Jupyter Notebook

Tensorflow 2.0之TF-slim

风格不统一 提交于 2020-08-11 02:27:24
TensorFlow-Slim image classification model library TF-slim is a new lightweight high-level API of TensorFlow ( tensorflow.contrib.slim ) for defining, training and evaluating complex models. This directory contains code for training and evaluating several widely used Convolutional Neural Network (CNN) image classification models using TF-slim. It contains scripts that will allow you to train models from scratch or fine-tune them from pre-trained network weights. It also contains code for downloading standard image datasets, converting them to TensorFlow's native TFRecord format and reading

个人总结

杀马特。学长 韩版系。学妹 提交于 2020-08-10 21:18:30
回望4个月的软件工程实践走过的路 1)你做了哪些作业 1、个人作业 链接: 第一次博客作业 第二次个人作业 总结: 在个人作业当中,首先是对于寒假期间的小作业,那时候是一个突如其来的信息, 上大学来收到的第一份假期作业,那个时候个人是在迷茫当中的,在疫情期间, 这无疑是一次最好缓解压力的一件事,对大多数同学来说这无疑是一次最好的放松, 对于很多被封锁在自家门户里无法出去的人是再好不过的了, 在这期间,我重新对之前所学过的Python、C、java等一些语言进行了一次小小的复习 对之前使用的软件重新使用了一下;在此之后,就开始了软件工程这门课程的学习, 在学习期间完成了大部分课上的作业,在这个期间,以UML图形的设计最为突出。 2、结对作业 链接: 第一次结对作业 第二次结对作业 总结: 结对作业这一部分,主要是以二人合作的方式进行交流学习和实现,在这个环节还是挺开心的, 作业的主要内容是对疫情期间网课学习的一些调查,然后进行可视化呈现出来,收集数据环节, 我们主要是采取了问卷调查的方式进行了数据的收集,不得不说在这个阶段还是挺不容易的, 先不说数据的可行性,就当说找到对应的人填写问卷就是很难的一件事情,如果不是认识的人, 可以说没有多少人会愿意给你动手,之后在团队作业我们也做了问卷,虽说这是最实时的数据, 但是收集起来实在不易。 本次作业最主要的还是可视化环节

Python笔记:在 jupyter notebook中渲染网页

我的未来我决定 提交于 2020-08-10 03:56:59
渲染有三种方式:分别是 渲染文本、渲染变量、代理页面。 一、渲染文本 将htm网页内容到%%html后面,示例如下: %%html <!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title>chenqionghe</title> <link rel="stylesheet" href="https://cdn.staticfile.org/twitter-bootstrap/3.3.7/css/bootstrap.min.css"> <script src="https://cdn.staticfile.org/jquery/2.1.1/jquery.min.js"></script> <script src="https://cdn.staticfile.org/twitter-bootstrap/3.3.7/js/bootstrap.min.js"></script> </head> <body> <div class="page-header"> <h1>chenqionghe <small>yeah buddy! light weight bay!</small> </h1> </div> <p>geting muscle is not easy</p> </body> </html> 渲染效果: 二、渲染变量

Jupyter notebook文件默认存储路径以及更改方法

会有一股神秘感。 提交于 2020-08-09 12:22:22
1、文件默认存储路径怎么查? 安装Anaconda后,新建文件的默认存储路径一般在C系统盘,那么路径是什么呢? 首先,新建一个.ipynb文件, 输入以下脚本,运行出的结果即是当前jupyter文件默认保存路径 import os print (os.path.abspath( ' . ' )) 2、 文件默认存储路径怎么改? 第一步:找到配置文件 菜单中打开Anaconda Prompt 输入命令 jupyter notebook --generate-config 根据上面运行处的路径打开C:\Users\HS\.jupyter\jupyter_notebook_config.py文件 第二步:更改配置 找到 #c.NotebookApp.notebook_dir = '' ,去掉该行前面的“#”; 在打算存放文件的位置先新建一个文件夹(很重要,最好是英文的) ,然后将新的路径设置在单引号中,保存配置文件 在开始菜单找到“Jupyte Notebook”快捷键,鼠标右击 -- 更多 -- 打开文件位置 找到对应的“Jupyte Notebook”快捷图标,鼠标右击 -- 属性 -- 目标, 去掉后面的 "%USERPROFILE%/"(很重要) ,然后点击“应用”,“确定”   重新启动Jupyte Notebook即可 来源: oschina 链接: https://my

10个可以快速用Python进行数据分析的小技巧

拟墨画扇 提交于 2020-08-07 01:47:27
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 ▲ 大数据文摘出品 编译丨小七、蒋宝尚 来源丨towardsdatascience 一些小提示和小技巧可能是非常有用的,特别是在编程领域。有时候使用一点点黑客技术,既可以节省时间,还可能挽救“生命”。 一个小小的快捷方式或附加组件有时真是天赐之物,并且可以成为真正的生产力助推器。所以,这里有一些小提示和小技巧,有些可能是新的,但我相信在下一个数据分析项目中会让你非常方便。 Pandas中数据框数据的Profiling过程 Profiling(分析器)是一个帮助我们理解数据的过程,而Pandas Profiling是一个Python包,它可以简单快速地对Pandas 的数据框数据进行探索性数据分析。 Pandas中df.describe()和df.info()函数可以实现EDA过程第一步。但是,它们只提供了对数据非常基本的概述,对于大型数据集没有太大帮助。而Pandas中的Profiling功能简单通过一行代码就能显示大量信息,且在交互式HTML报告中也是如此。 对于给定的数据集,Pandas中的profiling包计算了以下统计信息: 由Pandas Profiling包计算出的统计信息包括直方图、众数、相关系数、分位数、描述统计量

