终于结束了TensorFlow的安装。我不会但是我jio的要记录下来

Microsoft Windows [版本 10.0.19042.1165]
(c) Microsoft Corporation。保留所有权利。

C:\Users\联想>pip install tensorflow
Looking in indexes: http://mirrors.aliyun.com/pypi/simple/
Collecting tensorflow
Downloading http://mirrors.aliyun.com/pypi/packages/af/ea/2131d2e4746b217a342ee0a2684120488ce5ffa586363e2db940810fa4bf/tensorflow-2.6.0-cp38-cp38-win_amd64.whl (423.2 MB)
|████████████████████████████████| 423.2 MB 595 kB/s
Collecting keras-preprocessing~=1.1.2
Downloading http://mirrors.aliyun.com/pypi/packages/79/4c/7c3275a01e12ef9368a892926ab932b33bb13d55794881e3573482b378a7/Keras_Preprocessing-1.1.2-py2.py3-none-any.whl (42 kB)
|████████████████████████████████| 42 kB 1.7 MB/s
Collecting opt-einsum~=3.3.0
Downloading http://mirrors.aliyun.com/pypi/packages/bc/19/404708a7e54ad2798907210462fd950c3442ea51acc8790f3da48d2bee8b/opt_einsum-3.3.0-py3-none-any.whl (65 kB)
|████████████████████████████████| 65 kB 2.3 MB/s
Requirement already satisfied: typing-extensions~=3.7.4 in c:\programdata\anaconda3\lib\site-packages (from tensorflow) (3.7.4.3)
Collecting tensorboard~=2.6
Downloading http://mirrors.aliyun.com/pypi/packages/a0/20/a59a30c32330e4ff704faa4273b251db042d495e0c367bcdf045c6fe26e9/tensorboard-2.6.0-py3-none-any.whl (5.6 MB)
|████████████████████████████████| 5.6 MB 726 kB/s
Collecting h5py~=3.1.0
Downloading http://mirrors.aliyun.com/pypi/packages/93/3a/f94b993a8db766983b972f5905cb3f0e655bcb6620088fa2b9141e74ff36/h5py-3.1.0-cp38-cp38-win_amd64.whl (2.7 MB)
|████████████████████████████████| 2.7 MB 1.3 MB/s
Collecting gast==0.4.0
Downloading http://mirrors.aliyun.com/pypi/packages/b6/48/583c032b79ae5b3daa02225a675aeb673e58d2cb698e78510feceb11958c/gast-0.4.0-py3-none-any.whl (9.8 kB)
Requirement already satisfied: wrapt~=1.12.1 in c:\users\联想\appdata\roaming\python\python38\site-packages (from tensorflow) (1.12.1)
Collecting protobuf>=3.9.2
Downloading http://mirrors.aliyun.com/pypi/packages/ff/62/73065aa4af6f97c3577b415848c663cf200634cc6acc8331e9084629cddc/protobuf-3.17.3-cp38-cp38-win_amd64.whl (909 kB)
|████████████████████████████████| 909 kB 2.2 MB/s
Collecting tensorflow-estimator~=2.6
Downloading http://mirrors.aliyun.com/pypi/packages/c8/54/1b2f1e22a2670546cc02e4df1b80425edaee02133173bb91aa0f6d3d0293/tensorflow_estimator-2.6.0-py2.py3-none-any.whl (462 kB)
|████████████████████████████████| 462 kB 656 kB/s
Collecting numpy~=1.19.2
Downloading http://mirrors.aliyun.com/pypi/packages/5a/13/25a83b9aae5fe9460b1997f5ba48814783d7f460bbbd8cadd96e1481ddf0/numpy-1.19.5-cp38-cp38-win_amd64.whl (13.3 MB)
|████████████████████████████████| 13.3 MB 731 kB/s
Requirement already satisfied: wheel~=0.35 in c:\programdata\anaconda3\lib\site-packages (from tensorflow) (0.36.2)
Collecting grpcio

