当前位置： 首页 > news >正文

基于Python构建机器学习Web应用

news 来源：原创 2024/5/5 10:34:05

9304ee935f724ca5b215068e1c3506c1.jpeg

目录

一、内容介绍

1.Onnx模型

①skl2onnx库安装

2.Netron安装

二、模型构建

1.数据加载

2.划分可训练特征与预测标签

3.训练模型

①第三方库导入

②数据集划分

③SVC模型构建

④精度评价

二、模型转换及可视化

1.参数配置

2.Onnx模型生成

3.可视化模型

四、构建Web应用程序

1.构建HTML文件

2.构建JavaScript代码

3.测试Web程序

六、总结

本文相关数据资源免费下载

        在本文中，你将学到： 

0 如何构建模型并将其保存为Onnx模型
1 如何使用Netron可视化模型
2 如何在Web应用中使用模型进行预测

         📈 机器学习最有用的实际用途之一是构建推荐系统，今天我们可以朝着这个方向迈出第一步！ 

一、内容介绍

        在系列8的文章中，我们构建了一个基于UFO目击事件的回归模型，对其使用pickle库进行封装打包，并基于Flask库构建了Web应用，虽然这个打包方法简单易用，但是对于大多数Web应用，其构建环境是基于JavaScript语言的，因此使用一个JavaScript打包并使用模型更容易拓展和广泛应用。

1.Onnx模型

        构建机器学习模型应用是AI业务系统中的重要组成部分。通过使用Onnx，我们可以在各种Web应用程序中使用模型。Python的第三方库skl2onnx可以帮我们把Scikit-learn模型转换为Onnx模型。

        ONNX(Open Neural Network Exchange)，开放神经网络交换，是用于在各种深度学习训练和推理框架转换的一个中间表示格式。在实际业务中，可以使用Pytorch或者TensorFlow训练模型，导出成ONNX格式，然后在转换成目标设备上支撑的模型格式，比如TensorRT Engine、NCNN、MNN等格式。ONNX定义了一组和环境，平台均无关的标准格式，来增强各种AI模型的可交互性，开放性较强。

①skl2onnx库安装

pip install -i https://mirrors.aliyun.com/pypi/simple/ skl2onnx

        看到下图信息代表安装成功：

7ebe637284e64a1a83c9907e174461ab.png

2.Netron安装

        Netron是一个深度学习模型可视化库，其支持以下格式的模型存储文件：

ONNX (.onnx, .pb)

Keras (.h5, .keras)

CoreML (.mlmodel)

TensorFlow Lite (.tflite)

        netron并不支持pytorch通过torch.save方法导出的模型文件，因此在pytorch保存模型的时候，需要将其导出为onnx格式的模型文件，可以利用torch.onnx模块实现这一目标。

Netron安装链接

        安装好以后，双击即可运行，选中我们模型进行可视化查看。

d9fcdaaa71e849bdb7b940bc88a6637a.png

 

二、模型构建

        首先，使用我们之前已清理的亚洲美食数据集训练SVC线性分类模型。

1.数据加载

        导入第三方库并调用查看之前处理好的亚洲美食数据集。

import pandas as pd
data = pd.read_csv('cleaned_cuisines.csv')
data.head()

41434199e24d4d84bfd6d4d2f6c6d5bd.png

2.划分可训练特征与预测标签

        删去不需要的两列数据，并将剩余数据赋值给X，同理将标签另存为Y：

X = data.iloc[:,2:]#X为可训练特征
Y = data['cuisine']#Y为预测标签

3.训练模型

①第三方库导入

        从Scikit-learn库中导入需要的函数：

from sklearn.model_selection import train_test_split#用于数据集的划分
from sklearn.svm import SVC#SVC模型
from sklearn.model_selection import cross_val_score#
from sklearn.metrics import accuracy_score,precision_score,confusion_matrix,classification_report#调用精度评价函数

②数据集划分

        将数据集以7：3的比例划分为训练集与测试集：

X_train, X_test, Y_train, Y_test = train_test_split(X,Y,test_size=0.3)

③SVC模型构建

        构建一个SVC模型，核函数为“linear”。使用划分好的训练集数据进行模型训练。

model = SVC(kernel='linear', C=10, probability=True,random_state=0)
model.fit(X_train,Y_train.values.ravel())

