zoukankan      html  css  js  c++  java
  • 暑期实践(二)

    (1)登录aistudio社区以后,我对这个基于飞浆开发的《野外蛇谱》app这个项目很感兴趣,毒蛇总是令人闻之色变的,而且全世界范围内毒蛇伤人事件并不在少数,这就奠定了这款《野外蛇谱》app的存在价值,可以帮助人们在野外被蛇咬后准确识别蛇的种类,并精准判断蛇的毒性,提供自救方案,帮助人们在被蛇咬后的紧急处理,大幅度减小伤亡。 但是同样,世界上蛇的种类大约有三千种,其中毒蛇就有六百五十多种,这样就给这款《野外蛇谱》app带来了挑战,它背后必须要有大量的关于蛇的种类的数据集,在大量的数据集的支持下才能保证识别的广泛性和精确性。这个项目的体积有1.75GB,文件数高达17682个,启动速度可能比较慢。
    演示视频:b站:https://www.bilibili.com/video/BV1Zp4y1i7ug

    (2)Python语法总结:
    1.Python标识符(区分大小写)
    在Python里,标识符有字母、数字、下划线组成,所有标识符可以包括英文、数字以及下划线,但注意的是不能以数字开头,且以下划线开头的标识符是有特殊意义的,以单下划线开头的代表不能直接访问类属性,需要通过类提供的接口进行访问,以双下划线开头的代表类的私有成员。
    2.Python有五个标准的数据类型
    Numbers(数字):Python支持四种不同的数字类型,有int(有符号整型)、long(长整型)、float(浮点型)、complex(复数);
    String(字符串):Python的字符串列表有两种取值顺序:从左到右索引默认0开始的,最大范围是字符串长度少1,从右到左索引默认-1开始的,最大范围是字符串开头;
    List (列表) :是Python中使用最频繁的数据类型。列表可以完成大多数集合类的数据结构实现。它支持字符,数字,字符串甚至可以包含列表(即嵌套)。列表用[]标识,是python最通用的复合数据类型。列表中值的切割也可以用到变量[头下标:尾下标],就可以截取相应的列表,从左到右索引默认0开始,从右到左索引默认-1开始,下标可以为空表示取到头或尾。加号+是列表连接运算符,星号*是重复操作;
    Tuple(元组):元组是另一个数据类型,类似于List (列表)。元组用"()”标识。内部元素用逗号隔开。但是元组不能二次赋值,相当于只读列表;
    Dictionary(字典):字典(dictionary)是除列表以外python之中最灵活的内置数据结构类型。
    3.Python数据类型转换
    以下几个内置的函数可以执行数据类型之间的转换。这些函数返回- -个新的对象,表示转换的值。
    int(x [base])将x转换为一个整数;
    long(x [base] )将x转换为一个长整数;
    float(x)将x转换到一个浮点数;
    complex(real [,imag])创建一个复数;
    str(x)将对象x转换为字符串;
    repr(x)将对象X转换为表达式字符串;
    eval(str)用来计算在字符串中的有效Python表达式,并返回一个对象;
    tuple(s)将序列s转换为一个元组;
    list(s)将序列s转换为一个列表;
    set(s)转换为可变集合;
    dict(d)创建一个字典。 d必须是一个序列 (key,value)元组;
    frozenset(s)转换为不可变集合;
    chr(x)将一个整数转换为一一个字符;
    unichr(x)将一个整数转换为Unicode字符;
    ord(x)将一个字符转换为它的整数值;
    hex(x)将一个整数转换为一个十六进制字符串oct(x);
    oct(x)将一个整数转换为一个八进制字符串;
    4.Python运算符
    算术运算符、比较(关系)运算符赋值运算符、逻辑运算符、位运算符、成员运算符、身份运算符、运算符优先级、python算术运算符。

    (3)Jupyter Notebook的功能
    Jupyter Notebook是一个开源的Web应用程序,允许用户创建和共享包含代码、方程式、可视化和文本的文档。它的用途包括:数据清理和转换、数值模拟、统计建模、数据可视化、机器学习等等。它具有以下优势:可选择语言、分享笔记本、交互式输出、大数据整合等。

    (4)基于paddlehub的场景文字识别
    通过运行该项目我了解到在场景文字识别任务中,需要用到的技术有基于CNN的图像特征提取和基于RNN的序列翻译技术,免除人工定义特征,避免字符分割,使用自动学习到的图像特征,完成端到端地无约束字符定位和识别。卷积神经网络CNN是深层神经网络领域的主力,一个大致的CNN提取特征的过程,是通过卷积层和池化层提取图像特征,经过反复传播最终确定卷积核参数,得到最终的特征。
    注:该项目由CSDN博主-飞桨PaddlePaddle原创,项目链接:https://blog.csdn.net/PaddlePaddle/article/details/93859640?utm_source=app

  • 相关阅读:
    第十六周学习进度报告
    个人课程总结
    第一阶段意见评论
    用户评价
    第二阶段10
    第二阶段9
    第二阶段8
    第十五周学习进度报告
    第二阶段7
    第二阶段6
  • 原文地址:https://www.cnblogs.com/x57h/p/13398367.html
Copyright © 2011-2022 走看看