案例分析：重构“策略”模式 经典的“策略”模式电商领域有个功能明显可以使用“策略”模式，即根据客户的属性或订单中的商品计算折扣。假如一个网店制定了下述折扣规则。有 1000 或以上积分的顾客，每个订单享 5% 折扣。 同一订单中，单个商品的数量达到 20 个或以上，享 10% 折扣。 订单中的不同商品达到 10 个或以上，享 7% 折扣。简单起见，我们假定一个订单一次只能享用一个折扣。 上下文 把一些计算委托给实现不同算法的...
设计模式 设计模式是一套被反复使用的代码结构，是代码设计经验的总结。他提高了代码的可重用性，让代码更容易被他人理解，保证代码可靠性。 这里总结9种常见的设计模式作为参考，并用Python实现。 设计模式分类 点击链接跳转：创建型设计模式单例模式 工厂模式结构型设计模式门面模式 代理模式行为型设计模式命令模式 模板方法模式 观察者模式 状态模式复合型设计模式MVC模式
1. 策略模式解决的是什么问题 策略模式解决的应用场景是这样的： 在业务场景中，需要用到多个算法，并且每个算法的参数是需要调整的。那么当不同的行为堆砌到同一个类中时，我们很难避免使用条件语句来选择合适的行为。我们需要解决的是把算法封装起来，达到算法的变化不会影响到使用算法的客户的效果。实际上就是把算法模块给完全独立出来，并且易于配置、修改和扩展，实现“开闭”原则。 通俗来讲就是针对一个问题而定义出一个解...
人类使用文本,计算机使用字节序列. 一个字符串是一个字符序列.bytes字面量以b开头: b’caf\xc3\xa9’ bytes在python3中是不可变类型,bytrarrary是可变类型,bytes或bytearrary对象的各个元素是介于0-255之间的整数. bytes对象的切片还是bytes对象,即使只有一个字节的切片. 二进制序列其实是整数序列,但是他们的字面量表示法表名其中有ASCII文本,因此,各个字节的值可能会使用下列三种不同的方式显示 1 可打印的ASCII范围内的字符(从空...
先给大家展示下效果如图，感觉还很满意请继续阅读全文：用到的知识：Python Bottle HTML Javascript JQuery Bootstrap AJAX 当然还有 linux 我去，这么多……我还是一点一点说起吧…… 先贴最终的源代码：#!/usr/bin/env python3 from bottle import get,post,run,request,template @get("/") def index(): return template("index") @post("/cmd") def cmd(): print("按下了按钮: "+request.body.read().decode()) return "OK" ru...
实现 WiFi 断线自动重连，原理是用 Python 监测网络是否断线，如果断线则重启网络服务。接下来给大家分享实现代码，需要的朋友参考下1.Python 代码 autowifi.py，放在 /home/pi 目录下:#!/usr/bin/python import os, timewhile True:if 192 not in os.popen(ifconfig | grep 192).read():print \n****** wifi is down, restart... ******\nos.system(sudo /etc/init.d/networking restart)time.sleep(5*60) #5 minutes2.Shell脚本a...
python代码实现树莓派3b+驱动步进电机 之前买了个树莓派，刚买回来那会儿热情高涨，折腾了一段时间，然后就放哪吃灰了。前几天忽然想起来这个东西了，决定再玩玩儿，于是就从某宝上购买了一套步进电机、驱动板。东西收到后就开始折腾研究，下边来总结下折腾的结果吧。先来说下都需要什么吧，树莓派的这一套都少不了，树莓派3b+主板、TF卡、树莓派电源、步进电机以及对应的驱动板、杜邦线6根（母对母），差不多就这么多吧。 引...
推荐理由 这本书用非常简单精妙的思想讲述了深度学习的基本原理。我感觉这本书告诉了我一个很重要的道理，如果你读了很多书都没有把一个概念读懂，那可能真的不一定是你的问题，还有可能是书的问题。一个好的老师，就应该把班里最笨的学生教会（如果他愿意学的话）。我想这本书，可以在我的顶级程序员书单系列排名第3-5位，非常值得一读。 我的部分笔记 深度学习经验 1.更深入地理解深度学习，最好的办法就是亲自实现。 2.光看数学...
擅长python，theano，keras框架，求大神介绍一些新鲜的好玩的论文，注：画画的已经实现了。
基于tensorflow2.x版本python代码实现深度学习回归预测（以lstm为例） 代码实现（能直接跑通本文中的代码） import os import tensorflow as tf import numpy as np from tensorflow import keras from general import *#import tensorflow as tf #from tensorflow import keras from keras.models import Sequential from keras.layers import * #from general import *tf.random.set_seed(22) np.random.seed(22) os.environ...
搭建网络八股步骤 Import Train, test Model = tf.keras.models.Sequential 搭建网络结构 Model.compile 配置训练参数，告知优化器、损失函数、评测指标 Model.fit 配置训练过程，告知训练集的输入特征和标签、batch、迭代次数 Model.summary 具体步骤 1.Model = tf.keras.models.Sequential([网络结构]) 描述各层网络 网络结构举例： 拉直层：tf.kears.layers.Flatten() 全连接层：tf.kears.layers.Dense(神经元个数，activation=...
参考链接： Keras中的深度学习-数据预处理 Keras-Sematic-Segmentation 使用Keras实现深度学习中的一些语义分割模型。 配置 tensorflow 1.13.1+tensorboard keras 2.2.4 GTX 2080Ti x 2 Cuda 10.0 + Cudnn7 opencv-python labelme(标注数据需要用) 目录结构 data 存储输入图像和语义分割标签的文件夹 - data - dataset_name - train_image - train_label - test_image - test_label Models 存储使用keras实现...
实验一：Perceptron（感知机） 1.实验要求 Define a two-class problem, including 30 positive data and 30 negative data. Write the code of perceptron using Python. 2.实验过程 （1）定义一个二分类问题： 设置数据集有60个点，30个正样本，30个负样本，训练感知机将正样本和负样本正确分类，用一条线可视化分类结果。 简单起见，将坐标都设置为整数，坐标横坐标在6及其以下的为正样本，...
加载cifar10图片集并准备将图片进行灰度化 from keras.datasets import cifar10def rgb2gray(rgb):#把彩色图转化为灰度图，如果当前像素点为[r,g,b],那么对应的灰度点为0.299*r+0.587*g+0.114*breturn np.dot(rgb[...,:3], [0.299, 0.587, 0.114])(x_train, _),(x_test, _) = cifar10.load_data()img_rows = x_train.shape[1] img_cols = x_train.shape[2] channels = x_train.shape[3]#将100张彩色原图集合在一起显示 imgs = x_t...
from keras.layers import Dense, Input from keras.layers import Conv2D, Flatten from keras.layers import Reshape, Conv2DTranspose from keras.models import Model from keras.datasets import mnist from keras import backend as Kimport numpy as np import matplotlib.pyplot as plt#加载手写数字图片数据 (x_train, _), (x_test, _) = mnist.load_data() image_size = x_train.shape[1]#把图片大小统一转换成28*28,并把...