pip

Neural Style Transfer with OpenCV src: https://www. pyimagesearch.com/2018/ 08/27/neural-style-transfer-with-opencv/ 、 source code: https:// app.monstercampaigns.com /c/tortsem7qkvyuxc4cyfi author: Adrian Rosebrock 学完这篇教程你将掌握通过 OpenCV、Python 还有深度学习来对 图片进行神经风格迁移（neural style transfer），到了本文最后你将能够制作自己的风格迁移图片。 最初的神经风格迁移算法是由 Gatys 等人于 2015 年的 A Neural Algorithm of Artistic Style [1] 论文中发布。 到了 2016 年 Johnson 等人发表了 Perceptual Losses for Real-Time Style Transfer and Super-Resolution（实时风格转移和超分辨率的感知损失） [2] 这将神经网络描述为使用感知损失的超分辨率问题。最终的结果是使一个神经风格迁移算法比 Gatys 等人的方法要快上三个数量级（其中也存在一些缺陷，我将在后文说到）。 使用 OpenCV

目录 一、安装pyinstaller库 二、执行生成exe文件 三、命令分析 （一）、基础命令 （二）、将库文件单独存放在目录中 （三）、利用spec文件进行打包 四、动态导入的库 5、踩坑记录 1、pyinstaller打包exe文件闪退解决方案 一、安装pyinstaller库 直接命令行pip安装 pip install pyinstaller 二、执行生成exe文件 我们现在有一个雷霆战机的小游戏， 名为plane_war.py 现在我们打开cmd, 进入到该目录下 输入下面的命令 pyinstaller plane_war.py --workpath E:\tmp\plane_tmp --distpath E:\plane --icon="E:\yun_project\Thunderfighter\img\thunderfighter.ico" --runtime-hook="E:\yun_project\Thunderfighter\runtimehook.py" 生成后的效果 三、命令分析 （一）、基础命令 pyinstaller 指定了当前目录需要制作的python文件 –workpath 指定了制作过程中临时文件的存放目录 –distpath 指定了最终的可执行文件目录所在的父目录 –icon="" 指定了应用程序图标，必须是ico格式 –runtime-hook

前言 整个世界正被大流行困扰着，不同国家拿出了不同的应对策略，也取得了不同效果。这也是本文的脑洞来源，打算研究一下各国在医疗基础设置上的开支，对几个国家的医疗费用进行数据可视化。 由于没有找到最近一年的可靠数据来源，所以这里使用的是2016年的数据。数据清楚哪个国家花得最多、哪个国家花得最少。我一直想试试在Python中网络抓取和数据可视化，这算是个不错的项目。虽然手动将数据输入Excel肯定快得多，但是这样就不会有宝贵的机会来练习一些技能了。 数据科学就是利用各种工具包来解决问题，网络抓取和正则表达式是我需要研究的两个领域。结果简短但复杂，这一项目展示了如何将三种技术结合起来解决数据科学问题。 要求 网络抓取主要分为两部分： 通过发出HTTP请求来获取数据 通过解析HTMLDOM来提取重要数据 库和工具 Requests能够非常简单地发送HTTP请求。 Pandas是一个Python包，提供快速、灵活和有表现力的数据结构。 Web Scraper可以帮助在不设置任何自动化浏览器的情况下抓取动态网站。 Beautiful Soup是一个Python库，用于从HTML和XML文件中提取数据。 matplotlib是一个综合的库，用于在Python中创建静态、动画和交互式可视化效果。 设置 设置非常简单，只需创建一个文件夹，并安装BeautifulSoup和Requests

废话不多说，直接介绍如何下载安装tesseract-OCR以及pytesseract和PIL资源 文末百度网盘都有 Tesseract是一个开源的OCR引擎，能识别100多种语言（中，英，韩，日，德，法…等等）pytesseract是python里的一个基于Tesseract的包。 1.首先下载并安装tesseract-ocr软件 2.安装python库:pip install pytesseract和pip install pillow 无论是windows系统还是Lunix系统，都可以到GitHub下载相关版本。 链接：https://github.com/tesseract-ocr/tesseract/ 进入链接后，在下面找到安装介绍，点击蓝色划横线部分 第二步 点击蓝色划横线部分 第三步：到这里根据自己的Windows系统选择32位或者64位 或者直接在这里选你要的版本 https://digi.bib.uni-mannheim.de/tesseract/ 下载完成之后点击安装 安装过程中按照提示即可，过程中还有多种文字识别语言支持。想要识别中文的朋友记得勾选下载相应的语种。 之后打开cmd也就是命令行模式输入：pip install tesseract (python3.0以上的朋友下载python解析器的时候自带pip，不用再下载pip了) 等待安装成功

