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