hash

背景 以图搜图是很有颠覆力的应用，俗话说 一图胜千言 不同于文本搜索的匹配模式，以图搜图要对搜索的信息源进行处理，抽取特征信息。在网易存证系统的开发过程中调研了用于以图搜图的 simhash 算法，并设想在内容系统建设完善后可以用于诸多的场景，比如： 商业图片侵权自动取证 肖像内容的识别 家庭照片按场景自动分类 图片指纹比较 simhash算法 阮一峰博客 相似图片搜索的原理 压缩大小 压缩颜色 计算平均灰度值 每个像素和平均值比较，大的为1；小的为0， 进一步向量化 得出向量，就是图片指纹， 计算汉明距离 hamming distance 如上过程的java实现 通过如上粗粒度的算法分析，可知simhash和普通hash算法有较大不同；普通hash算法是对字节流无差别的处理，但是simhash首先会对信息抽取特征值，然后计算汉明距离，最后这步是关键，度量了两个特征量的相似性，让我们有可能在抓取了两张图片的关键特征的基础上，比较其相似性。 动手实验 普通hash是差一个空格，也相差极大，比如如下(差别就是一个是 喊 ，一个是 叫 )： vincent@vincent-B250M-DS3H:~$ cat > 1.txt 你妈妈喊你回家吃饭，回家罗回家罗 vincent@vincent-B250M-DS3H:~$ cat > 2.txt 你妈妈叫你回家吃饭，回家罗回家罗 然后，cat

模块（module）： 模块实质是一个python文件，也就是把python代码写到模块里面。 模块分类： 标准库：python内置 开源模块：第三方 自定义模块：自己写 一、os , sys 模块 import os, sys print(os.getcwd()) #获取当前目录 os.chmod("/usr/share", 7) #给/usr/share目录添加权限 print(os.curdir) #当前目录 print(os.pardir) #父目录 print(os.makedirs("/usr/local/mysql")) #递归创建目录，父目录不存在时创建目录 print(os.removedirs("/usr/local/mysql")) #递归删除空目录 print(os.mkdir("new")) #创建文件夹 os.rename("old", "new") #重命名 print(os.path.join("/root",'mysql','rack.sql')) #拼接成一个路径 print(os.path.split("/usr/mysql/123.txt")) #分割路径和文件名 print(os.sep) #当前操作系统的路径分隔符 print(os.linesep) #当前操作系统的换行符 print(os.pathsep)

一、模块、包 什么是模块？ 模块实质上就是一个python文件,它是用来组织代码的，意思就是说把python代码写到里面，文件名就是模块的名称，test.py test就是模块名称。 什么是包？ 包，package本质就是一个文件夹，和文件夹不一样的是它有一个__init__.py文件，包是从逻辑上来组织模块的，也就是说它是用来存放模块的，如果你想导入其他目录下的模块，那么这个目录必须是一个包才可以导入。 导入模块 import module #导入模块 from module import * #导入该模块中的所有方法,慎用 from module import fun as xx_fun #导入指定的方法，然后起别名 from module import fun1,fun2,fun3 #导入模块下的多个方法 import module，实际上就是把该模块的代码赋值给模块名，也就是module.py里面所有的代码，赋值给了module这个变量，如果是from module import fun，就是把module打开，把module里面的fun方法拿过来使用 导入模块的本质，就是把python文件拿过来执行一次。 使用包中的模块需要在__init__.py文件中from . import xxx 模块分类： 标准库：python内置的 开源模块：第三方 自定义模块：自己写的 二