7行代码,让电脑给我花18万

本文介绍了一种利用Python实现的智能日程提醒系统,能够根据不同时间段自动提醒用户完成既定任务,包括工作日与周末的不同安排。通过定时任务和简单的语音交互提升日常生活效率。

周末和早上的时间老是没规划? 盯着表看怕上班错过时间.让电脑变成管家

# -*- coding: cp936 -*-
#读取日常日程. 工作日的安排.周末的安排.
import sys

import datetime
import requests
import json
import os #文件
import shelve #本地文件存储key-value


from time import sleep
from retrying import retry


#第一步,开发好大闹钟.
#第二部,起床后夸夸,在线语音合成  (出)
#第三部,语音识别,发微博. (入)
#第四步,语音识别,命令,今天别管我

print('starting...')

# 读取日程.
redmine_stepDB = shelve.open('schedule.db');# 周末
redmine_stepDB = shelve.open('schedule.db');# 工作日.

#每隔
def dealMeiGe(minutes):

    for key, value in redmine_stepDB.items():
        if '每隔' in key :
            #间隔
            timeJianGe= key[5:]
            #如果满足
            if minutes % int(timeJianGe) == 0 : 
                print("-----------_:"+value)

#每隔
def dealQueding(minutes,nowTime):

    for key, value in redmine_stepDB.items():
        if '每隔' not in key :
            #间隔
            timeJianGe= timeSubtract(key,nowTime)
            #如果满足
            if '++' in value and timeJianGe == 30 : 
                print("-----------@还有三十分钟:"+value)
            elif '+' in value and timeJianGe == 15 :
                print("-----------@还有十五分钟:"+value)
            elif timeJianGe == 0:
                print("-----------@:"+value)

# 第一个减去第二个,得到的分钟数.
def timeSubtract(time1 , time2) :
    hour1 = time1[0:2]
    hour2 = time2[0:2]
    minute1 = time1[3:5]
    minute2 = time2[3:5]

    return (int(hour1)*60+int(minute1) ) - ((int(hour2))*60+int(minute2) )
    
minutes = 0; #每次循环60秒,每次加1. 所有时间基于分钟计算.
while 1==1 :
    
    minutes = minutes + 1 
    
    nowTime = datetime.datetime.now().strftime('%H:%M')
    
    #每隔
    dealMeiGe(minutes)

    #确定
    dealQueding(minutes,nowTime)

    sleep(60)





在MATLAB中使用机器学习进图像处理通常需要数据集。数据集是训练机器学习模型的基础,模型通过学习数据集中的特征和模式来进准确的预测和分类。 ### 所需照片数量 所需照片数量并没有固定的标准,它取决于多个因素,如任务的复杂程度、图像的多样性、模型的类型等。对于简单的分类任务,如果图像特征比较明显,可能几百张照片就可以得到不错的结果;而对于复杂的任务,如高精度的目标检测或图像分割,可能需要数千甚至数张照片才能训练出性能良好的模型。 ### 相关代码及所需时间 以下是一个使用MATLAB进简单图像分类的示例代码,使用的是预训练的ResNet-18模型: ```matlab % 加载图像数据 imds = imageDatastore('path/to/your/images', ... 'IncludeSubfolders',true, ... 'LabelSource','foldernames'); % 划分训练集和测试集 [imdsTrain,imdsValidation] = splitEachLabel(imds,0.7,'randomized'); % 加载预训练的ResNet-18模型 net = resnet18; % 提取图像特征 layersTransfer = net.Layers(1:end-3); % 定义新的全连接层和输出层 numClasses = numel(categories(imdsTrain.Labels)); layers = [ layersTransfer fullyConnectedLayer(numClasses,'Name','new_fc','WeightLearnRateFactor',20,'BiasLearnRateFactor',20) softmaxLayer('Name','softmax') classificationLayer('Name','new_classoutput')]; % 定义训练选项 options = trainingOptions('sgdm', ... 'MiniBatchSize',10, ... 'MaxEpochs',6, ... 'Shuffle','every-epoch', ... 'ValidationData',imdsValidation, ... 'ValidationFrequency',30, ... 'Verbose',false, ... 'Plots','training-progress'); % 训练模型 netTransfer = trainNetwork(imdsTrain,layers,options); % 对测试集进预测 YPred = classify(netTransfer,imdsValidation); YValidation = imdsValidation.Labels; % 计算分类准确率 accuracy = mean(YPred == YValidation); disp(['Validation set accuracy: ' num2str(accuracy*100) '%']); ``` ### 所需时间 所需时间同样受到多种因素的影响,包括照片数量、模型复杂度、计算机硬件性能等。在普通的笔记本电脑上,如果使用几百张照片训练一个简单的模型,可能需要几分钟到几十分钟;而使用大量照片训练复杂的深度学习模型,可能需要数小时甚至数天。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值