④精度评价

        用训练好的模型预测出预测标签Y_pred，并打印出精度评价表。

Y_pred = model.predict(X_test)
print(classification_report(Y_test,Y_pred))

cbf9de8180dd47febf7c931b6552f46d.png

二、模型转换及可视化

        在前文中，我们以及训练好了SVC模型，其精度达到了79%。现在我们需要将模型转换为Onnx格式。

确保使用正确的张量数进行转换，此数据集中有380个特征，因此我们需要在FloatTensorType函数中设定好特征数量。

1.参数配置

        配置好Onnx模型参数，如数据类型为Float，数据类型为[1,380]的张量。

from skl2onnx import convert_sklearn
from skl2onnx.commmon.data_types import FloatTensorType
initial_type = [('float_input',FloatTensorType([None, 380]))]
options = {id(model):{'nocl': True, 'zipmap': False}}

2.Onnx模型生成

        基于以上参数生成Onnx模型并保存在model.onnx文件中：

onx = convert_sklearn(model, initial_types=initial_type, options=options)
with open("model.onnx", "wb") as f:
    f.write(onx.SerializeToString())

cd31abf6bf574f469e7f3951e01daf13.png

        现在，我们可以在文件夹中看到Onnx模型。

172b53997ba8440491e7cb4cde15f10e.jpeg

 

3.可视化模型

        Onnx模型结构在代码中看起来并不是很明显，我们Netron软件来可视化模型。打开Netron软件，点击Open model，加载模型，选择我们刚刚生成的model.onnx文件。

b15c2fe0d96a49a68259d0bced61f928.png

5bf91698625f4bc0bbca30618f95f491.png

        可以看到，模型的结构已被可视化，其中列出了380个特征输入与所用的分类器。我们可以点击不同的部分查看其数据类型，输出结果类型以及参数配置。

15c0c30bb9754f1b89f0e3882288ff6d.png

四、构建Web应用程序

        现在，我们已经准备在Web应用程序上使用此模型，首先，我们先构建一个Web应用程序。

1.构建HTML文件

        在文件夹下新建index.html，加入以下代码：（简单的Web代码，有点前端基础应该都能看懂）

        <div class="boxCont">
            <input type="checkbox" value="247" class="checkbox">
            <label>pear</label>
        </div>
    
        <div class="boxCont">
            <input type="checkbox" value="77" class="checkbox">
            <label>cherry</label>
        </div>

        <div class="boxCont">
            <input type="checkbox" value="126" class="checkbox">
            <label>fenugreek</label>
        </div>

        <div class="boxCont">
            <input type="checkbox" value="302" class="checkbox">
            <label>sake</label>
        </div>

        <div class="boxCont">
            <input type="checkbox" value="327" class="checkbox">
            <label>soy sauce</label>
        </div>

        <div class="boxCont">
            <input type="checkbox" value="112" class="checkbox">
            <label>cumin</label>
        </div>
    </div>
    <div style="padding-top:10px">
        <button onClick="startInference()">预测</button>
    </div> 
</body>

tip:我们可以看到每个复选框都有一个值value，这个值是食材特征在模型张量中对应的索引。 

2.构建JavaScript代码

        在标签下方继续构建JavaScript脚本。

<script src="https://cdn.jsdelivr.net/npm/onnxruntime-web@1.9.0/dist/ort.min.js"></script> 
<script>
		//创建一个380的向量，并全部赋值为0
		const ingredients = Array(380).fill(0);
		//定义全局检查变量，用于获取复选框值    
		const checks = [...document.querySelectorAll('.checkbox')];
		//foreach语句是for语句特殊情况下的增强版本，简化了编程，提高了代码的可读性和安全性。    
		checks.forEach(check => {
		    check.addEventListener('change', function() {
		            // toggle the state of the ingredient
		            // based on the checkbox's value (1 or 0)
		        ingredients[check.value] = check.checked ? 1 : 0;
		    });
		});
		//定义函数，检查check列表中是否有复选框被勾选，有则返回Ture，否则False
		function testCheckboxes() {
		        
		    return checks.some(check => check.checked);
		}
		//构建异步加载函数
		async function startInference() {
		
		    let atLeastOneChecked = testCheckboxes()
		
		    if (!atLeastOneChecked) {
		        alert('请至少勾选一个复选框.');
		        return;
		    }
		    try {
		        // 创建一个新的 sessio加载模型.    
		        const session = await ort.InferenceSession.create('model.onnx');
				alert('模型加载成功！')
				//创建一个[1，380]的张量对象
		        const input = new ort.Tensor(new Float32Array(ingredients), [1, 380]);
		        const feeds = { float_input: input };
				alert('参数输入成功！')
		       //输入模型session并开始预测，将结果赋值给results
		        const results = await session.run(feeds);
		
		            //读取results的值并以弹出框的形式展示结果
		        alert('你可以享受' + results.label.data[0] + ' 的美味!')
		
