经常用Photoshop的人应该熟悉磁力套索(Magnetic Lasso)这个功能，就是人为引导下的抠图辅助工具。在研发领域一般不这么叫，通常管这种边缘提取的办法叫Intelligent Scissors或者Livewire。本来是给一个图像分割项目算法评估时的Python框架，觉得有点意思，就稍稍拓展了一下，用PyQt加了个壳，在非常简陋的程度上模拟了一下的磁力套索功能。为什么简陋：1) 只实现了最基本的边缘查找。路径冷却，动态训练，鼠标位置修正都没有，更...
前端代码：html部分，一个隐藏的form表单<form action="" @submit="formSubmitFn" id="export-from" style="visibility:hidden"><input type="submit" id="export-input"></form>js部分：form表单中input点击触发form的submit事件exportData(){$("#export-input").click(); } formSubmitFn(e){e.preventDefault();this.$axios({method: ‘post‘,url: ‘/api/exportByItem‘,data:{itemArr: this.multipleSelection...
定时将源文件或目录使用WinRAR压缩并自动备份到本地或网络上的主机1.确保WinRAR安装在默认路径或者把WinRAR.exe添加到环境变量中2.在代码里的sources填写备份的文件或目录,target_dir填写备份目的目录3.delete_source_file为备份完后是否删除源文件(不删除子文件夹)4.备份成功/失败后生成备份日志 按照格式，填写源目的：sources = [r‘E:\目录1‘, r‘E:\目录2\b.txt‘] #例：= [ r‘E:\test\1234.txt‘, r‘E:\test1‘] target_d...
很久以前就有想过使用深度学习模型来对dota2的对局数据进行建模分析，以便在英雄选择，出装方面有所指导，帮助自己提升天梯等级，但苦于找不到数据源，该计划搁置了很长时间。直到前些日子，看到社区有老哥提到说OpenDota网站(https://www.opendota.com/)提供有一整套的接口可以获取dota数据。通过浏览该网站，发现数据比较齐全，满足建模分析的需求，那就二话不说，开始干活。这篇文章分为两大部分，第一部分为数据获取，第二部分...
搜索与排序（一）二分搜素Binary Search (iterative):def bi_search_iter(alist, item):left, right = 0, len(alist) - 1while left <= right:mid = (left + right) // 2if alist[mid] < item:left = mid + 1elif alist[mid] > item:right = mid - 1else: # alist[mid] = itemreturn midreturn -1 Binary Search (recursive):def bi_search_re(num_list, val):def bi_search(l, h):# Not foundif l > h:return -1# Check midmid = ...
import cv2 import numpy as np import matplotlib.pyplot as plt# hilditch thining def hilditch(img):# get shapeH, W, C = img.shape# prepare out imageout = np.zeros((H, W), dtype=np.int)out[img[..., 0] > 0] = 1# inverse pixel valuetmp = out.copy()_tmp = 1 - tmpcount = 1while count > 0:count = 0tmp = out.copy()_tmp = 1 - tmptmp2 = out.copy()_tmp2 = 1 - tmp2# each pixelfor y in range(H):for x in range(...
1.python-kafka：api送上：https://kafka-python.readthedocs.io/en/latest/apidoc/KafkaConsumer.html2.实现一个broker、topic可配置的生产者与消费者： #coding=utf-8import time import logging import sys import json import etc.config as conf sys.path.append(‘***********/kafka-python-1.3.3‘) from kafka import KafkaProducer from kafka import KafkaConsumer from kafka.errors import KafkaError from kafka impo...
本文参考自《复杂性思考》一书的第二章，并给出这一章节里我的习题解答。（这书不到120页纸，要卖50块！！，一开始以为很厚的样子，拿回来一看，尼玛。。。。。代码很少，给点提示，然后让读者自己思考怎么实现） 先定义顶点和边 1class Vertex(object):2def__init__(self, label=‘‘):3 self.label = label4def__repr__(self):5return‘Vertex(%s)‘ % repr(self.label)6# __repr__返回表达式， __str__返回可阅读信息 7...
