AsajuHuishi的博客

之前有大佬完成了使用Python生成对联，我一想，对联都有了，怎么能缺了福字呢？本人稍加改动，基于Python+PIL生成一个福字。# -*- coding: utf-8 -*-# pip install freetype-py# pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy# pip install pillowimport osimport freetypeimport numpy as npimport.

结果第一次安装参考https://rasa.com/docs/rasa/installation注意：1.最好不要装在C盘，虚拟环境占用的空间很大2.虚拟环境不能随意移动，移动后无法运行3.首先按提示更新pip版本再pip install rasa, 否则会报错4.rasa init 出现问题，需要pip uninstall keras, pip install keras==2.6.0使用cmd.\venv\Scripts\activate 启动虚拟环境cd E:\python_

介绍pyFTP 是一个用来在Linux（Ubuntu）上管理ftp服务器文件的工具。它使用python实现，基于经典的libftp库，保留了该库的所有原有功能。您可以用它实现的核心功能包括：ftp服务器上传/下载文件/文件夹，以及删除ftp服务器上的文件/文件夹。我们对ftp的文件夹实现递归处理，确保可以实现便利的传输或者删除ftp服务器上的文件和文件夹。环境Ubuntu16.04Python3.7下载pip install pyFTP使用导入from pyFTP.utils.F

获得数据集是深度学习代码的首要步骤。下面我们使用相同的场景对PIL、cv2、Dataloader进行比较。假设图像处于/single_images/images/目录下，尺寸64x64x3。import numpy as npimport osimport matplotlib.pyplot as plt1.PILfrom PIL import Imageimages = os.listdir('./single_images/images/')length = len(images)

介绍Scikit-learn提供了learning_curve类，方便获得和训练的可视化相关的数据。例如，如果想要观察训练集使用不同样本数量和训练得分/测试得分的关系，可以使用learning_curve函数，在Python机器学习可视化（一）sklearn.learning_curve中介绍了训练样本数量——训练/测试得分曲线。机器学习的方法中往往涉及到超参数的调整，本文利用validation_curve函数，以load_digit数据集和SGD分类为例，通过可视化的方式来考察不同超参数和性能

本题来自Leetcode48：旋转图像我们熟悉图像的旋转问题，而这个问题要求在原地旋转，即不能用额外的矩阵。输入输出都是二维列表。所以，收起将列表转化为numpy的想法。如果您之前没接触这个问题，容易想到去考察两个二维列表之间元素的对应关系。假设a=[[1,2,3],[4,5,6],[7,8,9]]旋转之后就是[[7,4,1],[8,5,2],[9,6,3]]二者的相对...

西瓜数据集3.0α# -*- coding: utf-8 -*-import numpy as npimport matplotlib.pyplot as pltfrom sklearn import svmimport pandas as pdfrom sklearn.metrics import accuracy_score#返回正确的比例from sklearn.preproc...

Unet的网络结构：根据该结构，用Pytorch实现Unet：# -*- coding: utf-8 -*-import torchimport torch.nn as nnfrom torch.autograd import Variableimport torchvision.datasets as dsetimport torchvision.transforms as ...

根据西瓜书的西瓜数据集3.0，实现拉普拉斯修正的朴素贝叶斯分类器。# -*- coding: utf-8 -*-import pandas as pdimport math##朴素贝叶斯分类器def fun(sigma,mu,xi):#概率密度函数 return 1/(math.sqrt(2*math.pi)*sigma)*math.exp(-(xi-mu)**2/(2*sig...

Github地址：https://github.com/odashi/latexify_py功能：从Python函数生成LaTeX数学描述。1.安装pip install latexify-py2.使用import mathimport latexify示例本文使用Overleaf查看输出公式的效果https://www.overleaf.com/project如果在Overleaf新建一个空的Project，需要在前面加上两个包amssymb和mathtools：\usepack

蒸汽波风格的最大特征是混合了上世纪8090年代各种标签和元素。 蒸汽波影响最大的国家是美国，日本，中国。美国是一个多元文化国家，任何带有混合属性的文化都很容易在活跃而包容的艺术社会中诞生和被接受。蒸汽波的画面中出现最多的就是日文和中文。上个世纪的人们都认为，1995年的东京就是未来。在日本泡沫经济时期，人人都挥舞着万元钞票当街拦车，霓虹灯的映照下，无处不充斥着粉色和紫色的光线，人们就活在这奢靡而满足的氛围里。层出不穷的新一代电子产品，不断进步的科技生活，美丽而不切实际的未来似乎就近在眼前。而中国作为神