		    } catch (e) {
		        console.log(`模型加载失败！`);
		        console.error(e);
		    }
		}
		           
</script>

        代码解析：

0 我们首先创建了一个包含380个值的数组，值默认全为0，这些值需要设置好后输入到模型进行预测，我们可以通过是否勾选复选框来更改某些参数。

1 我们创建了一个复选框数组，当我们选中该复选框时，数组中对应位置的值则会发生变化，变为1。默认为0。

2 我们创建了一个函数testCheckboxes，用于检查是否选中复选框。

3 当按下按钮时，该函数被调用，如果存在被选中的复选框，则加载模型，开始预测结果。

3.测试Web程序

        在文件夹中选中双击我们建立的index.html软件，稍等片刻可以看到，界面已经加载出来。输入参数即可运行。

        部分读者可能运行后没有效果，因为引入的js代码网站有墙。禁止访问，导致引入超时。读者可自行下载相关JavaScript代码，进行本地调用。

561313629de546c4b0aa8233edfaffd8.png

        🏆🏆至此，我们的Web应用测试成功！你可以将其部署到你的服务器上或者硬件上😁。

六、总结

        在本文中，我们基于之前的亚洲美食数据集构建了SVC模型，并介绍了模型可视化工具Netron与Onnx模型格式的使用。与之前基于Python的pkl格式模型相比，Onnx格式的模型适用性更好，可以在多个平台使用。且OnnxRuntime拥有各种语言的API，💻我们可以在各个环境中部署机器学习模型应用！

 

4b3eff2300744e8e85b8eee2f0f80a13.png#pic_center


   如果觉得我的文章对您有帮助，三连+关注便是对我创作的最大鼓励！

“本站所有文章均为原创，欢迎转载，请注明文章出处:https://blog.csdn.net/qq_45590504/category_11752103.html?spm=1001.2014.3001.5482百度和各类采集站皆不可信，搜索请谨慎鉴别。技术类文章一般都有时效性，本人习惯不定期对自己的博文进行修正和更新，因此请访问出处以查看本文的最新版本。”

​系列文章

机器学习系列0 机器学习思想_GISer Liu的博客-CSDN博客

机器学习系列1 机器学习历史_GISer Liu的博客-CSDN博客

机器学习系列2 机器学习的公平性_GISer Liu的博客-CSDN博客_公平机器学习

机器学习系列3 机器学习的流程_GISer Liu的博客-CSDN博客

机器学习系列4 使用Python创建Scikit-Learn回归模型_GISer Liu的博客-CSDN博客

机器学习系列5 利用Scikit-learn构建回归模型：准备和可视化数据（保姆级教程）_GISer Liu的博客-CSDN博客
机器学习系列6 使用Scikit-learn构建回归模型：简单线性回归、多项式回归与多元线性回归_GISer Liu的博客-CSDN博客_多元多项式回归机器学习系列7 基于Python的Scikit-learn库构建逻辑回归模型_GISer Liu的博客-CSDN博客

机器学习系列8 基于Python构建Web应用以使用机器学习模型_GISer Liu的博客-CSDN博客

一文读懂机器学习分类全流程_GISer Liu的博客-CSDN博客

 

相关文章：

python - 密码加密与解密

Python之密码加密与解密 - 对称算法一、对称加密1.1 安装第三方库 - PyCrypto1.2 加密实现二、非对称加密三、摘要算法3.1 md5加密3.2 sha1加密3.3 sha256加密3.4 sha384加密3.5 sha512加密3.6 “加盐”加密由于计算机软件的非法复制&#xff0c;通信的泄密、数据安全受到威胁。…...

编程日记 2024/4/22 14:49:18

百度飞桨PaddleSpeech的简单使用

PaddleSpeech 是基于飞桨 PaddlePaddle 的语音方向的开源模型库&#xff0c;用于语音和音频中的各种关键任务的开发&#xff0c;包含大量基于深度学习前沿和有影响力的模型&#xff0c;一些典型的应用示例如下&#xff1a;语音识别、语音翻译 (英译中)、语音合成、标点恢复等。…...

