- 博客(53)
- 收藏
- 关注
RSS订阅原创 Linux安装python虚拟环境：Linux创建指定Python版本的虚拟环境教程
虚拟环境:虚拟环境为python特有的一套软件环境, 可以创建多套不同的python版本，用于运行不同状态的python项目 优点：不同环境之间完全隔离Linux系统以创建Python3.6.6的虚拟环境为例：1.先下载源码包：wget https://www.python.org/ftp/python/3.6.6/Python-3.6.6.tgz2.解压：tar -zxvf Python-3.6.6.tgz3.进入解压后的Python3.6.6文件下：① 进入文件夹..
2021-06-21 22:15:39
2269
原创 超分辨率重建——（一）何为超分和分类
图像超分辨重建图像超分辨率（SR）是计算机视觉中提高图像和视频分辨率的一类重要技术。图像超分辨率重建( Super-resolution Reconstruction，SR) 是由一张或多张低分辨率图像得到高分辨率图像的过程．存在问题：传统图像 SR 算法包括基于重构和基于样例学习的方法，这些方法普遍难以恢复高频细节信息，导致重建图像模糊且计算复杂、实时性不高等问题，不适用于大放大因子( 如 × 4、× 8) 的要求． 为解决这些问题，近年来人们将深度学习用于图像 SR 中． 如今，基于深度学习
2021-06-14 15:45:22
4334
1
原创 Java学习心得——整数太大的错误
IntTest.java:3: 错误: 整数太大 long c = 2147483648; ^1 个错误上述报错的源代码为：public class IntTest{ public static void main(String[] args){ long c = 2147483648; System.out.println(c); }}这个问题的本质是： Java在任何情况下，处理整数型的“字面量（数据）”时，默认会将字面量...
2020-12-18 15:47:34
7802
原创 django-认证系统
由于我们自己定义了模板，所以我们需要手动添加自己的认证模块。这个一定要添加，否则会在迁移文件时候报错。在setting.py 中，# django认证系统使用的模型类AUTH_USER_MODEL = 'user.User'
2020-05-14 18:07:17
163
原创 富文本编辑器 - django
1、导入 富文本编辑器模块from tinymce.models import HTMLField2、setting.py注册 'tinymce', # 富文本编辑器3、继续富文本配置：# 富文本编辑器配置TINYMCE_DEFAULT_CONFIG = { 'THEME': 'advanced', 'width': 600, 'height': 400,}4、富文本编辑器urls设置： path('tinymce/', inclu
2020-05-14 18:01:02
122
原创 Django的首次配置
1、通过pycharm创建django项目。2、通过运行manage.py@dailyfresh > startapp app名称 创建app并且在项目创建一个apps文件夹，存放所有的项目。3、在setting.py中注册所有的app，由于我们将他们放置在了apps文件夹中，所以需要重新设置搜索路径。4、数据库配置：并进行初始化：import pymysqlpymysql.version_info = (1, 3, 13, "final", 0)p...
2020-05-14 17:13:40
129
原创 乌班图 卸载mysql
sudo apt purge mysql-* sudo rm -rf /etc/mysql/ /var/lib/mysql sudo apt autoremove sudo apt autoreclean
2020-05-13 23:05:48
244
原创 图像处理（三）（OpenCV）------图像运算
每个处理过程都是用代码跟注释进行解释。使用图片：代码：import numpy as npimport cv2 as cvdef img_add(): """ 图像的加法 1、+ 超过255时， a+b = mod(a+b, 256):除以256取余 取模运算，能够使可能相对较大的数值变小，从而变暗...
2019-12-01 11:18:09
332
原创 图像处理（一）（OpenCV）------图像的处理基础
直接上代码，代码行基本上都会有注释，非常简单，一看就懂。import randomimport cv2 as cvimport numpy as np"""图像的基本表示方法：1、二值图像 2、灰度图像 3、彩色图像 1、二值图像： 仅包含黑（0）白（1）两种颜色的图片 2、灰度图像： 从黑色到白色（0-255）的进化...
2019-11-29 10:53:16
232
原创 图像处理（一）（OpenCV）------图像的读取与保存
图像的读取与保存：官方文档关于imread（）函数flag标记值的介绍这部分很简单，不需要过多的赘述。import cv2 as cvdef read_save(): # 读取一幅图片,打印像素值 lena = cv.imread("222.bmp") print(lena) # 显示图片 # ① 创建指定名称的窗口：lesson ...
2019-11-28 16:44:45
140
原创 机器学习-------算法（十二）
分类算法-----逻辑回归逻辑回归主要是一个二分类问题，是解决二分类的重要工具。同样的都是回归性质，它本身也存在损失问题-----损失函数损失函数： 均方误差（线性回归） 对数似然损失（逻辑回归）解决方法： 均利用梯度下降法求解即可。API：•sklearn.linear_model.LogisticRegre...
