fourierr的博客

代码：#!/usr/bin/pythonimport reline = "Cats are smarter than dogs"matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)if matchObj:print "matchObj.group() : ", matchObj.group()print

方法一：name_attribute = ['NumberID','UserID','ModuleID','StartDate','EndDate','Frequent']writerCSV=pd.DataFrame(columns=name_attribute,data=data)writerCSV.to_csv('./no_fre.csv',encoding='utf-8')这种方法通过p...

在tf.reduce_sum等函数中，有一个reduction_indices参数，表示函数的处理维度。当没有reduction_indices这个参数，此时该参数取默认值None，将把input_tensor降到0维，也就是一个数...

newaxis顾名思义就是插入新维度的意思，比如原来是一维数剧变成二维数剧，原来是二维变成三维，python将二维数组变为三维数组的举例如下：x_data = np.linspace(-1,1,6)a=x_data.reshape((2,3))c = a[:,np.newaxis,:]b = a[np.newaxis,:,:]d = a[:,:,np.newaxis]print(a.s...

由于初次使用SQLite，尝试把之前一个csv文件导进去，看了网上各种教程，大多是在SQLite shell模式下使用的，比较麻烦，这里用了pandas，来讲csv文件导入到sqlite数据库中import pandasimport csv, sqlite3conn= sqlite3.connect("dbname.db")df = pandas.read_csv('d:\\filefolder\...

numpy.random.randnumpy.random.rand(d0, d1, …, dn)Random values in a given shape.(指定类型的)Create an array of the given shape and populate it with random samples from a uniform distribution over [0, 1).(

1.安装一定要用CUDA8, 安装了半天用CUDA9,结果是搞不了2.其实anaconda 装tensorflow cpu或者GPU都是超级简单的直接在Navigator 里面配置就行了,网络上的都写的太复杂3.记得配置环境变量.配置环境变量的话https://jingyan.baidu.com/article/3ea51489e1c2b752e61bbad0.html最后在cmd里输入 ec

引言对于一些开始搞机器学习算法有害怕下手的小朋友，该如何快速入门，这让人挺挣扎的。在从事数据科学的人中，最常用的工具就是R和Python了，每个工具都有其利弊，但是Python3.x在各方面都相对胜出一些，这是因为scikit-learn库实现了很多机器学习算法。加载数据(Data Loading)我们假设输入时一个特征矩阵或者csv文件。首先，数据应该被载入内存中。scikit-lea

上篇中，实现了创建决策树但并不直观，这里学习绘制决策树，便于直观理解。Matplotlib提供了名为pylab的模块，其中包括了许多numpy和pyplot中常用的函数，方便用户快速进行计算和绘图，可以用于IPython中的快速交互式使用。Matplotlib中的快速绘图的函数库可以通过如下语句载入：[python] view plain copy print?import matplotl

1、使用tkinter.Tk() 生成主窗口（root=tkinter.Tk()）；root.title(‘标题名’)    　　 　　修改框体的名字,也可在创建时使用className参数来命名；root.resizable(0,0)   　　 　　框体大小可调性，分别表示x,y方向的可变性；root.geometry(‘250x150’)　　指定主框体大小；root.quit()

k-近邻算法采用测量不同特征值之间的距离方法进行分类，属于监督学习。主要代码如下：def createDataSet(): group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels = ['A','A','B','B'] return group,labelsdef classify0(inX,dat

1. power(x1, x2)    对x1中的每个元素求x2次方。不会改变x1上午shape。2. sum(a, axis=None, dtype=None, out=None, keepdims=False) 对a求和，如果axis=None，将矩阵中的每一个数加起来，如果axis=0，矩阵按列相加，如果axis大于0,矩阵按行相加。 dtype定义输出的类型。 out：自定义存放输

本文介绍了Python对于线程的支持，包括“学会”多线程编程需要掌握的基础以及Python两个线程标准库的完整介绍及使用示例。 注意：本文基于Python2.4完成，；如果看到不明白的词汇请记得百度谷歌或维基，whatever。 尊重作者的劳动，转载请注明作者及原文地址 >.< 1. 线程基础 1.1. 线程状态 线程有5种状态，状态转换的过程如下图所示： 1.2.

1.了解正则表达式正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是用来匹配字符串非常强大的工具，在其他编程语言中同样有正则表达式的概念，Python同样不例外，利用了正则表达式，我们想要从返回的页面内容提取出我们想要的内容就易如反掌了。正则表达式的大致匹配过程是：1.

目标检测目的：找出图像中所有感兴趣的目标和物体，并确定目标的位置和大小（定位目标的位置并知道目标物是什么，包括定位和分类）。1、经典方案：滑动窗口+图像缩放应用：人脸检测，行人检测，车辆检测，车流量检测，根据红绿灯状态确定车辆的行为，材质表面的缺陷检测，印刷电路板表面的缺陷检测，肿瘤等病变部位检测。2、DPM可变形的组件模型（Deformable Part Model）一种通用的目标...