编程日记 2024/5/5 6:32:20

Python数据标准化

目录 一.数据标准化方式 1.实现中心化和正态分布的Z-Score 2.实现归一化的Max-Min 3.用于稀疏数据的MaxAbs 4.针对离群点的RobustScaler 二.Python针对以上几种标准化方法处理数据 三.总结 一.数据标准化方式 1.实现中心化和正态分布的Z-Score Z-Score标准化是基于原…...

编程日记 2024/5/5 6:48:46

Pycharm无法下载汉化包，一招教你搞定

Pycharm无法下载汉化包&#xff0c;一招教你搞定Pycharm直接导入汉化包Pycharm 无法采用自带的插件安装汉化包Pycharm直接导入汉化包 Pycharm 是可以直接导入汉化包的&#xff0c;这为很多初学者省区了不少麻烦。具体就是&#xff1a; 1&#xff1a;点击pycharm界面右上角的设…...

编程日记 2024/4/22 14:49:19

python成功实现“高配版”王者小游戏？【赠源码】

前言 嗨喽~大家好呀&#xff0c;这里是魔王呐 ❤ ~! 本游戏完整源码、素材: 点击此处跳转文末名片获取 咳咳&#xff0c;又是一款新的小游戏&#xff0c;就是大家熟悉的王者~ 来看我用python来实现高&#xff08;di&#xff09;配版的王者 是一款拿到代码运行后&#xff0c;…...

编程日记 2024/5/5 8:43:12

【项目实战】Python实现多元线性回归模型(statsmodels OLS算法)项目实战

说明&#xff1a;这是一个机器学习实战项目&#xff08;附带数据代码文档视频讲解&#xff09;&#xff0c;如需数据代码文档视频讲解可以直接到文章最后获取。 1.项目背景 回归问题是一类预测连续值的问题&#xff0c;而能满足这样要求的数学模型称作回归模型&#xff0c;本项…...

编程日记 2024/5/5 6:09:04

graphviz安装教程（2022最新版）初学者适用

1、首先在官网下载graphviz 下载网址&#xff1a;https://www.graphviz.org/download/ 2、安装。 打开第一步已经下载好的软件。点击下一步&#xff0c;在安装路径选择时可将安装路径修改为 D:\graphviz 接着一直点下一步&#xff0c;即可安装完成。 3、配置环境变量 右键…...

编程日记 2024/5/5 5:21:03

【Windows】搭建Pytorch环境(GPU版本，含CUDA、cuDNN)，并在Pycharm上使用（零基础小白向）

文章目录前言一、安装CUDA1、检查电脑是否支持CUDA2、下载并安装CUDA3、下载并安装cuDNN二、安装Pytorch1、安装Anaconda2、切换清华镜像源3、创建环境并激活4、输入Pytorch安装命令5、测试三、在Pycharm上使用搭建好的环境参考文章前言 本人纯python小白&#xff0c;第一次使用…...

编程日记 2024/4/22 14:49:19

Tensorflow与CUDA、cudnn版本对应关系

不同版本的Tensorflow需对应不同的CUDA和cudnn版本&#xff0c;否者容易安装失败。可按下图所示&#xff0c;根据想要安装的Tensorflow版本&#xff0c;选择对应版本的CUDA和cudnn。 其中CUDA的下载链接为&#xff1a; CUDA Toolkit Archive | NVIDIA Developer cudnn下载链…...

编程日记 2024/5/5 4:30:31

ImportError: cannot import name ‘Literal‘ from ‘typing‘ (D:\Anaconda\envs\tensorflow\lib\typing.py)

报错背景&#xff1a; 因为安装tensorflow-gpu版本需要&#xff0c;我把原来的新建的anaconda环境&#xff08;我的名为tensorflow&#xff09;中的python3.8降为了3.7。 在导入seaborn包时&#xff0c;出现了以下错误&#xff1a; ImportError: cannot import name Literal …...

编程日记 2024/4/30 8:03:55

100天精通Python（数据分析篇）——第67天：Pandas数据连接、合并、加入、添加、重构函数（merge、concat、join、append、stack、unstack）

文章目录 一、数据连接（pd.merge）1. left、right2. how3. on4. left_on、right_on5. sort6. suffixes7. left_index、right_index二、数据合并（pd.concat）1. index 没有重复的情况2. index 有重复的情况3. DataFrame合并时同时查看行索引和列索引有无重复三、数据加入（pd.…...

