- 博客(53)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 A Lip Sync Expert Is All You Need for Speech to Lip Generation In The Wild 翻译
A Lip Sync Expert Is All You Need for Speech to Lip Generation In The Wild
2022-06-15 22:38:28
2882
2
原创 逻辑回归处理数据分类
import numpy as np import pandas as pd import matplotlib.pyplot as plt import matplotlib as mpl import matplotlib.patches as mpaches %matplotlib inline from sklearn.pipeline import Pipeline from sklearn.neighbors import KNeighborsClassifier from skl
2022-05-20 10:14:23
496
1
原创 高级回归处理销售与广告
import numpy as np import pandas as pd import matplotlib.pyplot as plt import matplotlib as mpl %matplotlib inline from sklearn.linear_model import Lasso , Ridge #拉萨回归，铃回归 from sklearn.model_selection import train_test_split #自动切割 from sklearn.model_se
2022-05-20 09:18:58
255
原创 广告与销售回归
import numpy as np import pandas as pd import matplotlib.pyplot as plt import matplotlib as mpl %matplotlib inline from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split path=r"C:\Users\Tsinghua-yincheng\D
2022-05-18 21:43:27
301
原创 逻辑回归预测收入
# 导入库：KNeighborsClassifier import numpy as np from sklearn.neighbors import KNeighborsClassifier import matplotlib.pyplot as plt from matplotlib.colors import ListedColormap %matplotlib inline # 导入sklearn自带数据集 from sklearn import datasets import pandas as
2022-05-18 10:30:21
531
1
原创 KNN近邻算法与手写识别
# 导入库：KNeighborsClassifier import numpy as np from sklearn.neighbors import KNeighborsClassifier import matplotlib.pyplot as plt from matplotlib.colors import ListedColormap %matplotlib inline # 导入sklearn自带数据集 from sklearn import datasets import pandas as
2022-05-15 22:51:12
563
1
原创 KNN近邻算法的一系列实践
简单KNN案例 先选择需要的库 import numpy import matplotlib import sklearn from sklearn.neighbors import KNeighborsClassifier #KNN分类型 我们写入需要的训练数据，x_train和y_train一一对应的 x_train=[[185,80,43],[170,70,41],[163,45,36], [165,55,39],[156,41,35]] #身高，体重，鞋码 y_train=[
2022-05-14 00:26:29
1011
原创 股票数据走势图
import numpy as np import pandas as pd import matplotlib.pyplot as plt import matplotlib.dates as mdate import datetime 设置最后画图时候的参数 # do all our graphics inline %matplotlib inline # Set some pandas options pd.set_option('display.notebook_repr_html', False
2022-05-11 12:35:05
390
原创 分析美帝的投票
import numpy as np import pandas as pd path=r"C:\Users\Tsinghua-yincheng\Desktop\SZday74" pop=pd.read_csv(path+"\\"+"state-population.csv") areas=pd.read_csv(path+"\\"+"state-areas.csv") abbrevs=pd.read_csv(path+"\\"+"state-abbrevs.csv") pop.head(5) are
2022-05-10 00:35:33
236
原创 Numpy总结(上)
Numpy简介 NumPy 是一个 Python 包。 它代表 “Numeric Python”。 它是一个由多维数组对象和用于处理数组的例程集合组成的库。 Numeric，即 NumPy 的前身，是由 Jim Hugunin 开发的。 也开发了另一个包 Numarray ，它拥有一些额外的功能。 2005年，Travis Oliphant 通过将 Numarray 的功能集成到 Numeric 包中来创建 NumPy 包。 这个开源项目有很多贡献者。 Numpy操作 使用NumPy，开发人员可以执行以下操
2022-04-26 21:51:36
296
3
原创 GUI界面高级实战
