使用pycharm+tensorflow实现对bus和taxi数据集进行识别和分类：1 具体实现教程：Python深度学习之图像识别。Win-10 安装 TensorFlow-GPU。深度学习训练自己的数据集（车辆图像识别分类）。1、总结：今天花了很多时间在配置开发环境上面，具体代码实现的时间和开发环境搭建的时间是差不多的。2、标记：目前只是对bus和taxi进行了二分类识别的情况。

1 确认聚类中心对西瓜数据集的密度属性和含糖量属性分别进行3类聚，从而得到两个属性模糊子集的判断临界点。"""属性数据进行聚类"""# 读取原始数据集X = readDataSet().dataprint(X)# 密度数据聚类x1 = [n[0] for n in X]y1 = np.array(x1).reshape(-1, 1)km1 = KMeans(n_clusters=3)km1.fit

1 openpyxl操作完后的保存操作：创建完表格以后一定要保存，否则程序运行结束以后还是最初的模样。wb1.save(“文件名”)def preDataSet():wb1 = load_workbook('E:\My Word\study\RL0314\西瓜.xlsx')sheet1 = wb1.worksheets[0]# 获取第1张sheetsheet2 = wb1.create_sheet

RTL8367学习笔记1——基础知识文章目录RTL8367学习笔记1——基础知识写在前面一、RTL8367的应用举例1.5端口1000Base-T交换机二、使用步骤1.引入库2.读入数据总结写在前面最近开始学习RTL8367，发现自己真的像个文盲一样，这个领域对我来说实在是太陌生了，记录一下自己的学习过程，给以后的自己留一份回忆，看看现在像盲头苍蝇一样乱飞的自己。一、RTL8367的应用举例示例：

1 openpyxl操作完后的保存操作：创建完表格以后一定要保存，否则程序运行结束以后还是最初的模样。wb1.save(“文件名”)def preDataSet():wb1 = load_workbook('E:\My Word\study\RL0314\西瓜.xlsx')sheet1 = wb1.worksheets[0]# 获取第1张sheetsheet2 = wb1.create_sheet