| 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576 |
- day1
- 手写数字识别项目运行与讲解
- 人脸识别项目运行
- Python环境安装与开发工具
- 开发体系与规范
- day2
- 1.今天上午学习了怎么建立git仓库
- 第一步：定位到本地仓库文件夹 ，使用命令git init
- 第二步： git add 文件名
- 第三步：git commit -m
- 第四步：git remote add origin 仓库地址
- 第五步：git push -u origin
- 第六步：在仓库设置中，添加协作者
- 2.学习了关于机器学习方面深度学习的知识
- 3.知道了如何安装调试jupyter ，学会了numpy的用法
- day3
- 1.今天学习了用jupyter进行图像处理。
- 2.学习了矩阵相关操作，用于解决一些简单的生活问题
- 3.Numpy应用与图像原理
- 4.Numpy处理训练与测试数据
- 5.sklearn介绍与调用
- 6.KNN模型调用与预测
- day4
- 1.今天学习了房价预测模型的实验，通过各个方面的因素，使用关联矩阵处理数据，
- 判断影响价格的因素。
- 2.学会使用pandas包，寻找特征相关性等内容。
- 3.数据处理《缺失值)
- 4.数据可视化与观察(matplotlib)
- 5.相关性分析
- 6.特征筛选与合成
- 7.分层采样、sklearn估算器、转换器、预初器
- day5
- 1.今天学习了import sys from PyQt6.QtWidgets import QApplication, QLabel
- 2.学习用Qt Designer设计登录系统
- 3.学习研究了PyQt5，了解类结构。
- 4.sklearn模型选择与流水线操作
- 5.线性回归、svc、决策树、随机森林
- 6.结果评估，交叉验证
- 7.网格搜索与参数优化
- 8.手写数字识别项目里U布局原理讲解
- day6
- 1.今天我们学习了神经网络，卷积神经网络以及深度学习的内容。
- 2.使用Pytorch下手写字符数据集的LeNet5实现案例，进行模型训练来预测数字。
- 3.浅层模型与深层模型区别
- 4.神经元:权重、偏置、激活函数、向前/反向传播、损失函数
- 5.卷积神经网络:卷积层/卷积核、池化层、全链接层
- 6.LeNet5八层结构分析
- day7
- 1.项目结构讲解与分析
- 2.小组分组与人员分工
- 3.项目代码上传与合并
- 4.猜拳判断项目结构分析与搭建
- 5.个人负责UI的搭建
- day8
- 1.图像分割处理代码实现空自团像与mak层
- 2.使用阈值处嘈函数cv2.threshod将窗柔愫转换为二值图像与反转的二值化
- 3.cv2.rindconnurs函教查找二值图像中的轮廓，排物轮廓瞻制到图像上
- 4.通过 map和性涵数要取每个轮廓约面积。并找到最太面积的轮廓的索引使用cv2.crawContours函数临制只包含最大轮廓的图像
- 5.使用cv2.bitwlise_or函数执行逐像素的藏操作，将原始图像和clmg图像通行合并，生成最终的达黑图像
- day9
- 1.项目拆解4大模块
- 2.数据集查找与数据加载
- 3.LeNet5模型实现与预测模块的代码实现
- 4.图像分割模块与项目的融合
- 5.UI部分的设计与其他模块的融合
- day10
- 实训内容总结梳理
|
