PaddleHub

Python实战社群 Java实战社群 长按识别下方二维码， 按需求添加 扫码关注添加客服 进Python社群▲ 扫码关注添加客服 进Java社群 ▲ 开源最前线（ID：OpenSourceTop） 猿妹整编 转载请注明来源作者 12月份GitHub上最热门的开源项目排行已经出炉啦，这个月Java相关的开源项目上榜有点多哦，一起来看看上榜详情： 1 coding-interview-university https://github.com/jwasham/coding-interview-university Star 152k 该项目是由国外一个叫John Washam的小哥创建的，John Washam是一名自学编程的谷歌软件工程师，将自学经验编写成了一份教程，在GitHub上线以来，已收获近15万星的好评。 2 PaddleHub https://github.com/PaddlePaddle/PaddleHub Star 4310 PaddleHub是一个深度学习模型开发工具。它基于飞桨领先的核心框架，精选效果优秀的算法，提供了百亿级大数据训练的预训练模型，方便用户不用花费大量精力从头开始训练一个模型。PaddleHub可以便捷地获取这些预训练模型，完成模型的管理和一键预测。 3 takenote https://github.com/taniarascia

Python读懂你的心 一、前言 人工智能是Python语言的一大应用热门，而自然语言处理又是人工智能的一大方向。自然语言处理（ natural language processing ）简称NLP，是研究人同计算机之间用自然语言通信的一种方法。我们都知道，计算机本质上只认识0和1，但是通过编程语言我们可以使用编程语言同计算机交流。这实际上就是程序员同计算机之间的通信，而我们日常生活中使用的是自然语言，是一种带有情感的语言。那么要怎么使计算机理解这种带有情感的语言呢？这就是自然语言处理研究的内容了。 语言的情绪识别是自然语言处理的一种操作，如果要我们从0开始实现情绪识别是比较繁琐的。首先我们需要准备好足够的数据，为了让计算机更好的理解，我们还需要对数据进行预处理，之后需要训练数据，有了训练数据我们才能开始情绪识别。识别的准确率在于数据的相关性和数据量，数据相关性越高，数据量越大，识别的准确率就越高。 然而，我们使用 paddlehub 可以很快的实现情绪识别，我们先看看如何安装。 二、安装 paddlehub paddlehub 是百度 飞桨 PaddlePaddle 中的一个模型库，使用 paddlepaddle 可以很快的实现多种多样的操作，其中就有我们今天要说到的文字情绪识别，而且代码非常简单。首先我们需要安装 paddlepaddle ，我们进入官网 https://www

作者 | ZackSock 前言 Python中有许多用于图像处理的库，像是Pillow，或者是OpenCV。而很多时候感觉学完了这些图像处理模块没有什么用，其实只是你不知道怎么用罢了。今天就给大家带了一些美图技巧，让你的图美翻全场，朋友圈赞不绝口，女朋友也夸你，富贵你好厉害啊！ 模块安装 我们主要使用到OpenCV和Pillow，另外我们还会使用到wordcloud和paddlehub，我们先安装一下： pip install opencv-python pip install pillow python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple pip install -i https://mirror.baidu.com/pypi/simple paddlehub pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ myqr 另外我使用的Python环境是3.7，知道这些我们就可以开始进行我们的美图之旅了。 图片美化 1、祛痘 还在为痘痘烦难，不敢拍照吗？有了这个你就不用怕了（虽然有p图软件，但是大家不要揭穿我）： import cv2 level = 22 # 降噪等级 img = cv2.imread('girl

最近参加了百度AI Studio的深度学习7日入门-CV疫情特辑课程，通过课程来入手学习深度学习框架-PaddlePaddle，同时学习深度学习的相关网络模型，本博客分享在学习过程中的一些心得。 1、通过对该课程的学习，首先了解了PaddlePaddle深度学习框架，然后在本地进行了安装使用；飞桨本地安装可参考飞桨官网：https://www.paddlepaddle.org.cn/documentation/docs/zh/install/index_cn.html 2、通过第一课学习到了百度的Pyecharts，可以进行各种类型的可视化图表绘制，Pycharts Api可参考：https://pyecharts.org/#/zh-cn/；本课程学会了如何爬取新冠肺炎疫情的全国数据，通过request和re模块进行数据爬取。 3、第二课通过手势识别项目，正式进入深度学习框架的使用，采用了一个DNN全连接神经网络进行手势识别图片的训练和预测，通过不断地调参和网络深度变化，最终提交了项目。 4、第三课通过车牌识别项目，学习了CNN神经网络，避免了DNN全连接带来的参数爆炸的问题，同时CNN利用了图片的位置信息，CNN采用了卷积层、池化层，能够更快更好的训练图片，从而更好的进行图片识别和分类。该项目采用了最经典的LeNet神经网络模型。 5、第四课通过口罩识别项目

