技术研究与问题解决

2019年7月18日

摘要： Numpy的 tile() 函数，就是将原矩阵横向、纵向地复制。tile 是瓷砖的意思，顾名思义，这个函数就是把数组像瓷砖一样铺展开来。举个例子，原矩阵： mat = array([[1,2], [3, 4]]) 横向： tile(mat, (1, 4)) # 等同于 tile(mat, 4) i 阅读全文

posted @ 2019-07-18 13:59 技术研究与问题解决阅读(184) 评论(0) 推荐(0)

2019年7月17日

numpy中的reshape中参数为-1

摘要：上篇文章中的reshape（-1,2），有的时候不明白为什么会有参数-1，可以通过查找文档中的reshape（）去理解这个问题根据Numpy文档(https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html#nump 阅读全文

posted @ 2019-07-17 17:53 技术研究与问题解决阅读(359) 评论(0) 推荐(0)

Python学习之==>数组（一）

摘要： 1、定义数组 1、定义数组 1、定义数组 1 city = [] # 定义一个空数组 2 name = ['Jack','Panda','Bob','Franck'] 3 # 根据下标找元素，最前面一个元素的下标是0，最后一个元素下标是-1 4 print(name[2]) 5 print(name 阅读全文

posted @ 2019-07-17 17:46 技术研究与问题解决阅读(341) 评论(0) 推荐(0)

numpy常用函数之arange函数

摘要： 2、np.arange([start, ]stop, [step, ]dtype=None) 作用： arange函数用于创建等差数组 start:可忽略不写，默认从0开始;起始值 stop:结束值；生成的元素不包括结束值 step:可忽略不写，默认步长为1；步长 dtype:默认为None，设置显阅读全文

posted @ 2019-07-17 17:03 技术研究与问题解决阅读(1452) 评论(0) 推荐(0)

ndarray数据类型及转换

摘要： ndarray数据类型 Ndarray的基本数据类型如下图所示，数据类型的命名采用“类型名+数字”的形式表示，数字表示数据的比特位长。在计算机中比特位bit是表示数据最小的单位，1个字节Byte的长度等于8个比特位，即1Byte = 8bit。int64表示8个字节长度的整型，float64表示为8 阅读全文

posted @ 2019-07-17 16:30 技术研究与问题解决阅读(7111) 评论(0) 推荐(0)

基于贝叶斯模型和KNN模型分别对手写体数字进行识别

摘要：首先，我们准备了0~9的训练集和测试集，这些手写体全部经过像素转换，用0，1表示，有颜色的区域为0，没有颜色的区域为1。实现代码如下：手写数字体转换为0，1像素矩阵如下：我们一共准备了1934个训练集和934个测试集，分别为0~9的手写体像素矩阵基于贝叶斯模型对手写体数字进行识别贝叶斯模型实阅读全文

posted @ 2019-07-17 10:28 技术研究与问题解决阅读(734) 评论(0) 推荐(0)

KNN分类算法实现手写数字识别

摘要：需求：利用一个手写数字“先验数据”集，使用knn算法来实现对手写数字的自动识别；先验数据（训练数据）集： ♦数据维度比较大，样本数比较多。 ♦ 数据集包括数字0-9的手写体。 ♦每个数字大约有200个样本。 ♦每个样本保持在一个txt文件中。 ♦手写体图像本身的大小是32x32的二值图，转换到t 阅读全文

posted @ 2019-07-17 10:22 技术研究与问题解决阅读(2902) 评论(0) 推荐(0)

np.ndarray与PIL.Image对象相互转换

摘要： Image对象有crop功能，也就是图像切割功能，但是使用opencv读取图像的时候，图像转换为了np.adarray类型，该类型无法使用crop功能，需要进行类型转换，所以使用下面的转换方式进行转换： numpy.array(img) img对象转化为np数组 Image.fromarray(ar 阅读全文

posted @ 2019-07-17 09:07 技术研究与问题解决阅读(3949) 评论(0) 推荐(1)

2019年7月16日

经典博客2

摘要：经典博客2 阅读全文

posted @ 2019-07-16 22:00 技术研究与问题解决阅读(97) 评论(0) 推荐(0)

入门项目数字手写体识别：使用Keras完成CNN模型搭建（重要）

摘要：摘要：本文是通过Keras实现深度学习入门项目——数字手写体识别，整个流程介绍比较详细，适合初学者上手实践。对于图像分类任务而言，卷积神经网络（CNN）是目前最优的网络结构，没有之一。在面部识别、自动驾驶、物体检测等领域，CNN被广泛使用，并都取得了最优性能。对于绝大多数深度学习新手而言，数字手阅读全文

posted @ 2019-07-16 21:22 技术研究与问题解决阅读(935) 评论(0) 推荐(0)

公告