- k均值（kmeans）聚类是一种最为简单的聚类方法，直接根据数据点之间的距离（欧氏距离，几何距离等等）来划分数据是属于哪一类的，当所有数据点所属的类别不在变化的时候，聚类也就完成了。详细原理可索引下面一个博客： k均值（kmeans）聚类是一种最为简单的聚类方法，直接根据数据点之间的距离（欧氏距离，几何距离等等）来划分数据是属于哪一类的，当所有数据点所属的类别不在变化的时候，聚类也就完成了。详细原理可索引下面一个博客：
- pil版： from PIL import Image filename = r'E:\data\yangben\0.jpg' img = Image.open(filename) imgSize = img.size #图片的长和宽 print (imgSize) maxSize = max(imgSize) #图片的长边 minSize = min(img... pil版： from PIL import Image filename = r'E:\data\yangben\0.jpg' img = Image.open(filename) imgSize = img.size #图片的长和宽 print (imgSize) maxSize = max(imgSize) #图片的长边 minSize = min(img...
- Python Multiprocessing with PyCUDA 参考：https://stackoverflow.com/questions/5904872/python-multiprocessing-with-pycuda You need to get all your bananas lined up on the CUDA side of things f... Python Multiprocessing with PyCUDA 参考：https://stackoverflow.com/questions/5904872/python-multiprocessing-with-pycuda You need to get all your bananas lined up on the CUDA side of things f...
- opencv4.0 opencv3.3也支持 # -*- coding: utf-8 -*-import osimport numpy as npimport cv2 fps=15w=888h=970# video_writer = cv2.VideoWriter('xx.mp4', cv2.VideoWriter_fourcc(*'XVID'), fps,(w, h))... opencv4.0 opencv3.3也支持 # -*- coding: utf-8 -*-import osimport numpy as npimport cv2 fps=15w=888h=970# video_writer = cv2.VideoWriter('xx.mp4', cv2.VideoWriter_fourcc(*'XVID'), fps,(w, h))...
- # -*- coding:utf-8 -*- from multiprocessing import Process, Queue, Lock import time from PyQt5.QtCore import QThread def add(q, lock, a, b): i=0 while 1: time.sleep(1) lock.acquire() #... # -*- coding:utf-8 -*- from multiprocessing import Process, Queue, Lock import time from PyQt5.QtCore import QThread def add(q, lock, a, b): i=0 while 1: time.sleep(1) lock.acquire() #...
- import random dict2 = {k:random.randint(-100,100) for k in range(1,10)} print(dict2) print(sorted(dict2.items(), key=lambda item: item[1], reverse=True)) import random dict2 = {k:random.randint(-100,100) for k in range(1,10)} print(dict2) print(sorted(dict2.items(), key=lambda item: item[1], reverse=True))
- Python实现跨文件跨线程全局变量的方法 参考：https://www.cnblogs.com/rnckty/p/7722603.html 跨文件全局变量不能跨进程，进程之间是隔绝的，必须用进程间通信 跨文化全局变量能解决多进程引起的内存拷贝 a.py 有一个文件变量b 当新建进程时，b会初始化多次 用了跨文件全局变量，能让b初始化一次。 &n... Python实现跨文件跨线程全局变量的方法 参考：https://www.cnblogs.com/rnckty/p/7722603.html 跨文件全局变量不能跨进程，进程之间是隔绝的，必须用进程间通信 跨文化全局变量能解决多进程引起的内存拷贝 a.py 有一个文件变量b 当新建进程时，b会初始化多次 用了跨文件全局变量，能让b初始化一次。 &n...
- 原文：http://www.jianshu.com/p/144db81341a3 从自动贩卖机找零看Python中的动态规划问题 问题描述 假设在某国存在[1,x1,x2,x3,...,xn]多种货币，该国的自动贩卖机在找零时要遵循一个原则——“找零的总张数最少”。那么，该如何编写程序，帮助自动贩卖机自动找零呢？ 问题分析 解决这一问题的最直接思... 原文：http://www.jianshu.com/p/144db81341a3 从自动贩卖机找零看Python中的动态规划问题 问题描述 假设在某国存在[1,x1,x2,x3,...,xn]多种货币，该国的自动贩卖机在找零时要遵循一个原则——“找零的总张数最少”。那么，该如何编写程序，帮助自动贩卖机自动找零呢？ 问题分析 解决这一问题的最直接思...