编程日记 2024/4/26 16:55:01

yolov5 优化系列（三）：修改损失函数

1.使用 Focal loss 在util/loss.py中&#xff0c;computeloss类用于计算损失函数 # Focal lossg h[fl_gamma] # focal loss gammaif g > 0:BCEcls, BCEobj FocalLoss(BCEcls, g), FocalLoss(BCEobj, g)其中这一段就是开启Focal loss的关键&#xff01;&#xff01;&…...

编程日记 2024/4/28 9:01:32

Python中数组切片的用法详解

Python中数组切片的用法详解一、python中“::-1”代表什么&#xff1f;二、python中“:”的用法三、python中数组切片三、numpy中的整数数组索引四、numpy中借助【切片 : 或 …与索引数组】组合进行复杂切片五、布尔索引六、花式索引一、python中“::-1”代表什么&#xff1f; …...

编程日记 2024/5/5 7:59:33

python 安装whl文件

前言 WHL文件是以Wheel格式保存的Python安装包&#xff0c;Wheel是Python发行版的标准内置包格式。在本质上是一个压缩包&#xff0c;WHL文件中包含了Python安装的py文件和元数据&#xff0c;以及经过编译的pyd文件&#xff0c;这样就使得它可以在不具备编译环境的条件下&#…...

编程日记 2024/4/22 14:49:20

Pycharm中安装pytorch

配置虚拟环境 为什么要安装虚拟环境&#xff1f;虚拟环境&#xff1a;把一部分内容独立出来&#xff0c;称之为容器。在容器中&#xff0c;安装我们自己想要的东西&#xff0c;比如不容版本的依赖包。各容器之间相互独立&#xff0c;互不影响。比如下载完 Anaconda 之后&#…...

编程日记 2024/4/22 14:49:20

Package | 解决 module ‘cv2‘ has no attribute ‘gapi_wip_gst_GStreamerPipeline‘

. 问题背景 由于这个问题出现了两回&#xff0c;决定记录一下。实验背景是使用opencv python库进行数据预处理&#xff0c;遇到报错信息如下&#xff1a; “ import cv2 File “/opt/conda/lib/python3.8/site-packages/cv2/init.py”, line 181, in bootstrap() File “/op…...

编程日记 2024/5/5 10:33:43

如何在项目中搭建python接口自动化框架？

文章目录前言一、框架目录介绍1、common模块读取Excel代码读取yaml代码&#xff08;支持场景关联&#xff09;jsonpath断言封装代码requests二次封装&#xff08;get、post&#xff09;configparser读取配置文件递归遍历字典常用方法log日志封装2、conf模块3、data模块4、case模…...

编程日记 2024/5/5 8:54:24

应用统计432考研复试复试提问总结精简版【一】

一、区间估计与假设检验的联系与区别 联系&#xff1a;二者利用样本进行推断&#xff0c;都属于推断统计区别&#xff1a; 原理&#xff1a; 前者是基于大概率&#xff0c;后者基于小概率&#xff1b;统计量&#xff1a;前者是构造枢轴量&#xff08;不含未知参数&#xff0c;…...

编程日记 2024/5/5 7:24:20

Pytorch模型量化

在深度学习中&#xff0c;量化指的是使用更少的bit来存储原本以浮点数存储的tensor&#xff0c;以及使用更少的bit来完成原本以浮点数完成的计算。这么做的好处主要有如下几点&#xff1a; 更少的模型体积&#xff0c;接近4倍的减少&#xff1b;可以更快的计算&#xff0c;由于…...

编程日记 2024/5/5 6:53:40

已解决Encountered error while trying to install package.＞ lxml

已解决&#xff08;pip安装第三方模块lxml模块报错&#xff09;Building wheels for collected packages: lxml Building wheel for lxml (setup.py) … error error: subprocess-exited-with-error python setup.py bdist_wheel did not run successfully. note: This error o…...

编程日记 2024/5/5 5:06:31

距离度量 —— 闵可夫斯基距离(Minkowski Distance)

Python学习系列文章&#xff1a;&#x1f449; 目录 &#x1f448; 文章目录一、概述二、计算公式1. 闵氏距离公式2. 闵氏距离的参数 p3. 闵氏距离的缺点一、概述 闵可夫斯基距离 (Minkowski Distance)&#xff0c;也被称为 闵氏距离。它不仅仅是一种距离&#xff0c;而是将多…...