C:\Users\联想>pip install --user tensorflow
Looking in indexes: http://mirrors.aliyun.com/pypi/simple/
Collecting tensorflow
Downloading http://mirrors.aliyun.com/pypi/packages/af/ea/2131d2e4746b217a342ee0a2684120488ce5ffa586363e2db940810fa4bf/tensorflow-2.6.0-cp38-cp38-win_amd64.whl (423.2 MB)
|████████████████████████████████| 423.2 MB 6.8 MB/s
Collecting tensorboard~=2.6
Downloading http://mirrors.aliyun.com/pypi/packages/a0/20/a59a30c32330e4ff704faa4273b251db042d495e0c367bcdf045c6fe26e9/tensorboard-2.6.0-py3-none-any.whl (5.6 MB)
|████████████████████████████████| 5.6 MB 6.4 MB/s
Collecting h5py~=3.1.0
Downloading http://mirrors.aliyun.com/pypi/packages/93/3a/f94b993a8db766983b972f5905cb3f0e655bcb6620088fa2b9141e74ff36/h5py-3.1.0-cp38-cp38-win_amd64.whl (2.7 MB)
|████████████████████████████████| 2.7 MB 6.4 MB/s
Collecting opt-einsum~=3.3.0
Downloading http://mirrors.aliyun.com/pypi/packages/bc/19/404708a7e54ad2798907210462fd950c3442ea51acc8790f3da48d2bee8b/opt_einsum-3.3.0-py3-none-any.whl (65 kB)
|████████████████████████████████| 65 kB 259 kB/s
Collecting grpcio

C:\Users\联想>python
Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32

Warning:
This Python interpreter is in a conda environment, but the environment has
not been activated. Libraries may fail to load. To activate this environment
please see https://conda.io/activation

Type "help", "copyright", "credits" or "license" for more information.

import tensorflow.compat.v1 as tf
2021-08-20 21:42:29.106211: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_110.dll not found
2021-08-20 21:42:29.106425: I tensorflow/stream_executor/cuda/cudart_stub.cc:29] Ignore above cudart dlerror if you do not have a GPU set up on your machine.

tf.disable_v2_behavior()
WARNING:tensorflow:From C:\Users\联想\AppData\Roaming\Python\Python38\site-packages\tensorflow\python\compat\v2_compat.py:101: disable_resource_variables (from tensorflow.python.ops.variable_scope) is deprecated and will be removed in a future version.

Instructions for updating:
non-resource variables are not supported in the long term

sess = tf.Session()
2021-08-20 21:42:32.294687: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'nvcuda.dll'; dlerror: nvcuda.dll not found
2021-08-20 21:42:32.294835: W tensorflow/stream_executor/cuda/cuda_driver.cc:269] failed call to cuInit: UNKNOWN ERROR (303)
2021-08-20 21:42:32.301987: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:169] retrieving CUDA diagnostic information for host: DESKTOP-65NDILL
2021-08-20 21:42:32.302274: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:176] hostname: DESKTOP-65NDILL
2021-08-20 21:42:32.302827: I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations: AVX AVX2
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.

a = tf.constant(1)
b = tf.constant(2)
print(sess.run(a+b))
3

Original: https://blog.csdn.net/DilrabaDilmurat/article/details/119832007
Author: DilrabaDilmurat
Title: 终于结束了TensorFlow的安装。我不会但是我jio的要记录下来

相关阅读1

Title: QQ能把语音转文字！为啥微信确没有？很难吗？十行Python代码就行

QQ和微信这两款都是非常受人喜欢的聊天交友软件！可能大家平时没有留意到，也或者是大家可能很少用微信，或者很少用QQ吧！所以可能没有留意这些小细节！就是QQ上面发的语音消息是可以直接文字识别的，但是微信为什么没有呢？是因为技术太难实现吗？这个很简单啊！今天给大家介绍一下语音转文字的原理！