制作一个最基本界面 import tkinter class BaseWindowShow: def __init__(self): self.win=tkinter.Tk() self.win.geometry("900x800+0+0") def show(self): self.win.mainloop() 做一个可以滚动的界面 import BigData.OutputView import tkinter class OutputV
2022-04-20 23:47:22
965
原创 GUI界面（包含一个轻量级界面）
消息循环与窗体 会出现一个方框，可以设置大小 import tkinter #界面库 # win1 = tkinter.Tk() # win1.title("513") # win1.geometry("800x600")#设置大小 # win1.minsize(400,400)#窗体最小的范围 # win1.maxsize(800,800)#窗体最大的范围 # win1.mainloop() # # win2 = tkinter.Tk() # win2.title("514") # win2.geo
2022-04-17 22:30:02
2155
1
原创 语音控制游戏
语音合成 需要安装win32 import win32com.client sp=win32com.client.Dispatch("SAPI.SPVOICE") #打开语音播放的接口 for i in range(3): sp.Speak("我是凤姐，我爱王毅,wangyi is lovely") #声音组建 else: sp.Speak("老娘喊了那么久，还不从了老娘") 语音识别框架 安装完win32直接运行会报错，需要再打一个文件(百度一下那个报错，我忘掉了~)，我们把需要的内
2022-04-14 00:03:56
6271
2
原创 类的复习总结
枚举类 重载的定义概念 对象构造与销毁 1.构造 init 2.销毁 del 算数运算符 1.+: add默认加法 +=:iadd 右边加法:radd 2.- * /:&: __ add __:加运算 __ sub __:减运算 __ mul __:乘运算 __ div __:除运算 __ mod __:求余运算 __ pow __:乘方 3.类描述运算符: __ str __:默认是地址,修改显示类的信息 __ repr __默认是地址,修改类的信息,repr 4.逻辑运算符: 1.__
2022-04-12 14:41:54
160
原创 类的重载与枚举类
##类的重载 class 色魔: def __init__(self,name): self.name=name def __str__(self): #重载了，转化为str打印的函数 print("str call") return "我是一个色魔，我的名字叫%s" % self.name lianghuafeng=色魔("lianghuafeng") #对象的本质是一个地址 print(lianghuafeng) mylist=[
2022-04-11 00:01:44
249
原创 类的总复习
类的封装 一.用途与意义 1.数据的重用 2.数据的封装权限 二.属性 1.私有属性：私有设计密码权限 三.私有方法 1.私有设计密码权限 2.方法小结： class 色狼: def __init__(self,name): #各自独有，不加@classmethod #类属性方法 self.name=name print(self.name) def setname(self,name): #类属性方法 self.name=name
2022-04-08 23:55:58
154
原创 类属性方法
类的动态绑定属性 我们可以发现我们直接对王毅增加了属性，这就是动态绑定 class 王毅: pass wangyi=王毅() wangyi.tall=2.92 #动态增加属性,仅仅适用于当前对象 wangyi.love=lambda :print("喜欢泡妞") #属性，类方法包含self print(wangyi.tall) wangyi.love() xiaowangyi=王毅() #print(xiaowangyi.tall) #xiaowangyi.love() 动态绑定类的方
2022-04-08 00:01:54
146
原创 数据索引与多态延伸
为什么要使用类 封装，数据的重用都得用到，下划线为私有变量 ''' def add(num1,num2): return num1+num2 #封装,数据的重用 num1=10 num2=20 print(add(num1,num2)) str1="aaa" str2="bbbb" print(add(str1,str2)) ''' #1.数据的重用 2数据的封装权限 class Addclass: def __init__(self,num1,num2): se
2022-04-06 23:56:09
115
原创 数据检索二分查找法
硬盘快速搜索第一步文件排序 import time def getuser(line): #二进制行，取出user line=line.decode("gbk",errors="ignore") linelist=line.split(" # ") return linelist[0] csdnfile=open(r"C:\Users\Tsinghua-yincheng\Desktop\data索引\csdn.txt","rb") csdnlist=csdnfile.readl
2022-04-05 23:36:36
358
原创 数据检索二分查找法
测试时间 主要是利用time这个包，并不复杂 import time start=time.time()#开始时间 doubledata=0.0 for i in range(1000000): doubledata+=i print(doubledata) end=time.time()#结束时间 print("cost time一共用了",end-start) 装饰器 我有一点点不明白，costtime里调用的func为啥是下面的函数func，但是装饰器的定义是把函数当做参数，所以我认为就是co
2022-04-04 22:54:57
773
原创 数据切割与归并排序
