还是很好找的,下面给大家推荐一下python都有什么学习资料。
Python的学习资料,网上随便搜都是大把的
不过那些基本上没什么干货
好的学习资料是系统的,全面的
从实战例子,到工具到源码,都全面的很
片面的学习,你肯定是学不好的
而且,大多数资料都是一堆理论的东西,给你看几次,就没了兴趣了
我这里有很多真正的实战项目资料,有需要的可以找我来拿
参考下图找我
sessiona = requests.Session()
headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:47.0) Gecko/20100101 Firefox/47.0','authorization':'oauth c3cef7c66a1843f8b3a9e6a1e3160e20'}
k3_confidence = 0.71
'''
# 可视化数据会被保存在云端供浏览
# 纯属学习,并未看出"角度"范围扩大对图像识别的影响,大部分时候60s内能搞定,说明优图还是很强悍的,识别速度也非常快
'''
runtime_list_x = []
runtime_list_y = []
nn = range(1,11) # 愿意的话搞多线程,1百万次更有意思
# 成功尝试100次,形成2维数据以热力图的方式展示
for y in nn :
for x in nn :
runtime_list_x.append( bolting(-3,3,k3_confidence) )
print( "y: " + str(runtime_list_y) )
print( "x: " + str(runtime_list_x) )
runtime_list_y.append(runtime_list_x.copy())
runtime_list_x = []
print ("-"*30)
print( runtime_list_y )
print ("-"*30)
# pip install plotly 数据可视化
import plotly
import plotly.graph_objs as go
plotly.tools.set_credentials_file(username='username', api_key='username') # 设置账号,去官网注册
trace = go.Heatmap(z = runtime_list_y , x = [n for n in nn ] ,y =[n for n in nn ])
data=[trace]
plotly.plotly.plot(data, filename='weldon-time2-heatmap')
# 尝试后发现一个特点,基本都是1~2个倒置中文,这样我们可以借此提速
# 角度范围放大,仅当识别出倒置中文为1~2个时才提交验证否则放弃继续寻找
### chcp 65001 (win下改变cmd字符集)
### python c:\python34\image_recognition_zhihu.py