摘要：
大体功能是：输入水印的文字，选择要加水印的图片，最后生成加好水印的图片供下载。1、通过intercooler实现本页面内动态交互；2、使用wand和pil处理图片；3、实现查看与下载历史图片功能（通过session\cookie）；4、通过使用session\cookie\中间件， 实现限制上传次数 阅读全文
摘要：
之前已写好django_micro上的代码，大体功能是：输入水印的文字，选择要加水印的图片，最后生成加好水印的图片。django项目和app已创建完成。现在要把代码迁移到django上。 1、修改app的views.py文件 （1）在app的views.py中，把原django_micro中的处理数 阅读全文
摘要：
整体环境描述：win10系统，django已经装好，2.0.13版本，pycharm编辑器，项目环境为base（非虚拟环境） 1、打开cmd终端（或使用pycharm带的终端），切换到项目目录。 2、创建django项目（名称是djlsite）： (base) C:\Users\lori\Deskt 阅读全文
摘要：
用django_micro搭建的，给图片加文字水印的前端+后端功能开发；大体功能是：输入水印的文字，选择要加水印的图片，最后生成加好水印的图片。可在一页中显示多个加好水印的图片，且可点击显示或隐藏图片的缩略图。实现效果如下： 代码如下： from django_micro import route, 阅读全文
摘要：
用神经网络模型，预测红酒质量；后又用KNN\逻辑回归\SVM模型试了试，准确率都差不多，神经网络稍高。原始数据格式如下： 最后输出如下： 神经网络模型的预测准确率是： 0.755KNN模型的预测准确率是：0.7275LogicRe模型的预测准确率是：0.7325SVM模型的预测准确率是：0.7425 阅读全文
摘要：
还是水果分类原始数据，这次使用KNN、逻辑回归、SVM三种算法实现水果分类器，看哪种算法效果好。输出如下：KNN模型的准确率是：75.00% 逻辑回归模型参数是：[[-0.05274036 4.80089662 -0.2919612 9.34272797] [-0.32977103 6.315807 阅读全文
摘要：
还是水果分类原始数据，这次使用KNN算法实现水果分类器。K值选择1、3、5、7，看预测结果。 预测结果截选如下： k=1时，预测整体准确率（accuracy）是：66.67%预测值是：[0]；真实值是：0预测值是：[3]；真实值是：3预测值是：[2]；真实值是：2 …… k=3时，预测整体准确率（a 阅读全文
摘要：
手工实现水果分类器，没用knn\svm等算法。分类原理是：待预测值与训练集中的每一个值都计算欧式距离，其中距离最短的分类就是预测值的分类还包括对原始数据的可视化，能对原始数据的分布有一个大致的了解。原始数据格式如下：fruit_name mass width height color_scoreap 阅读全文
摘要：
用django搭的，展示58同城的数据，两个页面，一个是所有商品的信息，一个是几个统计图表。 1、所有代码见github:https://github.com/djldjl/58tongcheng 2、数据库用的mongodb，没用自带的sqlite; 3、css用了semantic-ui，其所需c 阅读全文
摘要：
在Semantic找到Dropdown（下拉框）的使用例子，仿照输入，但没有下拉效果，搜索查询一些资料后，得知"selection dropdown"还需要js配合，才能有效果。如果不想执行js，还可以使用别的class，如"ui simple dropdown item" （见本文最后）。 记录如 阅读全文