![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
code tips
zeronose
这个作者很懒,什么都没留下…
展开
-
70-分治法--LC53最大子数组和
class Solution(object): def maxSubArray(self, nums): """ :type nums: List[int] :rtype: int """ # 贪心跟动态规划很相似: # 贪心是当前的跟(当前的+之前的),谁大用谁 # 动态的是先判断:先看之前的是否>0,若之前的>0的当前的+之前的 # 若之前的<0,那.原创 2022-03-21 02:11:30 · 108 阅读 · 0 评论 -
70-分治法--LC169多数元素
class Solution(object): def majorityElement(self, nums): """ :type nums: List[int] :rtype: int """ # 方法一 counts = collections.Counter(nums) return max(counts.keys(), key=counts.get) # 也可以.原创 2022-03-20 22:36:58 · 187 阅读 · 0 评论 -
刷题偶遇_
文章目录前言一、collections二、dictionary常用方法1.clear()--dict.clear()2.get()--dict.get(key)3.update()--dict.update(dict)4.pop()--dict.pop(key)5.items()、keys()、values()5.popitem()三、暴力循环计数前言刷题时看到一些比较好的代码,简洁好看一、collections点击链接查看collections中的Counter计数器和deque是经常用到的原创 2022-03-20 17:52:39 · 124 阅读 · 0 评论 -
python的collections模块
刷题时发现的非常好用方便的模块方便查看原创 2022-03-20 15:11:56 · 840 阅读 · 0 评论 -
服务器后台运行程序(nohup/screen/tmux)
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、nohup命令二、screen命令三、tmux命令四、总结前言当我们在Linux服务器直接运行程序,程序运行的时间较长时,程序经常会因为网络连接问题异常终止,这样我们运行的程序经常会半途而废。如果一直盯着程序运行又费时费力,所以,让程序自己在后台运行,就完美的解决了这个问题。下面介绍三个方法:一、nohup命令运行:nohup python -u xxx.py >xxx.log 2>&1 &原创 2021-12-31 23:16:54 · 8977 阅读 · 0 评论 -
ubuntu18.04+RTX3090+Pytorch1.9+anaconda(在conda创建的虚拟环境中配置深度学习环境--不需要单独下载cuda和cudnn)
Anaconda是一个用于科学计算的Python发行版,支持 Linux, Mac, Windows系统,提供了包管理与环境管理的功能,可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理,并且已经包含了Python和相关的配套工具。基于此,我们通常使用conda创建的虚拟环境来进行深度学习的实验。- 环境显卡驱动anacondapytorch- 显卡驱动安装很多博客都有安装流程,这原创 2021-08-20 15:20:40 · 909 阅读 · 0 评论 -
tensorflow-GPU配置成功测试代码
验证tensorflow-GPU,cuda,cudnn配置是否成功import tensorflow as tftensorflow_version = tf.__version__gpu_available = tf.test.is_gpu_available()print('tensorflow version:',tensorflow_version, '\tGPU available:', gpu_available)a = tf.constant([1.0, 2.0], name=原创 2021-05-27 20:02:12 · 10310 阅读 · 2 评论 -
数字图像处理--四种插值法详解
1、最近邻插值法(Nearest Neighbour Interpolation)这是最简单的一种插值方法,不需要计算,在待求像素的四邻象素中,将距离待求像素最近的邻像素灰度赋给待求像素。设i+u, j+v(i, j为正整数, u, v为大于零小于1的小数,下同)为待求像素坐标,则待求像素灰度的值 f(i+u, j+v) 如下图所示:2、双线性插值2.1 一维2.2 二维首先在x方向上面线性插值,得到R2、R1:然后以R2,R1在y方向上面再次线性插值:如果选择一个坐标系统使得原创 2021-03-22 14:22:59 · 7358 阅读 · 1 评论 -
matplotlib画图去掉边缘空白
用matplotlib画图时,生成的图像边缘会有空白而且用pycharm生成的图像,全是640*480其实,只是在保存图像时设置参数,就可以去掉边缘空白# 设置参数 bbox_inches='tight', pad_inches=0 fig.savefig('images/dark_10/dark_%d.png' % i, bbox_inches='tight', pad_inches=0)大功告成,此时生成的图像就没有边缘的空白...原创 2020-11-30 22:25:07 · 7662 阅读 · 4 评论 -
matplotlib画图去掉坐标轴和坐标轴刻度
plt.xticks([]) # 去x坐标刻度plt.yticks([]) # 去y坐标刻度plt.axis('off') # 去坐标轴**注意:**这三行代码要放到plt.show() 之前,plt.imshow() 之后原创 2020-11-30 22:10:25 · 7622 阅读 · 0 评论 -
