作者文章归档：daxiahy
from keras.preprocessing.image import load_img, img_to_array
#from scipy.misc import imsave # 最新版本的imsvae方法被弃用了
# from imageio import imwrite,imread
from imageio import imwrite as imsave
import numpy as np
from scipy.optimize import fmin_l_bfgs_b
import time
import matplotlib.pyplot as plt
pip install pydot
下载 graphviz.msi 安装并且添加环境变量
from keras.utils.vis_utils import plot_model
import matplotlib.pyplot as plt
# TB：从上往下 LR：左右
plot_model(model,to_file="model.png",show_shapes=True,show_layer_names=True,rankdir='TB')
plt.figure(figsize=(30,30))
img = plt.imread(&qimport keras
import numpy as np
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.layers import Dense
# 生成随机点
x_data = np.random.rand(100)
noise = np.random.normal(0,0.01,x_data.shape)
y_data = x_data*0.1+0.5+noise
# 显示
plt.scatter(x_data,y_data)
plt.show()
# 构建序构建模型
# 构建一个线性模型
d = tf.Variable(np.random.rand(1)) # 截距
k = tf.Variable(np.random.rand(1)) #斜率
y = k*x_data + d # 映射函数
网络设置
# 二次代价函数
loss = tf.losses.mean_squared_error(y_data, y)
# 定义一个梯度下降法优化器
optimizer = tf.train.GradientDescentOptimizer(0.4) # 经测试0.3~0.7之间较合适
# 最小化代价函数
train使用GPU运行大型神经网络比CPU快非常多
安装前先确认你的GPU是不是能支持，用谷歌搜索“你的GPU型号+SPECIFICATION”，在官网查它是否支持CUDA
ANACONDA打开时可能比较卡，创建虚拟环境时可能失败。建议使用Anaconda Prompt命令行窗口
conda create -n my_env python=3.6
activate my_env
pip install -i https://pypi.douban.com/simple jupyter
pip install -i https://pypi.douban.com/把图片名称改掉
改成1.jpg 2.jpg ....
import os
# 会吧问价内 包括子文件夹内所有文件格式化，请确保没用子文件夹且文件夹内全为图片
def re_name2(path):
init_num = 0
for file in os.listdir(path):
file_path = os.path.join(path, file)
# 判断这个文件是否是文件夹,是文件夹的话就调用自己,把路径拼接好传过去
if os.path.isdir(file_path):
re_name2(f有时候我们收集来的图片数据分辨率过高会导致卷积计算时内存不够用，就需要们提前处理把图片分辨率降低到合适的分辨率。
import cv2
import matplotlib.pyplot as plt
import numpy as np
def show(image):
plt.imshow(image)
plt.axis('off')
plt.show()
def imread(image):
image = cv2.imread(image)
image = cv2.cvtColor(image,cv2.COLOR_BGR2RG基本运算
octave:3> 5+6
ans = 11
octave:4> 3-2
ans = 1
octave:5> 8*9
ans = 72
octave:6> 8/4
ans = 2
octave:7> 6/4
ans = 1.5000
octave:8> 2^6
ans = 64
octave:9>注释：% 表示注释符号
octave:9> 1 == 2 %false
ans = 0
octave:10> 1~=2
ans = 1
octave:11> 1 && 0 % AND
ans = 0
o常用操作命令：
一、环境操作
1.查看环境管理的全部命令帮助：
conda env -h
2.查看当前系统下的环境：
conda info -e
3.创建环境：
conda create env_name (env_name)是环境名称,这条命令将会给Biopython创建一个新的环境，位置在Anaconda安装文件的/envs/snowflakes
创建指定python版本的环境：
conda create env_name python=3.6 (3.6为python的版本，根据自己的需要更改)
创建包含某些包的环境：
conda crea
爬取速度不要太快，尽量爬取你需要的分类
研招网还是很好爬取的，用谷歌浏览器查看浏览页面时的调用的接口，以及你要爬取的元素。
数据预览：
# -*- coding: utf-8 -*-
import scrapy
from scrapy.http import Request
from urllib import parse
from yanzhaoSpider.utils.common import get_md5
from scrapy.http import FormRequ