Python 语言实现功能直接了当，简明扼要，今天咱们就来一起看看 Python 5 行代码的神奇操作！ 1、古典兔子问题 很多人学习python，不知道从何学起。 很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。 很多已经做案例的人，却不知道如何去学习更加高深的知识。 那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！ QQ群：1097524789 有一对兔子，从出生后第3个月起每个月都生一对兔子，小兔子长到第三个月后每个月又生一对兔子，假如兔子都不死，问每个月的兔子总数为多少？ def count (n): if ( 1 == n or 2 == n): return 1 elif (n >= 2): return count(n - 2) + count(n - 1) print(count( 36) * 2) 2、加法计算器 num1 = input( "第一个数：") num2 = input( "第二个数：") new_num1 = int( num1) new_num2 = int( num2) print( new_num1 + new_num2) 3、循环问答 while( True): question = input() answer = question.replace( '吗', '呢')

意料之外，一场疫情解锁了上班族的存封已久厨艺技能，“秒会陕西正宗凉皮”、“电饭煲实现蛋糕梦”……无数美食短视频帮助帅哥靓妹登上了厨房的舞台，舌尖上的中国再次风靡互联网。更惊喜的是，手机APP上的美食短视频就总能在合适的时间、推荐合适的菜谱，让小伙伴们不必为晚餐吃什么而发愁。我不仅暗自感叹，它为啥如此“懂”我？ ​ 说起短视频，网红用到它，炫技用到它……在手机的世界，它无处不在。至2020年3月，我国短视频用户规模为7.73亿，占网民整体的85.6%，每天有大量UGC短视频被生产、分发和消费。 之所以APP可以如此懂我，揭开其神秘面纱，得益于人工智能的视频分类技术。高效的视频分类技术让信息的分发更快地触及目标人群，让APP变得更有温度。 下载安装命令 ## CPU版本安装命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle ## GPU版本安装命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu 面对海量的视频数据，如何推荐 用户 感兴趣的视频？ 互联网视频分类任务的目标是理解视频的语义，并给视频打上标签，标签包括不限于美食、旅游、影视/游戏等等。标签越精细、在视频分发和推荐时

爱奇艺《青春有你2》评论数据爬取,并对评论中的词频进行统计以及对评论进行健康情感审查 随着《青春有你2》的热播，你有没有被那些漂亮的小姐姐吸引呢？作为一个发际线已经到后脑勺的程序员，小姐姐的舞姿、歌声那些都是浮云。你想不想知道每期节目，观众评论最多的内容是什么？评论的内容是否健康呢？通过这篇博客，我将手把手教你如何实现。 需要的配置和准备工作 1、中文分词需要jieba 2、词云绘制需要wordcloud 3、可视化展示中需要的中文字体 4、网上公开资源中找一个中文停用词表 5、根据分词结果自己制作新增词表 6、准备一张词云背景图（必须是白底的图片，可用 hub抠图 实现） 7、paddlehub配置 pip install jieba pip install wordcloud #安装模型 hub install porn_detection_lstm == 1.1 .0 pip install - - upgrade paddlehub 环境配置成功后，可以看到： 一、到爱奇艺上对评论的内容进行爬取 1、找到我们爬取数据所需要的URL 既然是词频统计，肯定是爬取的越多越好。然而，一个页面加载的评论信息量太少，在爱奇艺的中，怎么找出未加载完的评论呢？在这里告诉你一个能快速找到大量评论的方法：在爱奇艺界面单击右键——>检查——>Notebook 当我们在爱奇艺页面点击加载更多评论时