编程日记 2024/5/5 10:02:10

python（模块）xlwt

目录一、xlwt简介二、xlwt语法1、模块安装2、模块导入3、向xls文件中写入内容4、设置写入文件的格式4.1 字体设置&#xff08;font&#xff09;4.2 背景颜色设置&#xff08;pattern&#xff09;4.3 边框设置&#xff08;borders&#xff09;4.4 对齐方式设置&#xff08;align…...

编程日记 2024/5/5 6:53:16

Pytorch中torch.unsqueeze()和torch.squeeze()函数解析

一. torch.squeeze()函数解析 1. 官网链接 torch.squeeze()&#xff0c;如下图所示&#xff1a; 2. torch.squeeze()函数解析 torch.squeeze(input, dimNone, outNone) squeeze()函数的功能是维度压缩。返回一个tensor&#xff08;张量&#xff09;&#xff0c;其中 input…...

编程日记 2024/5/3 0:32:12

python绘制相关系数热力图

python绘制相关系数热力图一.数据说明和需要安装的库二.准备绘图三.设置配色&#xff0c;画出多幅图全部代码&#xff1a;本文讲述如何利用python绘制如上的相关系数热力图一.数据说明和需要安装的库 数据是31个省市有关教育的12个指标&#xff0c;如下所示。&#xff0c;在文…...

编程日记 2024/4/14 12:13:53

DeepSpeed使用指南(简略版)

现在的模型越来越大&#xff0c;动辄几B甚至几百B。但是显卡显存大小根本无法支撑训练推理。例如&#xff0c;一块RTX2090的10G显存&#xff0c;光把模型加载上去&#xff0c;就会OOM&#xff0c;更别提后面的训练优化。 作为传统pytorch Dataparallel的一种替代&#xff0c;D…...

编程日记 2024/5/4 15:06:59

【Python】tqdm 介绍与使用

文章目录一、tqdm 简介二、tqdm 使用1. 基于迭代对象运行: tqdm(iterator)2. tqdm(list)3. trange(i)4. 手动更新参考链接一、tqdm 简介 tqdm 是一个快速&#xff0c;可扩展的 Python 进度条&#xff0c;可以在 Python 长循环中添加一个进度提示信息&#xff0c;用户只需要封装…...

编程日记 2024/4/30 15:22:58

Pytorch机器学习（十）—— 目标检测中k-means聚类方法生成锚框anchor

Pytorch机器学习&#xff08;十&#xff09;—— YOLO中k-means聚类方法生成锚框anchor 目录 Pytorch机器学习&#xff08;十&#xff09;—— YOLO中k-means聚类方法生成锚框anchor 前言 一、K-means聚类 k-means代码 k-means算法 二、YOLO中使用k-means聚类生成anchor 读取VO…...

编程日记 2024/4/19 22:11:54

Python的占位格式符

对于print函数里的语句 print("我的名字是%s, 年龄是%d"%(name, age)) 中的%s和%d叫做占位符&#xff0c;它们的完整形态是 %[(name)][flags][width][.precision]typecode 其中带有[]的前缀都是可以省略的。 [(name)]: (name)表示, 根据, 制定的名称(…...

编程日记 2024/5/5 10:25:04

关于sklearn库的安装

对于安装sklearn真的是什么问题都被我遇到了 例如pip._vendor.urllib3.exceptions.ReadTimeoutError: HTTPSConnectionPool(hostfiles.pythonhosted.org, port443): Read timed out.遇到了 这种也遇到了Requirement already satisfied: numpy in c:\users\yjq\appdata\roamin…...

编程日记 2024/4/22 5:08:17

accuracy_score函数

1.acc计算原理 sklearn中accuracy_score函数计算了准确率。 在二分类或者多分类中&#xff0c;预测得到的label&#xff0c;跟真实label比较&#xff0c;计算准确率。 在multilabel&#xff08;多标签问题&#xff09;分类中&#xff0c;该函数会返回子集的准确率。如果对于一…...

编程日记 2024/4/21 12:47:35

怎么成为稚晖君？

如何成为IT大佬稚晖君——电子系统设计应具备的基本技能和方法论 快速提高电子技术的必经之路_一些老生常谈的道理 嵌入式AI入坑经历 稚晖君软件硬件开发环境总结 首先&#xff0c;机器学习深度学习这些和硬件是两个领域的内容&#xff0c;个人不建议一起学&#xff0c;注意力…...