想要获得更多python学习资料私信回复"002"获取

截图是没发现微信的语音识别在哪里！可能是小编微信玩少了吧，一般情况来讲都是不玩微信的！

QQ语音识别

微信语音

[图片上传失败...(image-2bb46f-1630912883365)]

要调用百度AI开放平台的API，首先需要一个百度账号。我想注册百度账号的过程应该不用向大家详细介绍了，大家应该在这边都是没啥问题的。需要注意的是，百度账号的安全性挺差的，不知为啥本人的账号开通了异地登录保护也经常被盗，贴吧账号也因被人盗号发广告被永封了，申诉也没用_(¦3」∠)_。建议大家把密码设置的复杂一些，不要把保密的文件放在百度云上，防止未来发生账号安全事件。

创建应用完成后，我们可以对应用进行管理。进入管理页面，可以看到应用对应的 "AppID"、"API Key"与"Secret Key"，这些就是你的Python代码调用百度云接口的凭证。

使用Python调用该接口之前，需要安装一个外部库，即直接在终端或cmd窗口中输入：

pip install baidu-aip

接下来进行进行客户端的创建，在Python编辑器中输入以下语句：

from aip import AipSpeech

""" 你的 APPID AK SK """

APP_ID = '你的 App ID'

API_KEY = '你的 Api Key'

SECRET_KEY = '你的 Secret Key'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

其中，"AppID"、"API Key"与"Secret Key"都可以从我们刚刚创建的应用中得到。这几行代码便实现了一个可以与百度AI开放平台交互的客户端。

想要获得更多python学习资料私信回复"002"获取

所有的代码展示如下：

from aip import AipSpeech

""" 你的 APPID AK SK """

APP_ID = '你的 App ID'

API_KEY = '你的 Api Key'

SECRET_KEY = '你的 Secret Key'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

; 读取文件

def get_file_content(filePath):

with open(filePath, 'rb') as fp:

return fp.read()

识别本地文件

result = client.asr(get_file_content('demo.wav'), 'wav', 16000, {'dev_pid': 1536, })

print(result['result'][0])

初学者有什么不懂的可以私信我，需要系统学习资料和系统学习框架图的同学，可关注小编头条号，欢迎留言评论和私信小编。【私信方法】文章上方处点击"作者头像"，进入作者首页，在作者主页上方点击"关注"旁边的"发私信"即可。私信内容：002。

喜欢小编的文章的朋友可以关注、收藏、转发、留言。祝大家阅读愉快！！

Original: https://blog.csdn.net/MC_XY/article/details/120136093
Author: 梦魇java
Title: QQ能把语音转文字！为啥微信确没有？很难吗？十行Python代码就行

相关阅读2

Title: 聚类--DBSCAN

1、什么是DBSCN

DBSCAN也是一个非常有用的聚类算法。

• 它的主要优点:它不需要用户先验地设置簇的个数，可以划分具有复杂形状的簇，还可以找出不属于任何簇的点。
• DBSCAN比凝聚聚类和k均值稍慢，但仍可以扩展到相对较大的数据集。

1.1算法原理

DBSCAN的原理是识别特征空间的"拥挤"区域中的点，在这些区域中许多数据点靠近在一起。这些区域被称为特征空间中的 密集区域。

• DBSCAN背后的思想：簇形成数据的密集区域，并由相对较空的区域分隔开。

在密集区域内的点被称为 核心样本（或核心点），它们的定义如下。

• DBSCAN有两个参数：min_samples和eps。
• 如果在距一个给定数据点eps的距离内至少有min_samples个数据点，那么这个数据点就是核心样本。
• DBSCAN将彼此距离小于eps的核心样本放到同一个簇中。

一共有三种类型的点： 核心点，与核心点的距离在eps之内的点（叫做 边界点）和 噪声。

• 如果DBSCAN算法在特定数据集上多次运行，那么核心点的聚类始终相同，同样的点也始终被标记为噪声。
• 但边界点可能与不止一个簇的核心样本相邻。因此，边界点所属的簇依赖于数据点的访问顺序。
• 一般来说只有很少的边界点，这种对访问顺序的轻度依赖并不重要。

