Ryan Z 的技术日志

继承QThread实现多线程，是一种错误的做法，具体见：You’re doing it wrong…The main thing to keep in mind when using a QThread is that it’s not a thread. It’s a wrapper around a thread object. This wrapper provides the signals, slots and methods to easily use the thread objec

Python之模块Python之模块(一) - 每天进步一点点！！！ - 博客园https://www.cnblogs.com/madsnotes/articles/5537947.html Python之函数Python学习总结【第三篇】：Python之函数(自定义函数、内置函数、lambda表达式、装饰器、迭代器&生成器) - 每天进步一点点！！！ - 博客园 Python数据结构（字符串、列表、元组、字典、set集合）Python数据结构（字符串、列表、元组、字典、set集合） -...

1. 信号与槽的连接self.pushButton_2.clicked.connect(MainWindow.slot1)2.槽函数def slot1(self): def _slot1(textBrowser,lineEdit): while True: textBrowser.append(lineEdit.text()) #文本框逐条添加数据 textBrowser.moveCursor(textBrowse.

一共就俩步骤：创建进程：process = QtCore.QProcess() 启动进程：process.start('cmd.exe', ['dir']) 其中第一个参数是外部程序，后面的列表是给该程序的参数。其他常用方法：等它结束，超过1秒就不等了：process.waitForFinished(1000) 读取输出结果：output = process.readAll() 它是 QByteArray 类型，所以需要编码成 unicode：str(output, encoding='u

一、Queue（队列对象）在多进程中环境中，要使用进程安全的multiprocessing.Queue()，而非Python标准库中的Queue当一个队列为空的时候如果再用get取则会堵塞，所以取队列的时候一般是用到get_nowait()方法，这种方法在向一个空队列取值的时候会抛一个Empty异常所以更常用的方法是先判断一个队列是否为空，如果不为空则取值队列中常用的方法Queue.qsize() 返回队列的大小Queue.empty() 如果队列为空，返回True,反之F...

深度学习是机器学习和人工智能的一种形式，利用堆积在彼此顶部的神经网络的多个隐藏层来尝试形成对数据更深层次的“理解”。 最近，深度神经网络以“Deep Dreams”形式在网站中如雨后春笋般出现，或是像谷歌研究原创论文中描述的那样：Inceptionism。 在这篇文章中，我们将讨论几个不同的深度学习框架，库以及工具。  Python深度学习 Thea

原文：http://qxde01.blog.163.com/blog/static/67335744201368101922991/  Python在科学计算领域，有两个重要的扩展模块：Numpy和Scipy。其中Numpy是一个用python实现的科学计算包。包括：一个强大的N维数组对象Array；比较成熟的（广播）函数库；用于整合C/C++和Fortran代码的工具包；

@author：wepon@blog：http://blog.youkuaiyun.com/u012162613/article/details/43277187本文代码下载地址：我的github本文主要讲解将CNN应用于人脸识别的流程，程序基于python+numpy+theano+PIL开发，采用类似LeNet5的CNN模型，应用于olivettifaces

author：wepon@blog：http://blog.youkuaiyun.com/u012162613/article/details/426512331、Theano简介Theano是深度学习的一个python库，在deeplearning.net上有它的tutorial，它可以方便我们写深度学习模型，它提供了在GPU上训练模型的选项，极大加快训练速度。

当我们进行网页爬虫时，我们会利用一定的规则从返回的 HTML 数据中提取出有效的信息。但是如果网页中含有 JavaScript 代码，我们必须经过渲染处理才能获得原始数据。此时，如果我们仍采用常规方法从中抓取数据，那么我们将一无所获。浏览器知道如何处理这些代码并将其展现出来，但是我们的程序该如何处理这些代码呢？接下来，我将介绍一个简单粗暴的方法来抓取含有 JavaScript 代码的网页信息。

之前我一直在使用Theano，前面五篇Deeplearning相关的文章也是学习Theano的一些笔记，当时已经觉得Theano用起来略显麻烦，有时想实现一个新的结构，就要花很多时间去编程，所以想过将代码模块化，方便重复使用，但因为实在太忙没有时间去做。最近发现了一个叫做Keras的框架，跟我的想法不谋而合，用起来特别简单，适合快速开发。1. Keras简介Keras是基于Thea

