wa1tzy的博客

【代码】python flask request教程。

二进制与base64函数使用def base64_to_image(base64_code): img_data = base64.b64decode(base64_code) img_array = numpy.fromstring(img_data, numpy.uint8) image_base64_dec = cv2.imdecode(img_array, cv2.COLOR_RGB2BGR) return image_base64_decdef image_

文章目录1. 判断xml和图像文件在两个文件夹是否一一对应.py2. 判断xml中标签是否为空，移动空xml和图像到指定路径.py3. 删除坐标有问题的xml和对应的图像.py4.1 给标注的单个图像画框.py4.2 图像批量显示标注位置4.3 根据xml的类别给标注的图像批量画框(对图像分类显示标注位置)5.1 从一堆图像里复制出我们要的图像文件.py5.2 根据txt文件保存需要的图像到新文件夹.py6.1 再筛xml6.2 再保存对应的xml文件到新文件夹.py7.1 滑动窗口式的裁剪图片与标注框.p

文章目录一、基础知识二、数组创建三、打印数组四、基本操作一、基础知识NumPy的主要对象是同构多维数组。NumPy的数组类被调用 ndarray 。它也被别名所知 array 。请注意， numpy.array 这与标准Python库类不同 array.array ，后者只处理一维数组并提供较少的功能。ndarray 对象更重要的属性是：import numpy as npa = np.arange(15).reshape(3, 5)print(a)print(a.shape)# 数组的维

文章目录一、代码二、效果一、代码import numpy as npimport cv2class Stitcher: #拼接函数 def stitch(self, images, ratio=0.75, reprojThresh=4.0,showMatches=False): #获取输入图片 (imageB, imageA) = images #检测A、B图片的SIFT关键特征点，并计算特征描述子 (kpsA, f

文章目录一、代码1.1 utils_paths.py1.2 utils_paths.py二、结果代码目录：一、代码1.1 utils_paths.pyimport osimage_types = (".jpg", ".jpeg", ".png", ".bmp", ".tif", ".tiff")def list_images(basePath, contains=None): # return the set of files that are valid return

文章目录import numpy as npimport cv2# 正确答案ANSWER_KEY = {0: 1, 1: 4, 2: 0, 3: 3, 4: 1}def order_points(pts): # 一共4个坐标点 rect = np.zeros((4, 2), dtype = "float32") # 按顺序找到对应坐标0123分别是 左上，右上，右下，左下 # 计算左上，右下 s = pts.sum(axis = 1) rect[0] = pts[np.argmi

文章目录一、代码二、效果（视频格式）一、代码import numpy as npimport cv2#经典的测试视频cap = cv2.VideoCapture('test.avi')#形态学操作需要使用kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))#创建混合高斯模型用于背景建模fgbg = cv2.createBackgroundSubtractorMOG2()while(True): ret, fra

文章目录一、代码二、效果一、代码# 导入工具包from imutils import contoursimport numpy as npimport argparseimport cv2import myutils# 指定信用卡类型FIRST_NUMBER = { "3": "American Express", "4": "Visa", "5": "MasterCard", "6": "Discover Card"}# 绘图展示def cv_show(name,img)

# coding:utf-8from PIL import Imageimport os.pathimport globimport xml.etree.ElementTree as ETimport xml.dom.minidomi = 0xmldir = r"D:\YOLOV5\数据集\outputs"imgsdir = r"D:\YOLOV5\数据集\danger2"for xmlfile in os.listdir(xmldir): xmlname = os.path.

文章目录前言一、详解Numpy中的数组拼接、合并操作（concatenate, append, stack, hstack, vstack, r_, c_等）二、Python字符串格式化三、代码前言项目描述：根据鸢尾花的花萼长度与宽度的特征数据统计，对其进行逻辑回归分类。特征：花萼长度、花萼宽度类别标签：0 - 山鸢尾（setosa）1 - 杂色鸢尾（versicolor）2 - 维吉尼亚鸢尾（virginica）一、详解Numpy中的数组拼接、合并操作（concatenate, appen

一、面向对象技术简介"""1.类：一切皆为类 （万事万物的类型的统称）2.对象： 一切实例皆为类的对象class 类：object 对象1.类：1.特征：属性2.行为：方法"""class Cat: """ python里，一切皆为对象 这点和其他语言不太一样 故而： 属性分两种： 1.实例属性 ： 是对象的属性 2.类属性： 是类的属性 且为其他类的对象所共有 类似于java里的静态属性 """ # 类

import torchvision as tvtrain_data = tv.datasets.MNIST(root="datasets/",train=True,download=False,transform=None)targets = train_data.targetsresult = {}#字典的键是不重复的print(targets[0].item())for e in targets: if e.item() in result: result[e.