WSL2启动Jupyter,自动使用宿主机浏览器访问

馋奶兔 提交于 2020-08-06 10:51:57
使用本方法前,请确保Jupyter安装完成。 思路说明: 按以下思路编写shell脚本(文末直接查看脚本) 指定使用WSL2网络地址0.0.0.0启动Jupyter jupyter notebook --ip=0.0.0.0 ifconfig 查看WSL2 IPV4地址 将启动时输出的访问地址中的IP替换为WSL2 IPV4地址 通过wsl2打开宿主机浏览器,访问上一步中输出的地址 wsl中允许调用window命令或执行.exe文件。例如在wls中执行以下命令,可以打开chrome并访问百度。 ${chrome路径}/chrome.exe "http://www.baidu.com" 此处需要注意:windows目录中可以包含空格。在wsl命令行中直接使用到带空格的目录时,直接加上反斜杠对空格进行转义即可。但是在shell脚本中,即使进行了转义,使用时还是会报错。 解决的办法是,先用 ln -s ${.exe路径} ${指定路径}/${别名} 将需要使用到的exe文件直接链接到指定目录,再在shell脚本中进行调用。 例如:(请根据实际情况修改exe路径,及链接的目标路径) # 我使用的是新版edge,exe路径为“C:/Program Files (x86)/Microsoft/Edge/Application/msedge.exe”,在wsl中只需要将“C:”改为“/mnt/c

怎样学习Python

£可爱£侵袭症+ 提交于 2020-08-06 08:50:51
在了解了 Python的优势 、应用、就业前景以及其不可替代的价值之后,相信大家都会有学习python的冲动。那应该如何学习Python呢?买一本书、找一套视频、报名一个培训班?从理论上来讲,无论选择哪种学习方式,都可以掌握Python语言,但实际情况而言,总会因为某些原因导致自己的学习计划搁浅。所以在这里整理本片文章,希望本文能为大家的学习节约更多的时间成本。 1、找到自己学习Python的初衷和兴趣所在  脱离应试教育的枷锁,每个人学习某种新鲜事物都会有明确的目的。例如学习金融是想让自己的财务更加具有规划性,学习英语是为了留学或者出游时更加便利,学习某个技能是为了有一份体面的工作。而对于Python呢?你的初衷可以是为了找到一份满意的工作;可以是为了做一个自己的网站;可以是为了提升个人的技能水平实现岗位突破;甚至可以单纯的为了学一门作为兴趣……不同的初衷就决定你在学习的过程中需要的学习方法和需要付出的努力程度。在这里需要强调的是在开始学习前一定要了解它,并且明确自己的学习目的,如果仅仅是持有我试试看能不能学会的目的,那你终究会因为各种原因放弃,反而浪费过多的时间。 2、一套适合自己的学习方式  明确学习初衷与目的是开始学习Python的开端。我们还要有一套适合自己的学习方式,而学习方式的确定需要从两个方面来考虑。第一就是Python语言的特性

Python+Kepler.gl轻松制作酷炫路径动画

狂风中的少年 提交于 2020-08-05 14:04:58
前言 本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。 作者:费弗里 1. 简介 Kepler.gl相信很多人都听说过,作为Uber几年前开源的交互式地理信息可视化工具,kepler.gl依托WebGL强大的图形渲染能力,可以在浏览器端以多种形式轻松展示大规模数据集。 更令人兴奋的是Kepler.gl在去年推出了基于Python的接口库keplergl,结合jupyter notebook/jupyter lab的相关拓展插件,使得我们可以通过编写Python程序配合Kepler.gl更灵活地制作各种可视化作品。 而随着近期keplergl的更新,更多的新特性得以同步到其Python生态中,本文就将针对其中的路径动画的制作方法进行介绍。 2.基于keplergl的路径动画 我们要制作的路径动画图主要用于表现特定路径上流的运动,譬如图3的例子来自Kepler.gl官方示例: 而在官方的说明中描述了要绘制路径动画需要输入的数据格式: 这是一个典型的GeoJSON格式LineString要素,特别的是其"coordinates"键对应的值不同于常规的[经度, 纬度]格式,而是代表着[经度, 纬度, 高度, 时间戳],其中高度非必要,可以设置为0,而时间戳则声明了轨迹动画在该时间点会到达的该点位置,即线要素上连续的点位置

MaxCompute Mars 完全指南

穿精又带淫゛_ 提交于 2020-08-04 16:29:16
Mars 简介 Mars 能利用并行和分布式技术,加速 Python 数据科学栈,包括 numpy 、 pandas 和 scikit-learn 。同时,也能轻松与 TensorFlow、PyTorch 和 XGBoost 集成。 Mars tensor 的接口和 numpy 保持一致,但支持大规模高维数组。样例代码如下。 import mars.tensor as mt a = mt.random.rand(10000, 50) b = mt.random.rand(50, 5000) a.dot(b).execute() Mars DataFrame 接口和 pandas 保持一致,但可以支撑大规模数据处理和分析。样例代码如下。 import mars.dataframe as md ratings = md.read_csv('Downloads/ml-20m/ratings.csv') movies = md.read_csv('Downloads/ml-20m/movies.csv') movie_rating = ratings.groupby('movieId', as_index=False).agg({'rating': 'mean'}) result = movie_rating.merge(movies[['movieId', 'title']], on=