Python
文章平均质量分 67
风华明远
目前研究Tensorflow 以及 tkinter
展开
-
关于二分法的问题
二分法的实现以及问题原创 2022-12-06 14:55:35 · 287 阅读 · 1 评论 -
力扣884. 两句话中的不常见单词--python用2行代码实现
2行代码解决力扣88原创 2022-09-29 17:02:58 · 299 阅读 · 0 评论 -
python:生成带有*.pyd文件的wheel
python 生成wheel安装文件原创 2022-09-02 23:16:10 · 600 阅读 · 0 评论 -
python 编程效率:列表(list)生成和删除
python列表生成和删除的效率原创 2022-08-25 17:31:57 · 899 阅读 · 0 评论 -
python 调用c程序--pyobject实现
python 调用c程序,pyobject原创 2022-08-23 19:44:09 · 1193 阅读 · 0 评论 -
python调用c++动态库
python调用动态库原创 2022-08-23 11:22:16 · 7550 阅读 · 0 评论 -
python 字符串ascii求和
python 求字符串ascii总和的方法原创 2022-08-18 21:34:15 · 2116 阅读 · 0 评论 -
KMP方法
KMPlayer方法原创 2022-08-08 15:53:50 · 81 阅读 · 0 评论 -
python:bisect查找和排序
python的二分查找模块bisect原创 2022-08-01 10:43:42 · 218 阅读 · 0 评论 -
python折半查找
折半查找原创 2022-07-30 15:03:08 · 525 阅读 · 0 评论 -
pytorch的安装注意事项
pytorch初学者安装指南。原创 2022-07-30 09:19:14 · 498 阅读 · 1 评论 -
用Mittens实现Glove算法 - 如何实现初始化固定
在mittens.GloVe中使用固定的初始化参数。原创 2022-07-29 11:18:49 · 348 阅读 · 5 评论 -
力扣:合并两个有序链表
合并有序链表原创 2022-06-22 09:18:47 · 238 阅读 · 0 评论 -
Python 数值比较的效率
python数值比较运算效率原创 2022-06-21 14:56:15 · 711 阅读 · 0 评论 -
python cv2.HoughCircles 霍夫圆检测
cv2的HoughCircles函数的用法。不同的param1和param2参数对检测结果影响很大原创 2022-06-10 11:55:59 · 14473 阅读 · 0 评论 -
Python cv2 accumulate 函数族
介绍cv2的accumulate函数族原创 2022-06-09 14:41:44 · 857 阅读 · 0 评论 -
matplotlib的imshow函数显示灰度图像要设置vmin和vmax2个参数
matplotlib的imshow函数在显示灰度图像的时候要设置vmin和vmax2个函数原创 2022-06-08 09:51:42 · 4698 阅读 · 0 评论 -
十三种基于直方图的图像全局二值化算法原理、实现、代码及效果
十三种基于直方图的图像全局二值化算法实现原创 2022-06-07 11:53:05 · 1673 阅读 · 0 评论 -
numpy数组访问的效率研究
numpy数组如何访问比较高效?使用numpy提供的方法,还是自定义方法?如果数组很大,毫无疑问使用numpy提供的方法最高效。本文研究了查找numpy最大值、最小值、四则运算、特定值查询等4种情况。原创 2022-05-23 17:12:08 · 477 阅读 · 0 评论 -
阈值分割的三角方法以及Python实现
三角法计算阈值分割图像的分析以及Python实现,并与cv2的threshold函数cv2.THRESH_TRIANGLE参数进行了比较。二者的结果完全一致。原创 2022-05-18 16:51:18 · 1773 阅读 · 0 评论 -
基于阈值的7种图像分割方法以及Python实现
阈值图像分割的7种方法之固定阈值和双峰法原创 2022-05-17 13:27:25 · 17749 阅读 · 1 评论 -
提高Python程序性能的小技巧
使用python库函数、方法可以提高程序执行效率原创 2022-05-17 08:58:21 · 327 阅读 · 0 评论 -
CV2 Sobel算子实现方法研究
CV2 Sobel算子Sobel算子Sobel算子生成1. Sobel算子的数学基础(大部分内容来源于第一个链接)距离的3种数学描述Sobel算子Sobel算子是在Prewitt算子基础上增加了权重。典型的Prewitt算子为:2个算子分别对应x方向和y方向的差分。Sobel算子在Prewitt算子的基础上增加了权重。其典型的算子为:关于Sobel算子的生成有2种不同的解释。见本文第二部分Sobel算子生成Sobel算子的生成有2种解释:一种方法是数学方法。链接中有详细的描述。另外一种是基原创 2022-05-13 11:40:57 · 1094 阅读 · 0 评论 -
