"Python小白逆袭大神"飞桨课程体会及知识点总结

"Python小白逆袭大神"飞桨课程体会及知识点总结

整体课程体会

1、整体课程的知识密度还是比较大的，包含python基础知识（含numpy\pandas\matplotlib\PIL）、爬虫、深度学习（nlp、cv）概述、PaddleHub体验与应用、EasyDL体验等内容。
2、课程设计比较用心，知识点循序渐进，小白也可以跟得上，关键是不拖节奏。
3、可以在 AI studio上白嫖算力完成作业，会有人给作业打分，毕业好多年没有“写作业-批作业”的体验了（白嫖是我快乐）
4、如果一定要找缺点，就是AI studio环境偶尔不稳定，小白配置起来可能需要花费一些时间。

知识点总结

下面主要记录一下学到的比较重要的知识点：

1. Python随机数
   调用 random.random() 生成随机数时，每一次生成的数都是随机的。但是，当预先使用 random.seed(x) 设定好种子之后，其中的 x 可以是任意数字，此时使用 random() 生成的随机数将会是同一个。

import random
ran = random.random()
>>0.5835577694694334
ran = random.randint(1,20)
>>8

print ("------- 设置种子 seed -------")
random.seed(10)
print ("Random number with seed 10 : ", random.random())
>>Random number with seed 10 :  0.46300735781502145

# 生成同一个随机数
random.seed(10)
print ("Random number with seed 10 : ", random.random())
>>Random number with seed 10 :  0.46300735781502145

2. PIL库

from PIL import Imag
im = Image.open('test.png')  # 读取图片
im.rotate(45).show()  # 将图片旋转，并用系统自带的图片工具显示图片

im.thumbnail(size, Image.ANTIALIAS)  # 等比例缩放

#Image.convert(mode=None,matrix=None,dither=None,palette=0,color=256)
#使用下面的方式也可以实现图像的灰度化处理
 im = im.convert("L")

#常用的图片的融合或者合成函数如下
PIL.image.alpha_composite(im1,im2)
PIL.image.blend(im1,im2,alpha)
PIL.Image.composite(im1,im2,mask)
#上述方法要求im1和im2的mode和size要一致；alpha代表图片占比的意思；mask是mode可以为”1”；”L”或者”RGBA”的size和im1、im2一致的

3. 数据增强（Data Augmentation）
   深层神经网络一般都需要大量的训练数据才能获得比较理想的结果。在数据量有限的情况下，可以通过数据增强（Data Augmentation）来增加训练样本的多样性，提高模型鲁棒性。

4. PaddleHub深度学习 挠头三连体验
   PaddleHub的CV、NLP模型体验还是不错的，后续深入研究一下。
   
   
   
   

作业总结

1. 遍历文件夹查找文件os.walk()

#导入OS模块
import os
#待搜索的目录路径
path = "Day1-homework"
#待搜索的名称
filename = "2020"
#定义保存结果的数组
result = []

def findfiles():
    #在这里写下您的查找文件代码吧！
    n=0
    for root ,dirs, files in os.walk(path):
        for i in files :
            if i.find(filename) >= 0 :
                n += 1
                result.append([n,root,i])
                print ([n,root+"/"