#1，用递归实现计算函数的阶乘def myfac(n):#用循环实现s= 1for i in range(1,n+1):s*=iprint(s) myfac(5) def myfac(n):#用循环实现if n==1:return 1return n*myfac(n-1)print(myfac(5)) #2，用递归实现求和：def mysum(n):#返回1+2+3+4+5+n的和 print（mysum（100））#5050 def mysum(n):if n==1:return 1return n+mysum(n-1) print(mysum(100)) 3.已知有列表L=[[3,5,8],10,[[13,14,],15,18],20]写一个函数print_list（lst）...
之前有了实现模拟登陆coursera的经验，我们可以模仿着来模拟登陆V2EX,因为这个网站的登陆不需要验证码，所以先从这个网站下手。先打开登陆页面，按F12，用错误的用户名和密码登陆一次。关键的就是form_data中提交发送的数据。连续试了几次发现用户名和密码是自动生成的会变的每次，所以我们需要先获取用户名和密码。这里我们就用到BeautifulSoup来提取我们需要的数据。这里的once值每次也是随机生成的成功登陆后，我们可以获取签到...
import pymysql#连接数据库conn = pymysql.connect(host=‘localhost‘,port=3306,user=‘root‘,passwd=‘123456‘,db=‘test‘,charset=‘utf8‘,)cursor = conn.cursor()f = open(‘C:\\Users\\zyl\\Desktop\\新建文件夹\\shangweiwenjian.txt‘, "r",encoding = ‘utf-8‘)while True:#逐行读取line = f.readlines()if line:#处理每行\nline = "".join(line)line = line.strip(‘\n‘)line = line.split(",")content = line[0]...
1import collections2from random import choice, shuffle3 4# 构建了一个简单的 Card 类来表示一张纸牌，rank牌值，suit花色 5 Card = collections.namedtuple(‘Card‘, [‘rank‘, ‘suit‘])6 7class FrenchDeck:8‘‘‘定义扑克牌类‘‘‘ 9# 所有牌值 ranks10 ranks = [str(n) for n in range(2, 11)] + list(‘JQKA‘) 1112# 所有花色 suits13 suits = ‘spades hearts diamonds clubs‘.split() 1415def__init__(s...
需要用到的库有selenium，还需要安装Chrome浏览器驱动，具体如何安装我就不详述了在这里我模拟了csdn的登录过程**1**.首先打开网页，用户名+密码登录，然后定位用户名输入框，和密码输入框，输入后 点击登陆 弹出验证滑动条 def __init__(self): self.url = ‘https://passport.csdn.net/login‘ self.browser = webdriver.Chrome() #获取登录按钮对象 选择 账号密码登录 def get_pass_button(self): button= self.browser.find_el...
概率论是很多机器学习算法基础，朴素贝叶斯分类器之所以称为朴素，是因为整个形式化过程中只做最原始、简单的假设。（这个假设：问题中有很多特征，我们简单假设一个个特征是独立的，该假设称做条件独立性，其实往往实际问题中不是完全独立的，这时需要用到另外一种方法叫做贝叶斯网络），后面利用朴素贝叶斯方法，我们应用在垃圾邮件过滤问题当中去。贝叶斯决策理论的分类方法：优点：数据较少仍然有效，可以处理多类别问题。缺点...
本文实例借鉴mvc模式，核心数据为model，维护1个矩阵，0表无雷，1表雷，-1表已经检测过。 本例使用python的tkinter做gui,由于没考虑可用性问题，因此UI比较难看，pygame更有趣更强大更好看，做这些小游戏更合适，感兴趣的读者可以尝试一下！具体的功能代码如下： # -*- coding: utf-8 -*- import random import sys from Tkinter import *class Model:"""核心数据类，维护一个矩阵"""def __init__(self,row,col):self.width=colsel...