编程日记 2024/4/22 0:18:15

Pandas库

Pandas是python第三方库&#xff0c;提供高性能易用数据类型和分析工具。Pandas基于NumPy实现&#xff0c;常与NumPy和Matplotlib一同使用。pandas库引用&#xff1a; import pandas as pd 包括两个数据类型&#xff1a;Series&#xff08;相当于一维数据类型&#xff09;&…...

编程日记 2024/4/22 3:42:52

通过两道一年级数学题反思自己

背景 做完这两道题我开始反思自己&#xff0c;到底是什么限制了我&#xff1f;是我自己&#xff1f;是曾经教导我的老师&#xff1f;还是我的父母&#xff1f; 是考试吗&#xff1f;还是什么&#xff1f; 提目 1、正方体个数问题 2、相碰可能性 过程 静态思维&#xff1a; …...

编程日记 2024/4/5 3:49:36

深度学习—卷积神经网络（CNN）全笔记，附代码

本文内容为哔站学习笔记【卷积神经网络-CNN】深度学习&#xff08;唐宇迪带你学AI&#xff09;&#xff1a;卷积神经网络理论详解与项目实战&#xff0c;计算机视觉&#xff0c;图像识别模块实战_哔哩哔哩_bilibili 目录 深度学习基础 什么是深度学习&#xff1f; 机器学习流…...

编程日记 2024/4/28 23:05:41

Building wheel for mmcv-full (setup.py) ... error解决办法！

mmdetection 安装后&#xff0c;根据官方给的程序安装mmcv时&#xff0c;出现&#xff1a;Building wheel for mmcv-full (setup.py) … error 环境&#xff1a;CUDA11.3, Pytorch1.11 安装根据官网给的安装程序&#xff1a;pip install mmcv-full -f https://download.openmm…...

编程日记 2024/4/25 3:21:08

联邦学习开山之作代码解读与收获

参考&#xff1a;联邦学习代码解读&#xff0c;超详细_一只揪的博客-CSDN博客_联邦学习代码 参考文献&#xff1a;[1602.05629] Communication-Efficient Learning of Deep Networks from Decentralized Data (arxiv.org) 参考代码&#xff1a;GitHub - AshwinRJ/Federated-L…...

编程日记 2024/4/23 23:22:49

Python安装第三方库常用方法 超详细~

Python安装第三方库常用方法前言安装方法1. 通过pychram安装2. pip安装大法3. 下载whl文件到本地离线安装3.1 补充4.其他方法4.1 Python官方的Pypi菜单4.2 国内镜像源解决pip安装过慢的问题小结前言 在pyhton的学习中&#xff0c;相信大家通常都会碰到第三方库的安装问题&…...

编程日记 2024/4/26 23:32:18

Python--找出字符串中出现次数最多的字符及其出现的次数

方法一&#xff1a; 1、循环遍历列表或字符串&#xff0c;如果字符在字典中则值加1&#xff0c;如果不在则创建&#xff08;key,value) 2、找到字典中&#xff0c;最大的value值 3、根据最大的value值&#xff0c;找对应的key值&#xff0c;打印出出现次数最多的字符 str &qu…...

编程日记 2024/4/23 17:36:09

滤波笔记一：卡尔曼滤波（Kalman Filtering）详解

本笔记是总结了B站DR_CAN的卡尔曼滤波器的课程&#xff0c;他的B站主页为&#xff1a;DR_CAN的个人空间_哔哩哔哩_bilibili PS:虽然我不是学自控的&#xff0c;但是老师真的讲的很好&#xff01; 目录 Lesson1 递归算法 Lesson2 数学基础_数据融合_协方差矩阵_状态空间方程…...

编程日记 2024/4/29 0:51:11

利用Python求斐波那契数列的第N项以及前N项和（循环、递归、集合）

著名的斐波那契数列&#xff0c;即从第三项开始&#xff0c;每一项都等于前两项之和。 之前写过利用Java语言来编写&#xff0c;由于最近正在学Python&#xff0c;所以将自己的想法记录在此&#xff0c;有需要的朋友可以参考一下。 写在前面&#xff1a;这里的三个方法其实思…...