2019-11-25 15:58:47
115
原创 机器学习------模型的保存与加载
API：from sklearn.externals import joblib保存： # estimator测试 # ①正规方程求解 lr = LinearRegression() lr.fit(x_train, y_train) # 模型保存 joblib.dump(lr, "./text.pkl")加载： #...
2019-11-24 23:05:18
269
原创 机器学习-------算法（十一）
线性回归：过拟合或欠拟合过拟合：一个假设在训练数据上能够获得比其他假设更好的拟合， 但是在训练数据外的数据集上却不能很好地拟合数据，此时认为这个假设出现了过拟合的现象。(模型过于复杂)欠拟合：一个假设在训练数据上不能获得更好的拟合， 但是在训练数据外的数据集上也不能很好地拟合数据，此时认为这个假设出现了欠拟合的现象。(模型过于简单)欠拟合：•原因：•学习到数据的特征过少...
2019-11-24 22:44:56
102
原创 机器学习-------算法（十）
回归算法：线性回归线性回归通过一个或者多个自变量与因变量之间之间进行建模的回归分析。其中特点为一个或多个称为回归系数的模型参数的线性组合由于在预测过程中，并非是完全线性的函数，对于部分测试点存在偏差，我们只是找到一个比较好的函数能够保证基本上所有的点都在这个线性函数的上下浮动，因此存在一定的误差--------称为损失函数（用于描述误差大小）为解决这个问题我们可以用两种方法去...
2019-11-24 17:16:22
141
原创 机器学习-------算法（九）
分类算法的总结：K-近邻，朴素贝叶斯，决策树，随机森林：一般过程：①获取数据②处理数据③特征工程④进行算法流程（如果含有超参数可以进行超参数预测来增加算法的稳定以及效率）分类算法的API一般都在API：sklearn。# database 一些本地的datafrom sklearn.datasets import load_iris, fetch_2...
2019-11-23 00:08:45
68
原创 机器学习-------算法（八）
分类算法：决策树与随机森林（一）决策树： 决策树思想的来源：程序设计中的条件分支结构就是if-then结构，最早的决策树就是利用这类结构分割数据的一种分类学习方法先学知识：信息论基础信息熵：H = -(p1logp1 + p2logp2 + ... + p32log32)p1 `````p32 是指的概率 比如A班对B班，胜率一个为x，另一个...
2019-11-22 15:58:27
560
原创 机器学习-------算法（七）
模型的选择与调优：主要方法：1.交叉验证 2.网格搜索交叉选择和网格搜索的结合是为了能够寻找一个合适的超参数。交叉验证：数据分为：训练集与测试集。现在我们撇开测试集，只是对训练集进行操作，将训练集分为训练集与验证集。网格搜索：调参数 K-近邻的超参数K值的选择。通常情况下，有很多参数是需要手动指定的（如k-近邻算法中的K值）...
2019-11-21 16:41:41
205
原创 机器学习-------算法（六）
分类模型的评估：对于分类模型我们不能只是建立起来，而不对它的性能的好坏进行评估。一般方法有 ：准确率，精确率，召回率。精确率：预测结果为正例样本中真实为正例的比例（查得准）召回率：真实为正例的样本中预测结果为正例的比例（查的全，对正样本的区分能力）我们着重讲解一下召回率：换句话说召回率就是你判断的真实结果与现实的真实结果之间的比例。例如：现实中你有十个苹果，但是你用某种方法...
2019-11-21 15:59:56
81
原创 机器学习-------算法（五）
分类算法----朴素贝叶斯算法贝叶斯公式：P(C)：每个文档类别的概率(某文档类别词数／总文档词数)P(W│C)：给定类别下特征（被预测文档中出现的词）的概率计算方法：????????1????=????????/????方法：P(F1│C)=Ni/N （训练文档中去计算） ????????为该????1词Ni为该F1词在C类别所有文档中出现的次数 N为所属类别C下的文档所有词出现的次...
2019-11-17 23:40:12
141
原创 机器学习-------算法（四）
分类算法----K近邻算法：算法描述：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。（一）最重要的一点就是求距离。距离公式----欧氏距离上述公式就是求了两者之间的距离。相似的样本，特征值之间的值应该是相似的。附加：K-近邻算法：为防止某一项对结果的影响，需要做标准化处理。（二）API：AP...
2019-11-17 20:00:05
153
原创 机器学习-------算法（三）
本文开始呢，正式介绍机器学习的相关算法。算法可以分为：①监督学习：特征值 + 目标值 ②无监督学习： 特征值分类： 目标值是 离散型回归： 目标值是 连续型•监督学习•分类 k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络•回归 线性回归、岭回归•标注 隐马尔可夫模型•无监...
2019-11-17 17:05:42
105
原创 机器学习-------算法（二）
一、sklearn数据集与估计器：（一）数据集的划分： ①训练数据集（75%）：用于训练，通过算法构建模型 ②测试数据集（25%）：对于模型的检验与评估（二）API： sklearn.model_selection.train_test_split（三）scikit-learn数据集API介绍 （1）分类的数据集...