实现效果：输入一个视频，对视频中的喵酱进行捕捉并输出。技术基础本文技术基础将分为三个部分介绍：库用途opencv视频处理模块face_recognition人脸识别模块tkinter窗口视窗设计模块1.face_recognitionface_recognition是一个强大、简单、易上手的人脸识别开源项目，输入一张图像就可以确定人脸的位置。关于face_recognition的更多内容可以了解https://github.com/ageitgey/

以下是本人基于Pytorch的深度学习/机器学习相关的博客总结（2020.3–2020.11）1.文件批量处理与数据读取python os 批量文件尺寸异常检查（代码可运行）python+FTP 批量上传文件python读取mat报错？一招解决NotImplementedError: Please use HDF reader for matlab v7.3 filesPython PIL、cv2、Dataloader、plt读取/显示图像数据集对比实例sklearn手写体数据集 Datalo

self.root.link_to(self.download_file_path)AttributeError: 'PosixPath' object has no attribute 'link_to'PosixPath模块中找不到link_to方法，从逻辑上可以推测这个函数的功能是实现链接功能。这可以用python的os.link() 实现，将self.download_file_path的内容复制到self.root。参考Python os.link() 方法os.link(src, ds

如果平时训练测试都没问题，忽然有一天测试的时候出现RuntimeError: CUDA error: out of memory，很有可能是因为当时训练时使用的卡号和现在使用的卡号不一致。我今天用0卡的时候发现 RuntimeError: CUDA error: out of memory首先nvidia-smi，发现0卡显存充足。然后查看之前的日志，发现打印的变量在1卡上。这说明我们之前用1卡运行是没有问题的，需要将cuda 1映射到cuda 0。修改测试代码即可，将checkpoint .

本文是基于python实现深度学习相关处理的系列文章1.文件批量处理与数据读取python os 批量文件尺寸异常检查（代码可运行）python+FTP 批量上传文件python读取mat报错？一招解决NotImplementedError: Please use HDF reader for matlab v7.3 filesPython PIL、cv2、Dataloader、plt读取/显示图像数据集对比实例sklearn手写体数据集 Dataloader分batch训练2.Pytorch

问题描述平时使用GPU0号卡，在改到GPU1号卡后出现以下问题：RuntimeError: binary_op(): expected both inputs to be on same device, but input a is on cuda:1 and input b is on cuda:0命令行参数设置如下： # Hardware specifications parser.add_argument('-cpu','--cpu', action='store_true',

简介批量产生的文件（例如数据集样本）往往拥有顺序递增的序号。然而，因为一些因素（例如原始文件被破坏），其中的一些样本是无法使用的。这些坏掉的样本往往在尺寸上和正常的样本有很大差异（见下图）。如果对这些异常数据样本不加处理，在后续的操作（例如深度学习训练）中就有可能会出现异常（例如NaN）。我在之前的数据处理过程中使用了一种文件尺寸批量检查方法，用于解决连续序号文件中具有异常尺寸的文件的问题。1.我们检查每个文件尺寸是否在正常阈值之中。如果不在这个范围之内，我们将使用其他序号的正常文件覆盖当前文件

深度学习往往需要大量的数据来学习模型，这些大量地数据可以上传到服务器中进行保存。Serv-U是Windows平台和Linux平台的安全FTP服务器（FTPS, SFTP, HTTPS），是一个优秀的、安全的文件管理、文件传输和文件共享的解决方案。同时也是应用最广泛的FTP服务器软件。本文用python简单实现将Linux上的文件批量上传到ftp服务器。代码import time from ftplib import FTP def ftp_upload(): ftp = FTP()

对于这个问题之前有个相关的博客，但解决方案比较繁琐NotImplementedError: Please use HDF reader for matlab v7.3 files实际上只需要将import scipy.io as siodata = sio.loadmat(str) #str是mat文件的位置改成：import hdf5storagedata = hdf5storage.loadmat(str)记得要在该py文件所在的路径，加上文件夹hdf5storagehdf5s