Python将图片转换成二进制的.txt文件
from PIL import Imageim = Image.open('./0_00.png') # 图像路径width = im.size[0]height = im.size[1]fh = open('1.txt','w') # 转换成的txt文件for i in range(height): for j in range(width): # 获取像素点颜色 color = im.getpixel((j,i)) # 如果co原创 2020-11-30 11:40:34 · 3630 阅读 · 0 评论 -
图像处理--bicubic(双三次插值)
import scipy.miscfrom glob import globimport numpy as npimport osimport matplotlib.pyplot as pltpath = glob('图像路径')imgs_lr = []for img_path in path: img = scipy.misc.imread(img_path, mode='RGB').astype(np.float) # 这个尺寸只是展示图片的大小,跟像素没有关系原创 2020-11-30 11:28:38 · 1370 阅读 · 1 评论 -
Python调节图形的亮度--调亮
from skimage import exposure, ioimport matplotlib.pyplot as pltfrom glob import globpath = glob('图像保存路径')i = 0for img_path in path: i += 1 image = io.imread(img_path) gam = exposure.adjust_gamma(image, 0.1) # 调亮 如果gamma<1, 新图像比原图像亮,数值原创 2020-11-30 11:21:21 · 1159 阅读 · 0 评论 -
Python调节图形的亮度--调暗
from skimage import exposure, ioimport matplotlib.pyplot as pltfrom glob import globpath = glob('图像保存路径')i = 0for img_path in path: i += 1 image = io.imread(img_path) gam = exposure.adjust_gamma(image, 2) # 调暗 fig = plt.figure()原创 2020-11-30 11:16:16 · 1988 阅读 · 0 评论 -
Python遍历文件夹下所有的文件
from glob import globpath = glob('你的路径') for image_path in path: image = io.imread(img_path) # 接下来就是你对文件的各种处理原创 2020-11-30 11:12:18 · 116 阅读 · 0 评论 -
批量计算PSNR和SSIM
import tensorflow as tfimport numpy as npimport timestart = time.clock()def read_img(path): return tf.image.decode_image(tf.read_file(path))def psnr(tf_img1, tf_img2): return tf.image.psnr(tf_img1, tf_img2, max_val=255)def ssim(tf_img1, t原创 2021-04-16 22:07:52 · 2411 阅读 · 1 评论 -
anaconda点开后 一直停留在 loading applications 上面
遇到这个问题,查了很久没有解决,非常感谢评论区中以为大佬遇到如题的问题,直接将anaconda3\Lib\site-packages\anaconda_navigator\api\conda_api.py 行1364 把 data = yaml.load(f) 改为 data = yaml.safeload(f)也可能是其他行,仔细找找,亲测可用。...原创 2021-04-14 11:19:34 · 212 阅读 · 1 评论 -
python从零开始构建知识图谱
又是帮着做作业。用Python实现了一个简单的知识图谱小demo。非常感谢这篇文章,对这篇文章做了一个复现,并记录遇到的问题。开发工具:jupyter notebook开发环境:Python 3.7en_core_web_sm 2.3.0spacy 2.2.5数据集在文章中有,自行下载。# coding: utf-8# In[11]:import reimport pandas as pdimport bs4import requestsimport spacyfrom原创 2021-04-14 11:09:06 · 3617 阅读 · 0 评论 -
用Keras构建神经网络的3种方法
用Keras构建神经网络的3种方法转载 2021-03-16 11:21:58 · 329 阅读 · 0 评论 -
多维(三维四维)矩阵向量运算-超强可视化
非常不错的多维矩阵运算可视化,做个记录点击查看原创 2021-03-16 11:14:44 · 1888 阅读 · 0 评论 -
反卷积中的上采样(decov2d-upsampling)
举个简单的例子展示一下反卷积中的上采样,关于上采样目前有四种方法,后续会做个总结import numpyfrom keras import layersfrom keras.models import Modelx = numpy.array([[1, 2], [3, 4]])inputs = layers.Input(shape=(2, 2, 1))out = layers.UpSampling2D(size=(3, 3))(inputs)model = Model(inputs, out)原创 2021-03-11 21:29:30 · 338 阅读 · 0 评论 -