百度深度学习paddlepaddle7日打卡——Python小白逆袭大神学习心得 7日学习总结 第一天作业 第二天作业 第三天作业 第四天作业 第五天作业 7日学习总结 通过这7日打卡课程的学习，从小白入门大神，还需要一段时间，随时大加都说python简单，但是需要系统化的对这个课程进行学习，有一定的基础后，你会在本次这个七日打卡课中的问题可以解决一大部分，在课程的学习中，每日的课程和作业老师讲的都特别认真详细(只能说爱了爱了)，在自己做作业的时候，遇到不懂的问题时可以自己翻看学习群里的聊天记录 （图片来自于一个大佬的表情包），七天中大部分与作业相关无法解决的问题，基本上是都可以在微信聊天群解决的，在者在群里遇到不懂的问题时，学习群里的大佬看到后就会及时的帮你解决，当问题有点难度的时候(不要慌)，强大的助教团队来帮你解决。同时在这个期间你也可以在AI studle平台上我的课程中找到讨论区 ，讨论区中可能会有和你遇到相同的问题，自己可以翻翻看一下历史讨论即可(可以学到很多的东西哦) 课程的设计是由中国科学院大学AI小鸭团队设计，每期的课程中都滑稽的班班，强大的助教团队，强大的授课讲师团队，都是堪称完美的组合。每期的课程中都会有很多的收获，在本期的课程中有人工智能常用Python库的使用、用Python对《青春有你2》选手信息爬取，PaddleHub体验与应用

我的paddlepaddle（飞桨）《 Python小白逆袭大神 》课程学习心得 说实话，第一次参加paddlepaddle（飞桨）是CV课程，也是7天，那时候还没上班，虽然时间充裕，但基础太差，跟上课程很艰难，很受折磨。上班后，4月22日参加了《 Python小白逆袭大神 》课程，短短的7天学习，我加深了对python的使用的，达到了参课的目的。下面我就我的学习心得交流一下。 一、第一节课 第一节课的作业很简单，分别是乘法口诀、目录文件列举，我赶紧抓紧中午的时间做了，好像是第三个提交作业的，这是迄今为止我提交作业最早的一次，累趴下，紧张的不行，怕提交晚了。做完作业，我还发了CSDN， [作业1](https://blog.csdn.net/livingbody/article/details/105695019) 虽然简单，但是阅读量居然达到了683，这是第一次有这么多人阅读我发的博客。 二、第二节课 第二节课是完成《青春有你2》选手数据，包括图片爬取，将爬取图片进行保存。绝大部分代码已经给出来了，我们所要做的就是补齐关键位置代码。照猫画虎，我补全了代码，从百度百科爬取到了图片。最终爬取482张图。 作业2 这次作业 BeautifulSoup 许多用法需要熟记于心，以后数据抓取会经常用到。其中代码写作格式，很值得借鉴。 三、第三节课 第三节课是选手数据分析

很开心参加了百度飞桨深度学习的python小白逆袭大神的课程，课程是由中科院一线精英教师团队讲解Python基础，以及人工智能领域的图像识别，深度学习等，课程设计很完美，特别有层次感，架构清晰，环环相扣，同时也很照顾小白。 课程介绍 1、课程内容从Python入手，绝对0基础，由浅入深，建立系统的知识体系。 2、7日打卡营，采用全程直播+录播+答疑+比赛，四位一体全方位互动，时间短见效快。 3、人工智能进阶用法，贴合实际场景，更匹配大厂工作需求。 4、CPU、GPU计算资源免费使用，为学习添砖加瓦。 课程福利 课程安排 学习体会 很开心能够有机会参加这次学习，非常开心，主办方飞桨团队也是特别给力，从之前在上海的人工智能开发者大会接触，百度飞桨作为中国首个也是唯一开源开放、功能完备的深度学习平台，再到现在进一步的了解，飞桨真的很棒，尤其之前和华为麒麟芯片的深度合作也是让人眼前一亮，为AI提供了强大的算力，构建的强大移动和AI生态真的是强强联合。 实战总结 day1-python基础练习: 作业一：输出 9*9 乘法口诀表(注意格式) 注意：提交作业时要有代码执行输出结果。 作业二：查找特定名称文件 遍历”Day1-homework”目录下文件； 找到文件名包含“2020”的文件； 将文件名保存到数组result中； 按照序号、文件名分行打印输出。 注意：提交作业时要有代码执行输出结果