logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

Python字符串:find和index 查找函数

str.find(sub[, start[, end]])返回子字符串 sub 在 s[start:end] 切片内被找到的最小索引。 可选参数 start 与 end 会被解读为切片表示法。 如果 sub 未被找到则返回 -1。注: find() 方法应该只在你需要知道 sub 所在位置时使用。 要检查 sub 是否为子字符串,请使用 in 操作符‘Py’ in ‘Python’Truestr.

#python
《HALCON机器视觉与算法原理编程实践》第12章 图像分类-学习笔记

文章目录12.1 分类器12.1.1 分类的基础知识12.1.2 MLP分类器12.1.3 SVN分类器12.1.4 GMM分类器12.1.5 k-NN分类器12.1.6 选择合适的分类器12.1.7 选择合适的特征12.1.8 选择合适的训练样本12.2 特征的分类12.2.1 一般步骤12.2.2 MLP分类器12.2.3 SVM分类器12.2.4 GMM分类器12.2.5 k-NN分类器12

《图像处理、分析与机器视觉 第四版》图像分割之阈值化——学习笔记

文章目录阈值化阈值检测方法最优阈值化Otsu 算法多光谱阈值化在对处理后的图像数据进行分析之前,图像分割是最重要的步骤之一,它的主要目标是将图像划分为与其中含有的真实世界的物体或区域有强相关性的组成部分。可以将目标定位于完全分割,其结果是一组唯一对应于输入图像中物休的互不相交的区域;也可以将目标定位于部分分割,其中区域并不直接对应于图像物体。为了完成该分割,通常必须与使用有关问题领域专门知识的较高

Python字符串:str.zfill(width) 填充0至指定宽度

str.zfill(width)返回原字符串的副本,在左边填充 ASCII ‘0’ 数码使其长度变为 width。 正负值前缀 (’+’/’-’) 的处理方式是在正负符号 之后 填充而非在之前。 如果 width 小于等于 len(s) 则返回原字符串的副本。# coding:utf-8heart = 'love'if __name__ == '__main__':print(' t' + hea

#python
Python字符串:小写函数 casefold和lower

str.casefold()返回原字符串消除大小写的副本。 消除大小写的字符串可用于忽略大小写的匹配。消除大小写类似于转为小写,但是更加彻底一些,因为它会移除字符串中的所有大小写变化形式。 例如,德语小写字母 ‘ß’ 相当于 “ss”。 由于它已经是小写了,lower() 不会对 ‘ß’ 做任何改变;而 casefold() 则会将其转换为 “ss”。str.lower()返回原字符串的副本,其所

#python
Python列表常用函数方法总结

文章目录1 列表(元组)基本使用2 列表(元组)之间的累加和乘法3 列表(元组)in和not in4 列表的添加append函数5 列表的添加-insert函数6 列表insert和append的区别7 列表(元组)的 count函数8 列表的 remove函数9 Python的内置函数del10 列表的 reverse函数11 列表的sort函数12 列表的cear函数13 列表的copy函数1

#python
数据可视化之matplotlib实战:plt.boxplot()函数 绘制箱线图

import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as np# 防止乱码mpl.rcParams["font.sans-serif"] = ["SimHei"]mpl.rcParams["axes.unicode_minus"] = Falsex = np.random.randn(1000)plt.boxplo

#数据可视化#python#matplotlib
python pandas 统计学 简单统计指标

import numpy as npimport pandas as pddf = pd.DataFrame(data = np.random.randint(0,100,size = (20,3)),index = list('ABCDEFHIJKLMNOPQRSTU'),columns=['Python','Tensorflow','Keras'])# 1、简单统计指标df.count() #

#python#数据分析#pandas
《HALCON机器视觉与算法原理编程实践》第14章 机器视觉中的深度学习-学习笔记

文章目录14.1 深度学习的基本概念14.1.1 Halcon中深度学习的应用14.1.2 系统需求14.1.3 搭建深度学习环境14.1.4 Halcon的通用深度学习流程14.1.5 数据14.1.6 网络与训练过程14.1.7 随机梯度下降法14.1.8 迁移学习14.1.9 设置训练参数:超参数14.1.10 验证训练结果14.2 分类14.2.1 准备网络和数据14.2.2 训练网络并评

    共 115 条
  • 1
  • 2
  • 3
  • 12
  • 请选择