xswl5148的博客

CSV是一种常见的数据格式，可以用来存储和交换表格数据。CSV文件由一系列的行组成，每行包含一些用逗号分隔的字段。CSV文件可以用文本编辑器或excel打开和编辑，也可以用编程语言进行处理和分析。Python是一种流行的编程语言，它有许多内置的模块和第三方库，可以方便地读取和写入CSV文件。用csv模块读取和写入CSV文件；用pandas库读取和写入CSV文件；处理CSV文件中的特殊情况，如引号、换行符、编码等。

BGR转RGB（python）前言BGR转RGB总结前言使用cv2打开图片默认是BGR模式，而使用PIL显示图片时是RGB模式，如果不做转换，图片会出现色彩上的问题，例如：cv_img = cv2.imread('2022-05-06.png')PIL.Image.fromarray(np.uint8(cv_img)).show()BGR转RGB使用cv2.imread打开图片会得到一个三维numpy数组，这个数组最后一维有3个数字分别代表这个图片在这个像素点上的BGR（默认模式）的数值

获得特定格式的当前时间字符串（python）一、使用到的模块：time二、使用到的函数1. time.localtime()2. time.strftime()三、简单实例一、使用到的模块：timeimport time二、使用到的函数1. time.localtime()这个函数会返回一个time.struct_time对象，这个对象包含了一些时间信息例如输出当前时间的time.struct_time对象：import timea = time.localtime()print(

tensorflow1.x学习笔记一：基础前言一、点乘运算二、向前运算三、反向传播前言2022了还学习tensorflow1.x肯定比较奇怪吧，但由于最近需要读懂一个比较旧的tensorflow的代码，必须简单学习一下tensorflow1.x，这篇文件简单记录一下学习过程中用到的实例。一、点乘运算在神经网络中，每一层的计算实际上就是上一层的结果与这一层的权重进行点乘运算。下面是一个简单的实现了点乘运算的例子：# coding:utf-8import tensorflow as tf

turtle简单实例代码：import turtleimport timet = turtle.Pen()for i in range(6): t.forward(100) t.left(60) time.sleep(0.25)运行效果：

北京大学慕课：Tensorflow笔记 9.1真实复杂场景手写英文体识别慕课地址：https://www.icourse163.org/learn/PKU-1002536002?tid=1206591210#/learn/announce实验代码：https://github.com/zlsdu/ocr-handwriting-recognition

ModuleNotFoundError: No module named 'cv2'问题描述问题分析解决方案问题描述运行.py文件时遇到：ModuleNotFoundError: No module named ‘cv2’，如图：本以为使用命令pip install cv2能够解决，但是又遇到没有找到cv2这个包的问题，如下图：问题分析环境中缺少cv2的包所以会出现No module named 'cv2’的问题。然后cv2的包名并不叫cv2，所以使用pip install cv2不能安装

PyTorch学习笔记一：Tensors张量一、张量是什么？二、张量的简单使用1. 生成特定形状的随机张量2. 生成某特定张量3. 修改张量中某一元素的值4. 生成元素全为0的张量5. 生成元素全为1的张量一、张量是什么？A tensor is both a container for numbers as well as a set of rules that define transformations between tensors that produce new tensors[1].张量

torch.cuda.is_available函数总返回False问题解决一、问题描述（使用网上两种解决方法仍不能解决）1. 网上总结的方法一：根据自己cuda版本按照官网提供的安装命令安装pytorch2. 网上总结的方法二：去NVIDIA官网安装最新驱动二、问题分析三、解决方法一、问题描述（使用网上两种解决方法仍不能解决）在import pytorch后，使用以下函数：torch.cuda.is_available()这个函数返回True即为使用了cuda，但是我这里总是返回False。1

使用两层网络实现手写数字识别（《深度学习入门：基于Python的理论与实现》实践笔记）一、加载mnist数据集二、构建两层网络三、训练模型四、完整代码一、加载mnist数据集这部分可以看看本人写的另一篇文章：将MNIST手写数字数据集导入NumPy数组二、构建两层网络三、训练模型四、完整代码完整代码如下所示：import numpy as npimport urllib.requestimport gzipimport osimport pickledef sigmoid(x):

使用PIL将mnist手写数字显示（《深度学习入门：基于Python的理论与实现》实践笔记）一、将mnist数据集导入numpy数组二、取其中一张图片数据数组传入fromarray函数并显示图片三、完整程序（可直接运行）一、将mnist数据集导入numpy数组这一步可以看本人的另一篇文章：将MNIST手写数字数据集导入NumPy数组（《深度学习入门：基于Python的理论与实现》实践笔记）(x_train, t_train), (x_test, t_test) = load_mnist(flatten

使用pickle将python对象保存一、dump函数（将python对象保存进二进制文件文件）1. 语法格式：dump(obj, file, protocol)2. 示例：二、load函数（从二进制文件读取python对象）1. 语法格式：load(file)2. 示例：一、dump函数（将python对象保存进二进制文件文件）1. 语法格式：dump(obj, file, protocol)2. 示例：with open('mnist.pkl', 'wb') as f: pickle.dump

将MNIST手写数字数据集导入NumPy数组下载MNIST数据集（使用urllib.request.urlretrieve()函数）打开下载得到的.gz压缩文件（使用gzip.open()函数）并导入NumPy数组（使用np.frombuffer()函数）完整实例（能直接运行）：可能遇到的问题：下载MNIST数据集（使用urllib.request.urlretrieve()函数）os.path.exists(path)可以判断是否存在以path为地址的文件。urllib.request.urlre

使用matplotlib显示图片（《深度学习入门：基于Python的理论与实现》实践笔记）一、安装matplotlib库二、导入matplotlib.pyplot库和matplotlib.image库里的imread函数三、实例：显示图片一、安装matplotlib库在命令行使用下面的命令即可：pip install matplotlib二、导入matplotlib.pyplot库和matplotlib.image库里的imread函数在程序开头使用：import matplotlib.pyp

使用matplotlib绘制简单图形（《深度学习入门：基于Python的理论与实现》实践笔记）一、安装matplotlib二、导入matplotlib.pyplot库三、实例1：绘制sin图像四、实例2：同时绘制sin和cos图像一、安装matplotlib在命令行使用以下命令即可：pip install matplotlib二、导入matplotlib.pyplot库在程序开头使用：import matplotlib.pyplot as plt三、实例1：绘制sin图像实例完整代码如下

Python之NumPy一、NumPy是什么？二、安装NumPy三、引入NumPy库四、NumPy数组1. 生成NumPy数组（numpy.ndarray）a. 使用array()函数b. 使用arange()函数2. N维NumPy数组二维数组（矩阵）多维数组（张量）3. 访问NumPy数组元素4. NumPy数组切片5. NumPy数组的属性a. 维度（ndim）b. 形状（shape）c. 元素的数据类型（dtype）d. 元素总数（size）e. 元素所占字节数（itemsize）f. NumPy数