批量修改图像大小
import cv2import osa = 'reselect-bmx-all'path = './images/%s' % afiles = os.listdir(path)if not os.path.exists('./images/resize-%s' % a): os.makedirs('./images/resize-%s' % a)for file in files: # print(path + '/' + file) img = cv2.imread原创 2021-03-11 21:21:55 · 69 阅读 · 0 评论 -
批量修改文件名称
import osa = 'test2'path = './images/%s' % afiles = os.listdir(path)i = 0for file in files: # print(path + '/' + file) old_name = path + '/' + file new_name = path + '/' + '%s' % i + '.png' os.rename(old_name, new_name) i += 1原创 2021-03-11 21:21:07 · 47 阅读 · 0 评论 -
随机选取目录下若干个文件
from glob import globimport numpy as npimport cv2import osselect_num = 10a = 'bmx-all'if not os.path.exists('./images/reselect-%s' % a): os.makedirs('./images/reselect-%s' % a)path = glob('./datasets/DIV/%s/*' % a)batch_images = np.random.cho原创 2021-03-11 21:20:23 · 269 阅读 · 0 评论 -
全连接神经网络实现手写数字识别
可能我的我的学弟学妹们会搜到这篇文章,此时的你们正在为作业发愁,哈哈实验数据是老师收集了所有人的手写数字图片,且经过处理将图像生成了.txt文件,如何生成点击这,如下图2. 代码实现from keras.utils import to_categoricalfrom keras import models, layers, regularizersfrom keras.optimizers import RMSpropimport numpy as npfrom os import li原创 2020-12-01 11:01:44 · 2579 阅读 · 3 评论 -
卷积神经网络(CNN)实现手写数字识别
实验数据是老师收集了所有人的手写数字图片,且经过处理将图像生成了.txt文件,如何生成点击这,如下图代码实现from keras.utils import to_categoricalfrom keras import models, layersfrom keras.optimizers import RMSpropimport numpy as npfrom os import listdir# 因为你的数据是自己的数据,所以才会有前三个方法:img2vector(), getLa.原创 2020-12-01 11:09:19 · 4164 阅读 · 0 评论 -
KNN实现手写数字识别
实验数据是老师收集了所有人的手写数字图片,且经过处理将图像生成了.txt文件,如何生成点击这,如下图代码实现import numpy as npfrom os import listdirfrom sklearn.neighbors import KNeighborsClassifier as KNN"""函数说明:将32x32的二进制图像转换为1x1024向量"""def img2vector(filename): # 创建1x1024零向量 returnV..原创 2020-12-01 11:12:59 · 1311 阅读 · 0 评论 -
聚类(K-means)实现手写数字识别
实验数据是老师收集了所有人的手写数字图片,且经过处理将图像生成了.txt文件,如何生成点击这,如下图代码实现代码修改自sklearn官方给出的代码,在读取数据时发生了改变,增加了几个函数,因为用的是自己的数据,而且sklearn是自带很多数据集的import numpy as npfrom sklearn.cluster import KMeansfrom sklearn import metricsfrom os import listdir# 因为你的数据是自己的数据,所以..原创 2020-12-01 11:22:34 · 6777 阅读 · 3 评论 -
聚类(K-means)实现手写数字识别-2
其他实现手写数字识别的方法:1.KNN实现手写数字识别2. 卷积神经网络(CNN)实现手写数字识别3. 全连接神经网络实现手写数字识别4. 聚类(K-means)实现手写数字识别实验数据是老师收集了所有人的手写数字图片,且经过处理将图像生成了.txt文件,如何生成点击这,如下图代码实现from __future__ import print_functionimport numpy as npimport tensorflow as tffrom tensorflow.contri原创 2020-12-08 10:43:14 · 4327 阅读 · 6 评论 -
批量计算PSNR,SSIM,MSE
如题,批量计算图像的psnr,ssim,mse,并将计算结果汇总写入文件import osimport numpy as npimport mathfrom PIL import Imageimport timestart = time.clock()def psnr(img1, img2): mse = np.mean((img1 / 1. - img2 / 1.) ** 2) if mse < 1.0e-10: return 100 * 1.0原创 2021-03-11 21:12:18 · 2125 阅读 · 0 评论