- 双边滤波速度不是特别快 python 双边滤波与高斯滤波 高斯滤波就是对整幅图像进行加权平均的过程。每个像素点的值，都由其本身和邻域内的其它像素值经过加权平均后得到。高斯滤波的详细操作是：用一个模板（或称卷积、掩模）扫描图像中的每个像素。用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。 cv2.imshow('src',newimg) c... 双边滤波速度不是特别快 python 双边滤波与高斯滤波 高斯滤波就是对整幅图像进行加权平均的过程。每个像素点的值，都由其本身和邻域内的其它像素值经过加权平均后得到。高斯滤波的详细操作是：用一个模板（或称卷积、掩模）扫描图像中的每个像素。用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。 cv2.imshow('src',newimg) c...
- 最近看数学，发现有时候画个图还真管用，对理解和展示效果都不错。尤其是三维空间和一些复杂函数，相当直观，也有助于解题。 本来想用mathlab，下载安装都太费事，杀鸡不用牛刀，Python基本就能实现，三维图还可以拖动图像来回旋转。 下面分别在二维三维举例说明。 1. 二维绘图 ... 最近看数学，发现有时候画个图还真管用，对理解和展示效果都不错。尤其是三维空间和一些复杂函数，相当直观，也有助于解题。 本来想用mathlab，下载安装都太费事，杀鸡不用牛刀，Python基本就能实现，三维图还可以拖动图像来回旋转。 下面分别在二维三维举例说明。 1. 二维绘图 ...
- INPUT = c_int * 4 # 实例化一个长度为2的整型数组 input = INPUT() # 为数组赋值（input这个数组是不支持迭代的） input[0] = 11 input[1] = 2 input[2] = 3 input[3] = 4 dll.teststring.restype = c_char_p # bytes(aaaa, encodin... INPUT = c_int * 4 # 实例化一个长度为2的整型数组 input = INPUT() # 为数组赋值（input这个数组是不支持迭代的） input[0] = 11 input[1] = 2 input[2] = 3 input[3] = 4 dll.teststring.restype = c_char_p # bytes(aaaa, encodin...
- 在实习公司，公司的leader最近布置的任务是在一些网站下载一些文件，然后上传到web服务器。开始的时候手动下载了几个，实在太麻烦了，刚好自己正在写Python，就直接写了一个小爬虫。 因为涉及到公司的一些信息，爬虫的代码在这里就不展示了。不过在写的过程中发现了一个挺有意思的东西—python输出文字颜色的设置，在这里记录下来 在实习公司，公司的leader最近布置的任务是在一些网站下载一些文件，然后上传到web服务器。开始的时候手动下载了几个，实在太麻烦了，刚好自己正在写Python，就直接写了一个小爬虫。 因为涉及到公司的一些信息，爬虫的代码在这里就不展示了。不过在写的过程中发现了一个挺有意思的东西—python输出文字颜色的设置，在这里记录下来
- # -*- coding: UTF-8 -*- def isInsidePolygon(pt, poly): c = False i = -1 l = len(poly) j = l - 1 while i < l - 1: i += 1 print(i, poly[i], j, poly[j]) if # -*- coding: UTF-8 -*- def isInsidePolygon(pt, poly): c = False i = -1 l = len(poly) j = l - 1 while i < l - 1: i += 1 print(i, poly[i], j, poly[j]) if
- from multiprocessing import Process,Pipe # 导入进程，管道模块 def f(conn): conn.send([1,'test',None]) conn.send([2,'test',None]) print(conn.recv())... from multiprocessing import Process,Pipe # 导入进程，管道模块 def f(conn): conn.send([1,'test',None]) conn.send([2,'test',None]) print(conn.recv())...
- # coding=utf-8 import numpy as np import cv2 from PIL import Image image = cv2.imread("d:/11.jpeg") b = np.array([[100,100], [250,100], [300,220],[1 # coding=utf-8 import numpy as np import cv2 from PIL import Image image = cv2.imread("d:/11.jpeg") b = np.array([[100,100], [250,100], [300,220],[1
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签