2、应用于模拟数据make_blobs

  X, y = make_blobs(random_state=0,n_samples=12)

  dbscan = DBSCAN()

  clusters = dbscan.fit_predict(X)

  print("Cluster memberships:\n{}".format(clusters))

• 输出：

Cluster memberships:
[-1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1]

📣

因为eps和min_samples设置不当，所有的数据都被标记为噪声

• 可视化

mglearn.plots.plot_dbscan()

📣

• 在这张图中，属于簇的点是实心的，噪声点为空心。核心样本显示为较大的标记，边界点则显示为较小的标记。
• 增大eps，扩大核心点的领域，会让一个簇变得更大
• 增大min_samples会让一个簇中包含更多的点，同时核心点变小，噪声变多

👍

• eps更重要
• 它决定了点与点之间"接近的含义"。
  • eps过小，没有点是核心样本
  • eps过大，所有点成单个簇
• min_samples是为了判断稀疏区域内的点被标记为异常值还是形成自己的簇
• 决定了簇的尺寸

3、应用于模拟数据make_moons

虽然DBSCAN不需要显式地设置簇的个数，但设置eps可以隐式地控制找到的簇的个数。使用StandardScaler或MinMaxScaler对数据进行缩放之后，有时会更容易找到eps的较好取值，因为使用这些缩放技术将确保所有特征具有相似的范围.

  from sklearn.datasets import make_moons
  from sklearn.preprocessing import StandardScaler
  from matplotlib import pyplot as plt

  X, y = make_moons(n_samples=200,noise=0.05,random_state=0)

  #将数据缩放成平均值为0，方差为1
  scaler = StandardScaler().fit(X)
  X_scaled = scaler.transform(X)

  dbscan = DBSCAN()
  clusters = dbscan.fit_predict(X_scaled)

  #绘制簇分配

  plt.scatter(X_scaled[:,0],X_scaled[:,1],c=clusters,cmap=mglearn.cm2,s=60)

📣

可以看到，利用DBSCAN的默认设置，算法找到了两个半圆形并将其分开。
由于算法找到了我们想要的簇的个数（2个），因此参数设置的效果很好。

• 如果将eps减小到0.2（默认值为0.5），我们将会得到8个簇，这显然太多了。
• 将eps增大到0.7则会导致只有一个簇。

4、参考文献

《python机器学习基础教程》P143-P147

Original: https://blog.csdn.net/qq_43801989/article/details/124627185
Author: 向阳而生°
Title: 聚类--DBSCAN

相关阅读3

Title: Python图像处理丨图像的灰度线性变换

摘要：本文主要讲解灰度线性变换。

本文分享自华为云社区《[Python图像处理] 十五.图像的灰度线性变换》，作者：eastmount。

一.图像灰度线性变换原理

图像的灰度线性变换是通过建立灰度映射来调整原始图像的灰度，从而改善图像的质量，凸显图像的细节，提高图像的对比度。灰度线性变换的计算公式如下所示：

该公式中DB表示灰度线性变换后的灰度值，DA表示变换前输入图像的灰度值，α和b为线性变换方程f(D)的参数，分别表示斜率和截距。

• 当α=1，b=0时，保持原始图像
• 当α=1，b!=0时，图像所有的灰度值上移或下移
• 当α=-1，b=255时，原始图像的灰度值反转
• 当α>1时，输出图像的对比度增强
• 当0

如图所示，显示了图像的灰度线性变换对应的效果图。

二.图像灰度上移变换

该算法将实现图像灰度值的上移，从而提升图像的亮度，其实现代码如下所示。由于图像的灰度值位于0至255区间之内，所以需要对灰度值进行溢出判断。

# -*- coding: utf-8 -*-
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取原始图像
img = cv2.imread('miao.png')
#图像灰度转换
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#获取图像高度和宽度
height = grayImage.shape[0]
width = grayImage.shape[1]
#创建一幅图像
result = np.zeros((height, width), np.uint8)
#图像灰度上移变换 DB=DA+50
for i in range(height):
 for j in range(width):
 if (int(grayImage[i,j]+50) > 255):
            gray = 255
 else:
            gray = int(grayImage[i,j]+50)
        result[i,j] = np.uint8(gray)
#显示图像
cv2.imshow("Gray Image", grayImage)
cv2.imshow("Result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