编程日记 2024/4/28 14:53:17

一文速学(十八)-数据分析之Pandas处理文本数据(str/object)各类操作+代码一文详解(三)

目录 前言 一、子串提取 提取匹配首位子串 提取所有匹配项（extractall）...

编程日记 2024/4/29 23:32:36

Python数据分析-数据预处理

数据预处理 文章目录数据预处理1.前言2.数据探索2.1缺失值分析2.2 异常值分析2.2.1 简单统计量分析2.2.2 3$\sigma$原则2.2.3 箱线图分析2.3 一致性分析2.4 相关性分析3.数据预处理3.1 数据清洗3.1.1 缺失值处理3.1.2 异常值处理3.2 数据集成3.2.1 实体识别3.2.2 冗余属性识别3…...

编程日记 2024/4/23 3:07:00

【Python】AES加解密代码，文章还有加密串等你来解密，等你来挑战

&#x1f366;&#x1f366;写这篇AES文章也是有件趣事&#xff0c;有位小伙伴发了段密文&#xff0c;看看谁解密速度快&#xff0c;学过Python的小伙伴一下子就解开来了&#xff0c;内容也挺有趣的。 &#x1f35f;&#x1f35f;原来加解密也可以这么有趣&#xff0c;虽然看起…...

编程日记 2024/4/26 7:25:59

朴素贝叶斯模型及案例（Python）

目录 1 朴素贝叶斯的算法原理 2 一维特征变量下的贝叶斯模型 3 二维特征变量下的贝叶斯模型 4 n维特征变量下的贝叶斯模型 5 朴素贝叶斯模型的sklearn实现 6 案例&#xff1a;肿瘤预测模型 6.1 读取数据与划分 6.1.1 读取数据 6.1.2 划分特征变量和目标变量 6.2 模型…...

编程日记 2024/5/4 12:03:31

python之Tkinter详解

Python之Tkinter详解 文章目录Python之Tkinter详解1、Tkinter是什么2、Tkinter创建窗口①导入 tkinter的库 &#xff0c;创建并显示窗口②修改窗口属性③创建按钮④窗口内的组件布局3、Tkinter布局用法①基本界面、label(标签)和button(按钮)用法②entry(输入)和text(文本)用法…...

编程日记 2024/4/22 0:29:38

【python】python进行debug操作

文章目录前言一、debug环境介绍二、debug按钮介绍2.1、step into:单步执行&#xff08;遇到函数也是单步&#xff09;2.2、step over:单步执行&#xff08;遇到函数&#xff0c;全部运行&#xff09;2.3、step into my code:&#xff08;直接跳到下一个断点&#xff09;2.4、st…...

编程日记 2024/4/27 11:26:19

Python安装tensorflow过程中出现“No matching distribution found for tensorflow”的解决办法

在Pycharm中使用pip install tensorflow安装tensorflow时报错&#xff1a; ERROR: Could not find a version that satisfies the requirement tensorflow(from versions: none) ERROR: No matching distribution found for tensorflow搜了好多帖子有的说可能是网络的问题&…...

编程日记 2024/4/30 3:46:08

pandas中的read_csv参数详解

1.官网语法 pandas.read_csv(filepath_or_buffer, sepNoDefault.no_default**,** delimiterNone**,** headerinfer’, namesNoDefault.no_default**,** index_colNone**,** usecolsNone**,** squeezeFalse**,** prefixNoDefault.no_default**,** mangle_dupe_colsTrue**,** dty…...

编程日记 2024/5/4 23:11:09

Python — — turtle 常用代码

目录 一、设置画布 二、画笔 1、画笔属性 2、绘图命令 (1) 画笔运动命令 (2) 画笔控制命令 (3) 全局控制命令 (4) 其他命令 3. 命令详解 三、文字显示为一个圆圈 四、画朵小花 一、设置画布 turtle为我们展开用于绘图区域&#xff0c;我们可以设置它的…...

编程日记 2024/4/22 16:04:00

【我是土堆 - PyTorch教程】学习随手记（已更新 | 已完结 | 10w字超详细版）

目录 1. Pytorch环境的配置及安装 如何管理项目环境&#xff1f; 如何看自己电脑cuda版本&#xff1f; 安装Pytorch 2. Python编辑器的选择、安装及配置 PyCharm PyCharm神器 Jupyter&#xff08;可交互&#xff09; 3. Python学习中的两大法宝函数 说明 实战操…...

编程日记 2024/4/23 2:00:38