2019-11-17 11:00:58
238
原创 机器学习-------算法（一）
第二阶段是对部分算法的学习1、sklearn数据集与估计器2、分类算法-k近邻算法3、分类算法-朴素贝叶斯算法4、模型的选择与调优5、决策树与随机森林...
2019-11-17 09:46:12
173
原创 简单小结
一、特征工程（一）特征抽取：特征抽取针对非连续型数据特征抽取对文本等进行特征值化（1）对字典类型的特征抽取： 将字典类型的数字转换为one-hot编码（2）对文本数据进行特征值化： count：统计次出现的次数 tdidf ：考虑到了词的重要性（一般用这个）（二）特征预处理： ...
2019-11-17 09:41:41
88
原创 机器学习-------特征工程（三）
数据的降维：简单来说就是讲特征数量减少。去掉不需要的特征。常用方式：特征选择 主成分分析特征选择：主要方法：Filter(过滤式):VarianceThreshold（方差） Embedded(嵌入式)：正则化、决策树（后期介绍） Wrapper(包裹式)、 神经网络...
2019-11-17 00:45:55
108
原创 机器学习-------特征工程（二）
特征预处理：通过特定的统计方法（数学方法）将数据转换成算法要求的数据API: sklearn. preprocessing 数值型数据：标准缩放： 1、归一化 2、标准化 3、缺失值类别型数据：one-hot编码时间类型：时间的切分归一化： 特点：通过对原始数据...
2019-11-16 10:48:48
103
原创 机器学习-------特征工程（一）
本文作为特征抽取补充文档，但是更为重要！！！特征抽取方式二：TF-IDFTF-IDF的主要思想是：如果某个词或短语在一篇文章中出现的概率高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。目的：用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。API:sklearn.feature_extraction.text.TfidfVec...
2019-11-16 09:59:28
99
原创 机器学习-------特征工程（一）
本文描述一下特征工程，主要包含以下几个方面：特征抽取 特征预处理 特征降维1、特征抽取特征抽取的API ：sklearn.feature_extraction 字典特征抽取: 类：sklearn.feature_extraction.DictVectorizer 语法结构： ···...
2019-11-16 09:42:39
130
原创 机器学习（一）
本文呢，先简单介绍一下开发流程 接下来将会对每一种算法进行介绍，可能不会涉及太深内容，大概未来的思路就是学会怎么使用算法，具体算法实现原理本人也没有精通只是一知半解。原谅在这方面的不足。开发流程：① 明确自身做什么，并且拥有原始数据② 对获得原始数据进行基本处理，例如用pd进行去数据处理③ 特征工程④ 选择合适的算法进行预测⑤ 模型评估，判断模型效果 ...
2019-11-15 17:04:02
63
转载 python之pillow应用
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。本文链接：https://blog.csdn.net/u010155987/article/details/85466007pillow介绍与应用请点击上方链接，本文转载于他人，请直接点击链接查看。...
2019-09-30 23:54:31
518
原创 图像处理
pillow介绍from PIL import Image""" 旋转 镜像 垂直镜像 水平镜像 转置（x，y变换） 缩放 放大 缩小"""# 文件的基本信息def basic_information(): global im im = Image.open("111....
2019-09-30 23:42:13
118
原创 udp
package com.s;import java.io.IOException;import java.net.DatagramPacket;import java.net.DatagramSocket;import java.net.InetAddress;import java.net.SocketException;public class Server { publi
2017-12-25 16:55:05
103
原创 tcp
package victor;import java.io.DataInputStream;import java.io.DataOutputStream;import java.io.OutputStream;import java.net.ServerSocket;import java.net.Socket;public class TCPServer { public
2017-12-14 18:07:05
115
原创 work
package cn.dustray;import java.util.Random;publicclassTestMain{publicstaticfinalObject lock=newObject();publicstaticboolean isGuessDone=false;publicstaticint bingoNum
2017-12-14 16:01:26
109
原创 路人过河
package victors;import java.util.Random;public class Test { public static void main(String[] args) { // TODO 自动生成的方法存根 Guoddong guoddong = new Guoddong(); // Thread thread = new Thread()
2017-12-14 15:32:11
273
原创 work10
package work10;import java.awt.BorderLayout;import java.awt.Container;import java.awt.GridLayout;import java.awt.event.*;import java.security.cert.CollectionCertStoreParameters;import javax.swi
2017-12-05 20:58:00
183
原创 BOOK
package Kuang;import java.util.ArrayList;import java.util.Collections;import java.util.HashMap;import java.util.List;import java.util.Map;import java.util.Scanner;public class Test { p
2017-11-30 17:47:03
155
原创 work9 2
package TreeM;import java.util.*;public class Treem { public static void main(String[] args) { // TODO 自动生成的方法存根 TreeMap tm = new TreeMap(); tm.put(""+1, "a"); tm.put(""+3, "s");
2017-11-28 10:27:31
149
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