其输出结果如下图所示，图像的所有灰度值上移50，图像变得更白了。注意，纯黑色对应的灰度值为0，纯白色对应的灰度值为255。

三.图像对比度增强变换

该算法将增强图像的对比度，Python实现代码如下所示：

# -*- coding: utf-8 -*-
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取原始图像
img = cv2.imread('miao.png')
#图像灰度转换
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#获取图像高度和宽度
height = grayImage.shape[0]
width = grayImage.shape[1]
#创建一幅图像
result = np.zeros((height, width), np.uint8)
#图像对比度增强变换 DB=DA*1.5
for i in range(height):
 for j in range(width):
 if (int(grayImage[i,j]*1.5) > 255):
            gray = 255
 else:
            gray = int(grayImage[i,j]*1.5)
        result[i,j] = np.uint8(gray)
#显示图像
cv2.imshow("Gray Image", grayImage)
cv2.imshow("Result", result)

其输出结果如下图所示，图像的所有灰度值增强1.5倍。

四.图像对比度减弱变换

该算法将减弱图像的对比度，Python实现代码如下所示：

# -*- coding: utf-8 -*-
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取原始图像
img = cv2.imread('miao.png')
#图像灰度转换
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#获取图像高度和宽度
height = grayImage.shape[0]
width = grayImage.shape[1]
#创建一幅图像
result = np.zeros((height, width), np.uint8)
#图像对比度减弱变换 DB=DA*0.8
for i in range(height):
 for j in range(width):
        gray = int(grayImage[i,j]*0.8)
        result[i,j] = np.uint8(gray)
#显示图像
cv2.imshow("Gray Image", grayImage)
cv2.imshow("Result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

其输出结果如下图所示，图像的所有灰度值减弱，图像变得更暗。

五.图像灰度反色变换

反色变换又称为线性灰度求补变换，它是对原图像的像素值进行反转，即黑色变为白色，白色变为黑色的过程。其Python实现代码如下所示：

# -*- coding: utf-8 -*-
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取原始图像
img = cv2.imread('miao.png')
#图像灰度转换
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#获取图像高度和宽度
height = grayImage.shape[0]
width = grayImage.shape[1]
#创建一幅图像
result = np.zeros((height, width), np.uint8)
#图像灰度反色变换 DB=255-DA
for i in range(height):
 for j in range(width):
        gray = 255 - grayImage[i,j]
        result[i,j] = np.uint8(gray)
#显示图像
cv2.imshow("Gray Image", grayImage)
cv2.imshow("Result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

其输出结果如下图所示，图像处理前后的灰度值是互补的。

图像灰度反色变换在医学图像处理中有一定的应用，如下图所示：

PS：文章参考自己以前系列图像处理文章及OpenCV库函数，同时参考如下文献：

• 杨秀璋等. 基于苗族服饰的图像锐化和边缘提取技术研究[J]. 现代计算机，2018(10).

• 《数字图像处理》（第3版），冈萨雷斯著，阮秋琦译，电子工业出版社，2013年.

• 《数字图像处理学》（第3版），阮秋琦，电子工业出版社，2008年，北京.

• 《OpenCV3编程入门》，毛星云，冷雪飞，电子工业出版社，2015.

• [数字图像处理] 五.MFC图像点运算之灰度线性变化、灰度非线性变化、阈值化和均衡化处理详解

点击关注，第一时间了解华为云新鲜技术~

Original: https://blog.csdn.net/devcloud/article/details/126556124
Author: 华为云开发者联盟
Title: Python图像处理丨图像的灰度线性变换