一、概念二、函数的定义规则def method(): """ 定义无返回值一个函数 :return: None """ # pass # 空的函数体 a = input() b = input() c = a + b print(c)# method()def sumNum(): """ 定义一个有返回值的函数 :return: 计算的结果 """ a = input() b

一、概念1）什么是切线2）导数的几何意义导数的写法：3）什么是梯度梯度的本意是一个向量（矢量），表示某一函数在该点处的方向导数沿着该方向取得最大值。4）梯度下降法5）导数为0的意义a.不能确定是不是最小值b.不能直接求导，算出w（因为不知道公式是什么）c.导数为0即没有差距，没有差距，不可能存在，网络无法学习（梯度弥散）6）LR学习率是一个超参数7）激活函数提供非线性能力性质：处处可微分（连续可导）；定义域在-1,1之间的梯度很大，而在其他地方梯度很小二、代码i

imagelist = os.listdir(r"D:\cat_dog\img")data = MyDataset(r"D:\cat_dog\img")#数据集的均值和标准差# loader = DataLoader(dataset=data,batch_size=12000,shuffle=True)# data= next(iter(loader))[0]# mean = torch.mean(data, dim=(0,2,3))# std = torch.std(data, dim=(0,

a = np.array([[[1,2,3],[0,8,0]],[[3,4,8],[2,3,0]]])print(a.shape)#(2, 2, 3)print(a.T.shape)#(3, 2, 2)a = np.array([[[1,2,3],[0,8,0]],[[3,4,8],[2,3,0]]])a = np.transpose(a,(2,0,1))print(a.shape)#(3, 2, 2)a = np.array([[[1,2,3],[0,8,0]],[[3,4,8],[2,3

一、函数1）幂函数2）指数函数3）对数函数优点：a.增强鲁棒性（压缩数据）b.简化运算（可以把乘法变加法）y=a*b——>log(y)=log(a)+log(b)4）三角函数a.正弦函数b.余弦函数c.正切函数二、极限“极限”是数学中的分支——微积分的基础概念，广义的“极限”是指“无限靠近而永远不能到达”的意思。数学中的“极限”指：某一个函数中的某一个变量，此变量在变大（或者变小）的永远变化的过程中，逐渐向某一个确定的数值A不断地逼近而“永远不能够重合到A

门禁系统门禁系统1 用户有管理员，员工，访客三种角色2 访客需要按门铃，员工可以门铃，也可以密码，指纹3 管理员可以直接开门3.需要用面向对象的思想来做类：门禁系统、门、门铃、输入设备、电脑（验证）、管理员、员工、访客...

一、IOinput.output字节型数据：图片、音视频字符型数据：文本类数据数据通过stream（流）传到内存，内存传到cpu，分为字节流、字符流。二、文件操作1）读取键盘输入Python提供了input()内置函数从标准输入读入一行文本，默认的标准输入是键盘。input可以接收一个python表达式作为输入，并将运算结果返回。2）读和写文件open()将会返回一个file对象语法格式：open(filename,mode)filename:包含了你要访问的文件名称的字符串值mod

将文件做成类似pytorch的框架base\utils\functional.pyimport numpy as npdef relu(z): return np.maximum(z,0)def sigmoid(z): return 1 / (1 + np.exp(-z))def tanh(z): return np.divide(np.exp(z) - np.exp(-z), np.exp(z) + np.exp(-z))base\nn.pyimport n

1.获取数据集MyData.pyimport h5pyimport matplotlib.pyplot as pltclass MyDataset: def __init__(self): self.train = h5py.File("datasets/train_catvnoncat.h5") self.test = h5py.File("datasets/test_catvnoncat.h5") def get_train_set(self)

四、标准数据类型5）TuplePython的元组与列表类似，不同之处在于元组的元素不能修改定义格式（元素一，元素二）可以用索引，但不能修改删除重复元素a = [1,5,4,5,1,3,3,3,2,2,3,1,4,2,1,3,4]for e in a: if a.count(e)>1: a.reverse()#防止跳过元素 for i in range(a.count(e)-1): a.remove(e) a.

import randomdef getcode():return chr(random.randint(65,90))def getforeground():return (random.randint(60,120),random.randint(60,120),random.randint(60,120))def getbackground():return (random.ra...

from PIL import Image,ImageDraw,ImageFont#图片，画画，字体import random随机的字母def randChar():# return random.randint(65,90)#随机整数return chr(random.randint(65,90))#随机字母print(randChar())# 编码表随机颜色def randCo...