python 学习一张图

python学习一张图,python的特点的是学的快,一段时间不用,忘记的也快,弄一张图及一些入门案例吧。


写一个简单的测试:

#!/usr/bin/python
# -*- coding: UTF-8 -*-
import os

def add_num(a, b):
	return a + b


if __name__ == '__main__':
	a = 5
	b = 3
	c = add_num(a, b)
	print(c)
	print ("Hello, spell!") 
	print(os.getcwd())

来一个面向对象设计的:

#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
class Employee:
   '所有员工的基类'
   # 这个是类的共享变量
   empCount = 0
 
   # 初始函数
   def __init__(self, name, salary):
      self.name = name
      self.salary = salary
      Employee.empCount += 1
   
   # 定义函数
   def displayCount(self):
     print "Total Employee %d" % Employee.empCount
 
   def displayEmployee(self):
      print "Name : ", self.name,  ", Salary: ", self.salary

if __name__ == '__main__':
   # 类的初始化
   emp1 = Employee("jack",100)
   emp2 = Employee("sanmu",100)

   emp1.displayEmployee()
   emp1.displayCount()

   emp2.displayEmployee()
   emp2.displayCount()

   # python可以对对象的属性进行灵活的添加h和删除
   print(hasattr(emp1, 'age'))    # 如果存在 'age' 属性返回 True。
   print(setattr(emp1, 'age', 8)) # 添加属性 'age' 值为 8
   print(getattr(emp1, 'age'))    # 返回 'age' 属性的值
   print(delattr(emp1, 'age'))    # 删除属性 'age'   print(getattr(em1.empCount))

非常简单,推荐一个Python  的学习网站:

Python 基础语法 | 菜鸟教程

这种东西不用记,现学现用,用了就忘,都没有关系,你要的目标达成了就可以。

下次来个数据分析的,这个比较实用。

要区分一张片,需要进一步明确你希望区分的内容是什么。以下是一些可能的场景和对应的解决方案。 1. 区分片的格式:使用Python的Pillow库可以方便地读取和处理片文件,可以使用`Image.open()`方法读取片,并使用`Image.format`属性获取格式信息。 ``` from PIL import Image img = Image.open('path/to/image.jpg') print(img.format) ``` 2. 区分片的颜色:可以使用Pillow库中的`Image.getcolors()`方法获取片中出现的颜色及其数量,然后根据颜色数量进行分类。 ``` from PIL import Image img = Image.open('path/to/image.jpg') colors = img.getcolors() if len(colors) == 1: print('黑白片') elif len(colors) <= 256: print('256色片') else: print('彩色片') ``` 3. 区分片中的物体:可以使用深度学习框架如TensorFlow、PyTorch等进行目标检测,或者使用Pillow库中的`ImageDraw`模块进行简单的像处理,例如绘制边框、填充等操作。 ``` from PIL import Image, ImageDraw img = Image.open('path/to/image.jpg') draw = ImageDraw.Draw(img) # 在片上绘制边框 draw.rectangle((100, 100, 200, 200), outline='red') img.show() ``` 4. 区分片的内容:可以使用像分类、像识别等技术进行分类,例如使用预训练的卷积神经网络模型对片进行分类。 ``` import torch import torchvision.transforms as transforms from PIL import Image # 加载预训练的模型 model = torch.hub.load('pytorch/vision:v0.9.0', 'resnet18', pretrained=True) model.eval() # 像预处理 transform = transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize( mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225] ) ]) # 加载片并进行预测 img = Image.open('path/to/image.jpg') img_tensor = transform(img).unsqueeze(0) with torch.no_grad(): output = model(img_tensor) _, predicted = torch.max(output, 1) print(predicted.item()) ```
评论 1
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