前言CAPTCHA全称CompletelyAutomatedPublicTuringTesttoTellComputersandHumansApart，即全自动区分人机的图灵测试。这也是验证码诞生的主要任务。但是随着近年来大数据运算和机器视觉的发展，用机器视觉识别图像已经变得非常容易，过去用于区分人机的验证码也开始变得不再安全。接下来就让我们从零开始，深入图像处理和算法构建，来看看使用机器视觉来识别过时的验证码（如下所示）究竟可以有多简单。载入需要的程序包
系统 2019-09-27 17:55:24 2370
1、使用type()type()函数：判断对象类型基本类型的判断：>>>type(123)>>>>>type('str')>>>>>type(None)>用type()判断一个变量指向函数或者类：>>>type(abs)#函数>>>type(a)#类比较变量的type类型Python的types模块里为定义好常量的type类型，在使用之前需要先导入>>>importtypes>>>type('abc')==types.StringTypeTrue>>>ty
系统 2019-09-27 17:55:18 2370
本章包括1、一个神经网络的例子2、张量和张量操作3、神经网络如何通过反向传播和梯度下降来学习一、一个神经网络的例子GitHub链接使用Python库Keras学习对手写数字进行分类的神经网络（将手写数字（28*28px）的灰度图像分为10个类别：0-9；使用MNIST数据集，含有6000张测试图像，10000张训练图像）1、在Keras中加载MNIST数据集fromkeras.datasetsimportmnist(train_images,train_l
系统 2019-09-27 17:54:23 2370
1安装百度apipip3installbaidu-aip2代码fromaipimportAipImageClassify"""你的APPIDAKSK"""APP_ID='你的APP_ID'API_KEY='你的API_KEY'SECRET_KEY='你的SECRET_KEY'client=AipImageClassify(APP_ID,API_KEY,SECRET_KEY)defget_file_content(filePath):withopen(fil
系统 2019-09-27 17:52:03 2370
1.变量不能独立存在在C++等语言中，变量的声明和赋值是可以分开的inta;a=343;而在python中却不行，在声明python变量的同时必须进行赋值操作a=343如果你直接使用一个不存在的变量，就会发生错误,NameError:name'b'isnotdefined2.变量是内存中数据的引用a=343这样代码被执行时，首先要在内存中创建出343这个对象，然后让a指向它，这便是引用。此后，我们在程序中使用变量a时，其实都是在使用343，python可以
系统 2019-09-27 17:51:55 2370
createtime:2019年7月6日#!usr/bin/python#coding=utf-8importcv2importnumpy#从摄像头采集图像#参数是0,表示打开笔记本的内置摄像头,参数是视频文件路径则打开视频cap=cv2.VideoCapture(0)whileTrue:#getaframe#capture.read()按帧读取视频#ret,frame是capture.read()方法的返回值#其中ret是布尔值，如果读取帧正确，返回Tr
系统 2019-09-27 17:50:03 2370
https://www.liaoxuefeng.com/wiki/1016959663602400/1017099478626848#0完成该文章的作业：print("请输入身高，比如1.78：")a1=input('身高：')a2=float(a1)print("请输入体重，比如60：")b=input('体重：')b1=float(b)#b1=80#a1=1.75c=b1/pow(a2,2)print(c)ifc>32:print("严重肥胖")eli
系统 2019-09-27 17:49:05 2370
用PYTHON爬虫简单爬取网络小说。这里是17K小说网上，随便找了一本小说，名字是《千万大奖》。里面主要是三个函数：1、get_download_url()用于获取该小说的所有章节的URL。分析了该小说的目录页http://www.17k.com/list/2819620.html的HTML源码，发现其目录是包含在Volume里的A标签合集。所以就提取出了URLS列表。2、get_contents(target)用于获取小说指定章节的正文内容分析了小说中第
系统 2019-09-27 17:48:50 2370
TF（TermFrequency）词频，在文章中出现次数最多的词，然而文章中出现次数较多的词并不一定就是关键词，比如常见的对文章本身并没有多大意义的停用词。所以我们需要一个重要性调整系数来衡量一个词是不是常见词。该权重为IDF（InverseDocumentFrequency）逆文档频率，它的大小与一个词的常见程度成反比。在我们得到词频（TF）和逆文档频率（IDF）以后，将两个值相乘，即可得到一个词的TF-IDF值，某个词对文章的重要性越高，其TF-IDF
系统 2019-09-27 17:48:00 2370
常用时间转换及处理函数：importdatetime#获取当前时间d1=datetime.datetime.now()printd1#当前时间加上半小时d2=d1+datetime.timedelta(hours=0.5)printd2#格式化字符串输出d3=d2.strftime('%Y-%m-%d%H:%M:%S')printd3#将字符串转化为时间类型d4=datetime.datetime.strptime(date,'%Y-%m-%d%H:%M:
系统 2019-09-27 17:46:46 2370
