argparse

掌握 python基本语法 后，我们可以在骚骚地写一些小脚本，当时总感觉少了点什么？ 文件读写 我们要加载外部的文件怎么办？我们要存储自己计算好的数据怎么办呢？这个时候我们需要用到文件读写功能。我们先打开一个文件对象 # file = open(file_name [, access_mode][, buffering]) file_1 = open('python大法是好剑客.txt', 'r') # 只读文件 file_name是文件名或着文件的path，access_mode用来制定文件操作的模式，如果是只读文件，pattern=‘r’; 只写文件，pattern=‘w’，明细参数可以参考下图（来自菜鸟教程）; buffering 表示是否寄存，基本不会用到。 然后我们就可以读取文件对象中的内容或者写入内容，常用操作 读取： file.readline() 逐行读取； file.readlines()一次性读取所有行 （小文件可以，大文件很危险！） 写入：file.write(string) 字符串写入文件；file.writelines(sequence) # 第一行内容是：你又在胡说八道什么了！ print(file.readline()) 除了文件读写，可能还需要补充一些文件路径方面的操作，在os库里面定义了丰富的工具函数 os.mkdir(dir)新建目录；

前言 4 月热播的韩剧《王国》，不知道大家有没有看？我一集不落地看完了。王子元子出生时，正逢宫内僵尸作乱，元子也被咬了一口，但是由于大脑神经元尚未形成，寄生虫无法控制神经元，所以医女在做了简单处理后，判断不会影响大脑。这里提到了人脑神经元，它也是 AI 神经网络的研究起源，具体展开讲讲。 人脑中总共有 860 亿个神经元，其中大脑皮层有 160 亿个神经元。大脑皮层的神经元数量决定了动物的智力水平，人的大脑皮层中神经元数量远高于其他物种，所以人类比其他物种更聪明。大象的脑子总共有 2570 亿个神经元，但是其中 98% 的神经元都存在于大象的小脑中，而大象的大脑皮层只有 56 亿个神经元，无法与人类相比。大脑皮层中的神经元数量越大，能耗也越大。人脑每天消耗的能量占人体全部耗能的 25%，这也就是为什么我们每天都要吃多餐，很容易饿的原因。人之所以能够很快超越其他物种，主要是因为人类掌握了烹饪技术，能够在短时间内摄入大量卡路里以支持大脑运转，其他物种则将摄入的卡路里用于维护身体运转，不得不牺牲大脑皮层的神经元数量。 之所以先谈大脑神经元原理，也是为了引出本文的重点–现代 AI 技术。 在正式进入 AI 技术前，我先讲讲软件工程师这份工作，因为现在有很多软件工程师准备转入 AI 行业。 软件工程师 我是软件工程师出身，2004 年刚毕业时我写的是 JSP 代码（一种将 Java

概述 Mask-RCNN,是一个处于像素级别的目标检测手段.目标检测的发展主要历程大概是：RCNN,Fast-RCNN,Fster-RCNN,Darknet,YOLO,YOLOv2,YOLO3（参考 目标检测：keras-yolo3之制作VOC数据集训练指南 ）,Mask-RCNN.本文参考的论文来源于 https://arxiv.org/abs/1703.06870 . 下面，开始制作用于Mask训练的数据集。 首先展示一下成果，由于个人设备有限，cpu仅迭代5次的结果。 使用labelme进行图片标注 注意： 　　**标注之前将图片的名字通过linux或者python脚本改名，改为有序即可，我的命名格式为 升序 ， 下面为linux脚本。 i= 1 ; for x in *; do mv $x $i.png; let i=i+ 1 ; done 　　**将所有图片的尺寸改为 600*800 .(一般设置为2的整数次幂，否则，后序训练时会报错). 脚本自取 https://github.com/hyhouyong/Mask-RCNN/blob/master/train_data/resize.py pip install labelme labelme 1.新建文件夹train_data,并创建子文件夹json，将标注后的json格式的文件放入该文件夹中 2

哈喽，我是菜鸟小明哥。全称是 百变大魔王探花小明哥GBM ， GBM 是 Great Boss Man （当大老板的男人） （我又来搬砖啦，未来不再遥远） 在训练模型后的同一个脚本中即刻加载训练好的模型，出现这种错误，或者类似的错误，如下 OP_REQUIRES failed at save_restore_v2_ops.cc:184 : Not found: Key ggnn_2/b_in not found in checkpoint 这种错误网上给的基本上是两种解决办法，而实际避开这种方法也是可以的，比如os.system另开一个python脚本命令，如下 os.system("python test.py") 当然这种就要将数据写成文件或者变量（用argparse统一接收数据的输入），这就相当于另外绕了个弯。但这种可以保证不存在图冲突的情况。 For Video Recommendation in Deep learning QQ Group 277356808 For Visual in deep learning QQ Group 629530787 I'm here waiting for you 网上给的答复无非是 来源： oschina 链接： https://my.oschina.net/u/4381476/blog/4500658

前言 一张图片由无数的像素点组成，那么我们将用图片来填充这些像素点 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 知识点： 1. cv2 2. numpy 3. tqdm 4. argparse 开发环境： Python 3.6 Pycharm 思路： 1.输入 2.计算处理 3.输出 4.展示 加企鹅群695185429即可免费获取，资料全在群文件里。资料可以领取包括不限于Python实战演练、PDF电子文档、面试集锦、学习资料等 步骤 一、导入工具 import cv2 import glob import argparse import numpy as np from tqdm import tqdm # 进度条 from itertools import product # 迭代器 二、图片文件 def parseArgs (): parser = argparse.ArgumentParser( '拼接马赛克图片') parser.add_argument( '--targetpath', type=str, default