Python tkinter Entry 属性和方法介绍
介绍Python tkinter中Entry(输入框)的属性以及方法。包括了所有参数说明以及代码用例。可以通过下拉框查看代码和效果原创 2022-05-07 11:22:48 · 8619 阅读 · 0 评论 -
Python tkinter Button 属性和方法介绍
介绍了python tkinter的Button所有属性和方法,并用代码实现了这些属性和方法。原创 2022-05-06 08:31:56 · 3742 阅读 · 0 评论 -
python tkinter Label使用
提供了tkinter 标签(Label)的所有属性示例以及设置方法。提供了python程序。原创 2022-05-04 15:41:27 · 3740 阅读 · 1 评论 -
python3 中的排序问题sorted、attrgetter
python3 排序 attrgetter原创 2022-04-28 11:34:44 · 1141 阅读 · 0 评论 -
python 爬虫 智联招聘
本方法使用cookie的方法下载智联招聘的职位。主要就是要先登录智联招聘,然后将对应的cookie作为爬虫访问的header。代码如下:import requestsimport reimport xlwtdef parse_one_page(html): ''' 解析HTML代码,提取有用信息并返回 ''' # 正则表达式进行解析 pattern = re.compile('<span title=.*? class="iteminfo__line1原创 2021-05-18 22:22:21 · 2043 阅读 · 0 评论 -
NLTK 实现决策树分类器DecisionTreeClassifier
NLTK也提供了决策树分类器(DecisionTreeClassifier)。不过它的用法与sklearn中的不同,而且提供的例子是文本分类的例子,收敛很慢。本文根据sklearn中的鸢尾花例子修改。因为NLTK的决策树分类器与sklearn的输入数据格式不同,需要修改。鸢尾花是有4个参数的,因此需要用iris_features将4个参数组合为一个参数:def iris_features(iris,result): features = {} for item in iris:原创 2021-05-09 23:18:37 · 375 阅读 · 0 评论 -
NLTK CrossValidationProbDist的一个bug
NLTK的CrossValidationProbDist实现有一个bug。CrossValidationProbDist的父类是ProbDistI,其中定义了一个抽象方法max。但是在CrossValidationProbDist没有实现此方法,因此在调用CrossValidationProbDist时会产出错误:Traceback (most recent call last): File "D:/py/crm/临时文件.py", line 8, in <module> cv =原创 2021-05-07 09:45:48 · 124 阅读 · 0 评论 -
古德图灵估计(Good-Turing Estimation)
古德-图灵估计最早发表于1953年。其核心思想是用r取代原始的r。举例说明如下:假设有单词组“the the the big big dog”,其中the出现3次,big出现2次,dog出现1次。正常的情况下计算单词出现的频次只需要用单词出现的次数/总单词数。比如the的频次=3/6=0.5。但是如果考虑到未出现的单词,比如eat,算法上需要如何处理?古德-图灵算法将已经出现的单词的频次进行调整,将出现次数r定义为(r+1)*(出现r+1次单词的个数)/ (出现r次单词的个数)。通过计算可以得到新的频次原创 2021-05-03 21:35:48 · 3404 阅读 · 1 评论 -
使用NLTK做电影评论分析
NLTK软件包包含了电影评论和分类器,可以比较容易实现电影评论的分类:正面评价还是负面评价。本文的算法使用了分句、分词、去停用词、词性标注、词性还原,而不是直接将电影评论分词后直接使用。尽管效果类似,但是这样处理更贴近实际应用情况:from nltk.corpus import movie_reviewsfrom nltk import tokenizefrom nltk.corpus import stopwordsfrom nltk import pos_tagimport nltk.clas原创 2021-04-29 14:09:27 · 1121 阅读 · 0 评论 -
nltk包下载慢的解决方案
nltk是常用的自然语言工具包。但是在下载nltk包的时候,经常会碰到无法连接的情况,尤其是使用nltk.download()图像化界面的时候。这是因为默认的服务器是基于https的,很难连接。建议使用http://www.nltk.org/nltk_data/这个服务器,直接在输入框替换就可以。替换后如下图:...原创 2021-03-17 20:06:11 · 439 阅读 · 0 评论 -