提取程序 先看需要提取的数据，将其切割，先需要做两件事，读取与写入文件，经历循环把每一个数据写入，写入完就关闭文件。 import os ''' mystr="mishuai4023~|^mishuai4023@163.com~|^a918873cf55f44dd8fc1aafdad42ef78:zjliyr~|^112.238.125.43" mylist=mystr.split("~|^") print(mylist) print(mylist[1]) ''' class GetMail: de
2022-03-31 23:39:54
381
原创 文件的深度遍历与广度遍历
stack 栈就是先进后出 mystack=[] #列表 mystack.append(1) mystack.append(2) mystack.append(3) while len(mystack)!=0: #胃不空，继续吐 value=mystack.pop() #获取吐出的值 print(value) queue 队列先进先出 #print("queue") import collections myqueue=collections.deque([])#空队列 myqu
2022-03-30 23:45:02
508
原创 数据库密码破解与异常
异常 安装了sql数据库，如何测试密码，利用异常，这是第一步。 import pymysql def CheckPassword(passwordstr): try: db=pymysql.connect("127.0.0.1","root",passwordstr) db.close() print("密码正确",passwordstr) except: print("密码错误",passwordstr) CheckPa
2022-03-29 23:56:29
730
原创 二进制数据处理
获取编码的分隔符 我们解码的时候使用gbk格式 readpath=r"C:\Users\Tsinghua-yincheng\Desktop\yinchengDay4\nasa.txt" readfile=open(readpath,"rb") #二进制无需忽略错误，没有解码 mylist=readfile.readlines() for line in mylist: print(line) line=line.decode("gbk",errors="ignore")#手动解码 p
2022-03-28 00:42:13
357
原创 数据处理与内存优化
复习之前学的 可以看出来这是读取邮箱跟用户，跟之前的方法是一样的 userpath=r"C:\Users\Tsinghua-yincheng\Desktop\yinchengDay3Down\user.txt" emailpath=r"C:\Users\Tsinghua-yincheng\Desktop\yinchengDay3Down\email.txt" CTOpath=r"C:\Users\Tsinghua-yincheng\Desktop\yinchengDay3Down\51cto.txt" re
2022-03-26 23:54:45
454
原创 文件读写与网站密码破解
认识一下repr str是转化成人能看懂得符号，repr是转成机器能看懂的符号 mystr=str(1.34) print(type(mystr)) #字符串类型 print(str(1)+"1") #str()转化为字符串 x= str("1+2.5") #repr打印的时候是计算机看懂,str人可以看懂 print(type(x)) print(x) #repr '1+2.5' str 1+2.5 print(repr(1)) #str无法区分类型，统一转换字符串 print(rep
2022-03-25 22:41:28
720
原创 密码字典生成
先看如何生成密码 itertools用来生成密码的 import itertools mylist=("".join(x) for x in itertools.product("0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ",repeat=16)) 如何提取密码 利用昨天所学的框架，先写好文件路径跟读入写入以及关闭，遍历文件写入第二个数据（密码） CSDNfilepath=r"C:\Users\Tsinghua-yin
2022-03-25 00:16:33
606
原创 QQ的数据清洗
按照昨天的find，先去在数据里去找到qq跟密码： class Filefind: def __init__(self,path):#构造 self.path=path self.file = open(self.path, "r", errors="ignore")#打开文件 self.mylist=[] def memload(self): self.mylist=self.file.readlines()#载入文件到
2022-03-24 00:14:07
1017
原创 开房数据的数据清洗
find使用 举例子: pos="hellos world".find("gogogo")#找不到=-1 pos="hellos world".find("llo")# 2 初始h的位置为-1，e为0，l为1以此类推find找到符合的位置后的第一个字符开始算 接下来对开房的数据进行数据进行切割，在windows里有两个快捷键一个table可以查看所有数据，一个more可以看当前数据的百分比 针对下面这个图里面的曹阳这个信息进行切割 mystr="曹阳,32010619720506042x,F,1972
2022-03-22 23:49:20
702
1
原创 LSTM如何解决梯度消失
哪些问题？ 梯度消失会导致我们的神经网络中前面层的网络权重无法得到更新，也就停止了学习。 梯度爆炸会使得学习不稳定， 参数变化太大导致无法获取最优参数。 在深度多层感知机网络中，梯度爆炸会导致网络不稳定，最好的结果是无法从训练数据中学习，最坏的结果是由于权重值为NaN而无法更新权重。 在循环神经网络（RNN）中，梯度爆炸会导致网络不稳定，使得网络无法从训练数据中得到很好的学习，最好的结果是网络不能在长输入数据序列上学习。 原因何在？ 举个例子 如上图，是一个每层只有一个神经元的神经网络，且每一层的激活函数
2022-03-21 23:56:57
1417
原创 时间序列表示、梯度爆炸以及梯度消失以及梯度压缩