@author：wepon@blog：http://blog.youkuaiyun.com/u012162613/article/details/43221829本文介绍多层感知机算法，特别是详细解读其代码实现，基于python theano，代码来自：Multilayer Perceptron，如果你想详细了解多层感知机算法，可以参考：UFLDL教程，或者参考本文第一部分的算法简

@author:wepon@blog:http://blog.youkuaiyun.com/u012162613/article/details/43523507做人脸识别，首先要检测出图片/视频中的人脸，今天就研究了一下OpenCV的Python接口，把常用的一些功能模块写成函数。基于Python-OpenCV以及PIL，实现图片中人脸的检测以及截取保存、眼睛检测、笑脸检测。下面

@author：wepon@blog：http://blog.youkuaiyun.com/u012162613/article/details/421773271、PCA算法介绍主成分分析（Principal Components Analysis），简称PCA，是一种数据降维技术，用于数据预处理。一般我们获取的原始数据维度都很高，比如1000个特征，在这1000个特征中可能包含

@author：wepon@blog：http://blog.youkuaiyun.com/u012162613/article/details/43225445本文介绍多层感知机算法，特别是详细解读其代码实现，基于python theano，代码来自：Convolutional Neural Networks (LeNet)。经详细注释的代码和原始代码：放在我的github地

前言关于opencvOpenCV是Intel开源计算机视觉库(ComputerVersion)。它由一系列C函数和少量 C++类构成，实现了图像处理和计算机视觉方面的很多通用算法。 OpenCV 拥有包括 300 多个C函数的跨平台的中、高层 API。它不依赖于其它的外部库——尽管也可以使用某些外部库。OpenCV 对非商业应用和商业应用都是免费的。同时OpenCV

@author：wepon@blog:http://blog.youkuaiyun.com/u012162613/article/details/43226127计算机视觉、机器学习任务中，经常跟图像打交道，在C++上有成熟的OpenCV可以使用，在Python中也有一个图像处理库PIL（Python Image Library），当然PIL没有OpenCV那么多功能（比如一些人脸

1.流形学习的概念流形学习方法(Manifold Learning)，简称流形学习，自2000年在著名的科学杂志《Science》被首次提出以来，已成为信息科学领域的研究热点。在理论和应用上，流形学习方法都具有重要的研究意义。假设数据是均匀采样于一个高维欧氏空间中的低维流形，流形学习就是从高维采样数据中恢复低维流形结构，即找到高维空间中的低维流形，并求出相应的嵌入映射，以实现维数约

Python代码import  sys  from  CVtypes  import  cv      def  detect(image):        image_size = cv.GetSize(image)        # create grayscale version       grayscale = cv.CreateIma

@author：wepon@blog：http://blog.youkuaiyun.com/u012162613/article/details/43157801本文介绍Softmax回归算法，特别是详细解读其代码实现，基于python theano，代码来自：Classifying MNIST digits using Logistic Regression，参考UFLDL。

@author：wepon@blog：http://blog.youkuaiyun.com/u012162613/article/details/43169019参考：pickle — Python object serialization、DeepLearning Getting started一、python读取"***.pkl.gz"文件用

上一篇文章总结了Keras的基本使用方法，相信用过的同学都会觉得不可思议，太简洁了。十多天前，我在github上发现这个框架的时候，关注Keras的人还比较少，这两天无论是github还是微薄，都看到越来越多的人关注和使用Keras。所以这篇文章就简单地再介绍一下Keras的使用,方便各位入门。主要包括以下三个内容：训练CNN并保存训练好的模型。将CNN用于特征提取，用提取出来的特

一，安装Python我下载的版本是：Python 3.4.3，下载地址是：https://www.python.org/downloads/windows/选择：Latest Python 3 Release - Python 3.4.3然后下载你所需要的安装包：下载后，下一步下一步安装即可。安装过程中，会自动的将Python添加到系