TensorFlow高阶张量叉乘
设A为[d1,d2,…dn,m,p]的张量,B为[d1,d2,…dn,p,n] 的张量,那么称[d1,d2,…dn,m,n]的张量C为张量A与B的叉乘。举例如下:import tensorflow as tfa=range(72)b=tf.reshape(a,[3,2,3,4])b=tf.cast(b,dtype=tf.float32)c=tf.reshape(b,[3,2,4,3])print(tf.matmul(b,c))print(b@c)...原创 2021-02-27 07:28:07 · 1030 阅读 · 0 评论 -
对Tensorflow 分词器texts_to_matrix的理解
在实现上,这个函数是调用了sequences_to_matrix,为了便于理解使用texts_to_matrix作为分析。毕竟单词比数字更直观。对于下面的单词组:texts=[['hello','world'], ['hello','Jim','hello','Rose'], ['home']]texts是一个二维数组,可以看作是文章的集合。如果我们要得到hello在每篇文章中的出现次数,要怎么处理?显然texts_to_matrix是可以完成这个功能的。但是问题是如何生成参数是个问题。原创 2021-02-09 10:04:20 · 685 阅读 · 0 评论 -
Tensorflow中random_channel_shift实现的问题
在Tensorflow中,有一个处理图像的函数random_channel_shift。其源代码如下:def random_channel_shift(x, intensity_range, channel_axis=0): """Performs a random channel shift. # Arguments x: Input tensor. Must be 3D. intensity_range: Transformation intensity原创 2021-02-06 19:17:48 · 522 阅读 · 0 评论 -
Tensorflow 预处理模块之skipgrams
tf.keras.preprocessing.sequence.skipgrams()是Tensorflow预处理模块的一个函数,其功能是根据输入条件生成词汇对。因为可能是跳n个词生成的词汇对,所以也叫跳字模型。其定义如下:tf.keras.preprocessing.sequence.skipgrams(sequence, vocabulary_size, window_size=4, negative_samples=1., shuffle=True, categorical=Fals原创 2021-02-05 14:36:39 · 912 阅读 · 0 评论 -
tensorflow 自定义metrics
tensoflow的自定义metrics类需要重定义下面3个方法:init初始化类,主要包括注册权重变量,自定义类的名字update_state此方法是关键的一个方法,更新指标就在这个方法中实现result返回结果其他的方法可以直接继承Metric基类,比如reset_state,get_weights等方法。按照上述方法,简化实现了MeanAbsoluteError类:class MyMAE(tf.keras.metrics.Metric): def __init__(sel原创 2021-02-03 17:28:24 · 3390 阅读 · 5 评论 -
Tensorflow Embedding层
Tensorflow的Embedding层实际功能就是完成从一个数组到另外一个数组的映射。比如数组x=[0,2,1,0,1,0],经过下面的Embedding层后,得到的输出为:import tensorflow as tfx = [0,1,1.2,0.4,1,0,2]model = tf.keras.Sequential()model.add(tf.keras.layers.Embedding(3, 2, input_length=7))#输入维,输出维model.compile('rmspro原创 2021-01-25 17:08:37 · 3959 阅读 · 4 评论 -
tesnforflow之tf.function,fit和使用cpu训练自编码器所需时间
这只是简单的对比,结果如下:方法时间tf.function1.5030秒/次fit1.9616秒/次cpu2.1381次/秒可能不同的配置会有不同的变化,这个只是简单的对比。import osimport numpy as npimport tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import Sequential, layersimport timetf原创 2021-01-23 09:28:46 · 332 阅读 · 2 评论