OSError: [WinError 126] 找不到指定的模块————Shapely pip install shapely之后，跑程序报错误，错误如下：import shapely 没问题，但找不到指定的模块。和dll文件相关。 网上试了很多方法例如安装微软的动态库，尝试其他版本的shapely，以及设置环境变量； 但最后请教学长，学长给出如下方法，立刻解决。 将shapely下的dll文件复制粘贴到Library/bin下，然后就成功了。感谢学长，超哥nb！！！ shapely安装的地址可以通pip show shapely查看，会显示 下面是可以下载shapely不同版本的链接，我想下1.6.4的py3.7 win64这版的可是找了久都无果，好烦~。 https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/shapely/ 来源： oschina 链接： https://my.oschina.net/u/4296417/blog/4467463

https://study.163.com/course/courseMain.htm?courseId=1006383008&share=2&shareId=400000000398149 （博主录制） (原创声明，转载引用需要指明来源) 以windows10系统为例，打开电脑左下角菜单，点击Anaconda Prompt(Anaconda3)，建议用管理员身份运行，避免一些安装第三方模块时发生权限不足问题。 接着弹出一个黑色窗口，我们输入pip install 模块名。例如我想安装xgboost模块用于建模，就输入pip install xgboost。 另一种方式是输入conda install xgboost。conda是一种通用包管理系统，是想要构建和管理任何语言的任何类型的软件。因此，它也适用于Python包。Pip代表Pip Installs Packages，是Python的官方认可的包管理器，最常用于安装在Python包索引（PyPI）上发布的包。pip是Python包的通用管理器； conda是一个与语言无关的跨平台环境管理器。对于用户，最显着的区别可能是这样的：pip在任何环境中安装python包; conda安装在conda环境中装任何包。使用conda install 包的时候，默认是装在root环境下的。如果初学者不清楚哪种安装方式更好

学习python和人工智能的相关课程时安装了Anaconda3，想在Jupyter notebook中归纳整理笔记，为了方便日后查找想安装目录(Table of Contents, TOC)插件，查找了安装方法，但在 jupyter_contrib_nbextensions插件安装过程中遇到很多问题， 版本信息：Anaconda3-2020.02（python3.7），本人操作系统Win7旗舰版 64bit 尝试多种安装方法，整理如下： 一、安装Jupyter notebook extensions 方法一：使用conda安装 conda install -c conda-forge jupyter_contrib_nbextensions （剩下一项反复安装失败，进度始终在 10%--50%左右，更换另一种方法。） 方法二：使用pip3安装 pip3 --default-timeout=100 install jupyter_contrib_nbextensions -i https://pypi.tuna.tsinghua.edu.cn/simple/ 分别通过豆瓣、清华源下载安装，总是卡在下图这个地方超时。 方法三：从下面网站下载了jupyter_contrib_nbextensions的 tar.gz包，安装 https://github.com/ipython

前些日子我在网上淘到了一台斐讯n1，Amlogic S905D的板子让这个盒子平滑地用上了Armbian系统，有了linux的加持，让这个设备的玩法又上升了一个层次，网上大多都是把他作为旁路由用来富强上网，我选择把他做成一台服务器，部署我的博客，最终效果还挺不错.从刷系统到网站部署踩了不少坑，写这篇文章是来简单记录一下 搭建完成 成品展示： http://y0.cn/ga 复制到浏览器打开 1、刷入Armbian系统 需要准备一个armbian的镜像文件，用balenaEtcher烧录到U盘里，n1开启ADB，用官方降级工具引导U盘启动，然后就开始滚代码，看了这些一闪而过的代码，大体是在做C编译，还有系统的功能加载，等代码跑完设置系统密码，在根目录下执行./install.sh，把系统写入eMMC 2、配置环境 做以下配置 我的博客是Django开发的，先来一个py3,pip3全家桶更新 Docker Nginx mariaDB[MySQL] 这里选择用Docker来装主体，在这个设备上搭建网站的中心思想就是追求极致轻量。不过想重也难，8GB的eMMC，一个狭小的空间里要把py全家桶环境，数据库，博客文件都塞进去还是有些紧张的... 为什么选择MySQL的“女儿”mariaDB，因为中意他的兼容性，不会出现mysql5.*的sql文件到8.*可能用不了的情况。 现在总结看来就这四样

python的一些基础操作,但又不经常使用,容易忘记,每次都要现查找,记下来方便使用 python基础操作 更新第三方包 pip instal --upgrade XXX pip升级 python -m pip install --upgrade pip 安装软件有setup.py python setup.py install 安装whl pip install xxx.whl 卸载whl pip uninstall xxx whl离线下载 https://www.lfd.uci.edu/~gohlke/pythonlibs/#pycld2 自动获得环境依赖 pip freeze > requirements.txt (当前环境所有的包) 自动安装环境依赖 pip install -r requirements.txt 自动获得当前项目依赖(仅项目依赖的包) 安装 pip install pipreqs 进入项目根目录 pipreqs ./ 更改源 阿里云 http://mirrors.aliyun.com/pypi/simple/ 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 豆瓣(douban) http://pypi.douban.com/simple/ 清华大学 https://pypi.tuna.tsinghua.edu

解决python使用pip安装下载库出现错误：ERROR:Cannot unpack file xxxx情况   以scipy库下载安装为例，在命令行中直接输入命令：pip install scipy 如果下载速度很慢，或者下载失败，建议使用 国内源 下载。 使用清华大学镜像源下载，输入命令：pip install https://pypi.tuna.tsinghua.edu.cn/simple/scipy 详细可以参考： 解决pip下载慢问题 。 如果出现 ：ERROR:Cannot unpack file的情况，如下图所示： 解决方法 ：使用命令：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn module_name 即可。 使用scipy库进行示例： 等待下载完成，显示安装成功。 如果上面镜像源没有，可以尝试其他国内源。 常用国内镜像源 ：  阿里云 http://mirrors.aliyun.com/pypi/simple/  中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/  豆瓣 http://pypi.douban.com/simple/ 来源： oschina 链接：