import numpy as np #科学计算 import torch #深度学习 import torch.nn as nn #RNN 循环神经网络 import torch.optim as optim #优化参数 from matplotlib import pyplot as plt #绘图 num_time_steps = 50 #每次的步数 input_size = 1 #输入大小 hidden_size = 16 #隐藏层 output_size = 1 #输出层
2022-03-20 22:57:51
661
原创 数据增强、随机种子、cifar图像识别
数据增强 主要是这部分代码，transform的一些列api， def load_data(batch_size): train_loader = torch.utils.data.DataLoader( datasets.MNIST('../data', train=True, download=True, transform=transforms.Compose([ transfo
2022-03-20 00:13:06
1600
原创 pytorch-CNN、BatchNorm、残差网络
import torch from torch.nn import functional as F #导入函数 from torch import nn #神经网络 layer = nn.Conv2d(1, 3, kernel_size=3, stride=1, padding=0) layer x = torch.rand(1, 1, 28, 28) x out = layer.forward(x) print("stride=1,padding=0:out.shape = ",out.shap
2022-03-18 21:29:10
1148
原创 文件读取等操作
模式 描述 “r” 为了读取打开一个文件 “w” 为了写入打开一个文件，如果文件已存在，他的内容就被销毁 “a” 打开一个文件从文件末尾追加数据 “rb” 为读取二进制数据打开文件 “wb” 为写入二进制数据打开文件 例子 #myfile文件,open函数,第一个参数路径,第二个参数读取 myfile = open("C:\\xxx\xxx\\1.txt","r") mylist = myfile.readlines()读取每一行到每一个列表 print(myfile)#...
2022-03-17 20:31:23
1090
原创 Pytorch-Gan
import torch #导入深度学习 from torch import nn, optim, autograd #神经网络，优化，自动推导 import numpy as np #科学计算 import visdom #可视化 from torch.nn import functional as F #导入函数 from matplotlib import pyplot as plt #绘图 import random #随机数 h_dim = 400 #400层 bat
2022-03-16 20:16:50
93
原创 pytorch-多分类 、 全连接层
多分类 import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim from torchvision import datasets, transforms#导入数据集 batch_size = 200 #一次输入200次图片 learning_rate = 0.01 #学习率0.01 epochs = 10 #迭代10次 #导入数据，训练数据，测试数据 train_loa
2022-03-07 21:01:19
1717
原创 2D函数优化、逻辑回归
def hime1blau(x): return (x[0] ** 2 + x[1]-11) ** 2 + (x[0] + x[1] ** 2 - 7) ** 2 import numpy as np x = np.arange(-6,6,0.1)#相隔0.1 y = np.arange(-6,6,0.1) x,y x.shape,y.shape X,Y=np.meshgrid(x,y)#延伸 X.shape,Y.shape Z=hime1blau([X,Y])#函数 Z=hime1blau([
2022-03-06 22:03:27
218
原创 MLP的两种实现（不同在于forward）
import numpy as np from sklearn import datasets import matplotlib.pyplot as plt from matplotlib.colors import ListedColormap def sigmoid(x): return 1 / (1 + np.exp(-x)) def dsigmoid(y): return y * (1 - y) def tanh(x): return np.tanh(x) def d
2022-03-06 20:40:30
697
原创 pytorch-损失函数、梯度(续)跟感知机、链式法则、MLP反向传播
a=torch.rand(3) a.requires_grad_() p=F.softmax(a,dim=0) p.backward() 结果报错了，原因在哪里呢 p=F.softmax(a,dim=0) torch.autograd.gard(p[1],[a],retain_graph=True)#默认 retain_graph=False,也就是反向传播之后这个计算图的内存会释放，这样就没办法进行第二次方向传播了，所以我们需要设置retain_graph=True torch.autograd.ga
2022-03-06 00:25:33
410
原创 激活函数、loss
激活函数 import torch a = torch.linspace(-100,100,10) a torch.sigmoid(a)#激活函数 a=torch.linsapce(-1,1,10) torch.tanh(a) torch.relu(a) from torch.nn import function as F F.relu(a) loss import torch x=torch.ones(1) x w=torch.full([1],2) w from torch.nn import
2022-03-05 00:18:19
530
A Lip Sync Expert Is All You Need for Speech to Lip Generation
2022-06-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人