原创 Flask教程--第一個Flask應用：應用設置
應用工廠 一個Flask應用就是一個Flask類的實例，應用的所有東西都會和這個示例一起註冊。最直接的方法就是在代碼的最開始創建一個全局的Flask示例。但是，當項目越來越大，這樣做就不不好了。 解決這個問題的方式是：寫一個函數用於創建F
2019-07-30 05:36:53
原创 Flask教程--第一個Flask應用：定義和訪問數據庫
連接和斷開數據庫 這裏的數據庫使用python內置的sqlite數據庫，名爲sqlite3。 flaskr/db.py: # -*- coding:utf-8 -*- """ define and access database g:
2019-07-30 05:36:53
1
原创 Flask教程--第一個Flask應用：消息閃現
爲什麼使用消息閃現 使用消息閃現是爲了給用戶一個良好的反饋。 如何使用消息閃現 在視圖中，使用flash()用於閃現一個消息： flask.flash(message, category='message') flash()接收兩個參
2019-07-09 18:15:32
1
原创 Flask教程--第一個Flask應用：會話session
一、Flask啓用session Flask中使用session之前需要設置一個密鑰app.secret_key。生成secret_key可以使用下面的方法： $ python -c 'import os; print(os.urand
2019-06-20 17:47:26
原创 Flask教程--第一個Flask應用：靜態文件和渲染模板
一、說明 1.ubuntu: ubuntu 18.04.2 2.Python: Python 3.6.7 3.Flask: Flask 1.0.3 二、使用靜態文件 靜態文件一般指css、js、image，video, media等文
2019-06-15 18:09:31
6
原创 Flask教程--第一個Flask應用：請求與響應
一、請求對象 在Flask中，由全局對象request提供請求信息。我們可以使用dir()方法查看request對象的所有屬性： 常用的屬性有method(用於獲取前端請求的方法),args(用於獲取url中提交的參數)等。示例： 前
2019-06-15 18:09:30
1
原创 Flask教程--第一個Flask應用：調試模式
一、說明 1.ubuntu: ubuntu 18.04.2 2.Python: Python 3.6.7 3.Flask: Flask 1.0.3 二、爲什麼使用調試模式 1、使服務器在代碼修改後自動重啓 當啓動本地服務器後，瀏覽器訪
2019-06-13 00:50:10
1
原创 Flask教程--第一個Flask應用：路由
一、說明 1.ubuntu: ubuntu 18.04.2 2.Python: Python 3.6.7 3.Flask: Flask 1.0.3 二、路由 1.Flask路由原理 當我們創建一個最簡單的flask項目，啓動服務器後，
2019-06-13 00:50:10
1
原创 Flask教程--flask環境安裝
一、版本說明 1.windows: win10 2.python: python3.7.3 二、使用venv創建虛擬環境 爲了更好的管理每個項目的依賴，創建項目之前依然是先創建虛擬環境。創建虛擬環境方法很多，這裏使用python3內置的v
2019-06-10 19:29:21
原创 《Machine Learning for OpenCV》學習筆記：降維
一 . 降維 1. 爲什麼要降維 一個分類器，沒有以分佈在整個特徵空間中的數據點進行訓練，那麼這個分類器在面對一個離前面遇到過的數據點位置很遠的數據點時，將不知道如何去分類。但是，隨着空間維度數的增加，需要填充空間的數據點會呈現指數級增長
2019-04-10 17:27:44
2
原创 《Machine Learning for OpenCV》學習筆記：數據預處理之處理缺失的數據
一.缺失數據處理 1.1填充缺失值 大多數的機器學習算法無法處理非數值(not a number)， 在python中非數值用nan表示。所以我們就需要把所有的nan值替換爲某個合適的填充值。這個操作稱爲填充缺失值。 1.2scikit-
2019-03-29 17:31:19
原创 《Machine Learning for OpenCV》學習筆記：數據預處理之特徵二值化
一.特徵二值化 1.1特徵二值化 二值化，顧名思義，只有兩種值。對於每一個特徵值，如果大於某個臨界值(也叫做閾值、門檻值)，則把該特徵值設置爲極大值，如果小於某個臨界值，則把該特徵值設置爲極小值。 1.2scikit-learn實現 使用
2019-03-26 17:27:37
原创 numpy.random.multivariate_normal()函數解析
一.基本概念 1.1函數作用 從多元正態分佈中生成隨機抽樣，組成一個N維的數組。並返回該數組。 1.2函數定義 numpy.random.multivariate_normal(mean, cov[, size, check_vali
2019-03-23 17:26:57
737
原创 《Machine Learning for OpenCV》學習筆記：數據預處理
一.特徵標準化 特徵標準化：標準化是指把數據縮放到擁有零均值和單位方差的過程。 零均值： 單位方差： 二.特徵歸一化 歸一化是縮放單個樣本以使它們擁有單位範數的過程。在scikit-learn中，數據可以使用normalize()函數進行
2019-03-20 17:28:00
原创 TensorFlow變量：創建
參考資料 [1]TensorFlow Variables:https://www.tensorflow.org/guide/variables
2019-03-11 02:07:28