021-04-08 11:57:09 · 225 阅读 · 0 评论 -
Deep Learning with Pytorch | Detection of lung cancer_Chapter10 Data processing
1 简介Chapter 10 完成肺癌检测项目的数据处理工作。分类模型的输入是:包含候选结节的三维数据块;输出是:判断是否为真正的结节,如果是则给出结节的坐标。因此数据预处理要完成以下工作:解析数据集给出的两个标注文件,得到用于分类的候选结节的信息,包括:(1)唯一标识ID(2)候选结节状态(是或不是真正的结节,对应正负样本)(3)候选结节的中心坐标(4)候选结节的直径加载CT扫描数据进行坐标轴转换(1)CT扫描的数据基于病人身体坐标,假设以肚子为原点,则肚子左右为X轴方向,原创 2021-04-08 13:46:23 · 232 阅读 · 1 评论 -
Deep Learning with Pytorch | Detection of lung cancer_Chapter11 Classification model
1 简介Chapter11 为肺癌检测项目初步设计了一个简单的三维卷积神经网络模型,用于候选结节的分类。这是一个二分类问题,输入是Chapter 10构建的三维数组,输出要么是结节,要么不是结节。几个可以借鉴思考的点:关于三维卷积神经网络的设计由二维卷积模型到三维卷积模型,虽然只增加了一个维度,但参数量和设计的复杂度其实提升了很多。Pytorch中Conv.3d接受的数据输入格式为:(N,C,D,H,W)(N, C, D, H, W)(N,C,D,H,W),需要注意C代表Channel, D代表原创 2021-04-09 21:51:59 · 287 阅读 · 0 评论 -
Deep Learning with Pytorch | Detection of lung cancer_Chapter12 Improving training
Chapter 12 Improving training with metrics and augumentation1 简介2 定义recall、precision、F1 socre3 数据集样本的分布情况4 过拟合和数据增广5 小结1 简介 在Chapter 11中,作者初步设计了一个三维卷积神经网络用于候选结节的分类(二分类问题:是否为真正的结节)。存在的问题是:分类模型虽然取得了不错的准确率,但是模型在正样本(是真正的结节)上的性能非常差,几乎是把所有的原创 2021-04-16 16:17:03 · 250 阅读 · 1 评论