u014017670的博客

本来想自己写的，看到网上有写好的，直接省事了，自己运行一下，测试下还是有收获的。增加了一些自己的注释#!/usr/bin/env python3# coding=utf-8from PIL import Imageimport numpy as npimg_name = input("输入要处理的图片\n")# img_name = "t3.png"img = Image.open(img_name).convert("L") # 读图片并转化为灰度图img_array = np

生成的三个数组可以用cv2.merge函数合并，下面写的是我用numpy实现的cv2.merge函数，效率一言难尽，不如opencv原生的函数好用。pil注意三原色顺寻是rgb，而opencv正好相反，是bgr，切记切记。from typing import List, Any, Tupleimport matplotlib.pyplot as pltimport cv2from PIL import Imageimport numpy as np#图片的分辨率为300*200，这里b,

为了工作学习中防止忘记，特记下如此笔记，以供查阅。最近在学图论，涉及到了最小生成树算法。参考了两篇文章并集查询图论最小生成树原代码复制后格式破坏，特意贴一下我清理后的python代码# 构建图G，使用了邻接矩阵表示法，9999代表非直连G =[[0,10,9999,9999,9999,11,9999,9999,9999],# a的邻居表 [10,0,18,9999,9999,9999,12,12,9999],# b的邻居表[9999,18,0,22,9999,9999,9999,8,999

今儿个用pytorch写了一个识别证件照性别的神经网络，一开始用sgd，死活收敛不到一半，还不如蒙呢，蒙还有50%的准确率，后来用adam，一下子就收敛到接近100%了，可以商用了。我发现别放男明星的，不太准啊，这个明星娘化看来被人工智能发现了。。。来，先上图，看看成果。该程序用了ImageLoader加载数据，省去了自己定义数据模型的功夫。本地图片应该如下图一样放置test文件夹一样的结构，就不上图了。训练代码我贴一下把，完整代码可以加我微信好友获取。我的微信是A1354164181。