精华内容
下载资源
问答
  • 点击上方“智能与算法之路”,选择“星标”... Mackworth的人工智能Python实战代码Python code for Artificial Intelligence: Foundations of Computational Agents》,是面向众多学习人工智能同学理论与实战型性...

    点击上方“智能与算法之路”,选择“星标”公众号

    资源干货,第一时间送达

    c2f0e265decd53e5a6a37f4264f1b041.png

    一、资源介绍

    今天给大家分享一份David L. Poole和Alan K. Mackworth的人工智能Python实战代码《Python code for Artificial Intelligence: Foundations of Computational Agents》,是面向众多学习人工智能同学理论与实战型性的图书,值得收藏学习!

    8169af0dbf3891cb709608ae89fa15e3.png

    《人工智能:计算代理的基础》是一本关于人工智能科学(AI)的书。它提出了人工智能作为智能计算代理设计的研究。这本书的结构就像一本教科书,但它对广大的专业人士和研究人员来说是容易理解的。在过去的几十年里,我们目睹了人工智能作为一门严肃的科学和工程学科的出现。这本书提供了一个容易理解的综合领域,以本科生和研究生为目标。它对该领域的基础提供了一种一致的看法,就像今天这样。它的目的是提供综合作为一个综合的科学,在多维设计空间方面,已经部分探索。

    二、主要内容

    本书的主要目录如下:

    1. Python人工智能(Python for Artificial Intelligence)

    2. 代理和控制

    3. 寻找解决方案

    4. 推理与约束

    5. 命题和推理

    6. 规划与确定

    7. 监督机器学习

    8. 不确定性推理

    9. 规划的不确定性(Planning with Uncertainty)

    10. 学习与不确定性(Learning with Uncertainty)

    11. 可替换主体系统

    12. 强化学习

    13. 关系学习

    三、资源分享

    同时为了方便大家,我们把最新的资料打包好了,可以直接下载!

    获取方式:

    1. 关注我们的公众号“智能与算法之路”

    2. 后台回复“python人工智能实践” 即可以获取资料哈~(建议复制,避免错字)

        推荐阅读

    机器学习基础知识大全

    学习计算机算法必备资料推荐

    你心里是没点B树吗?

    70d68b1d71302b22f2c105e31648d89c.png

    欢迎关注我们,收获资源干货

    bc13963235b63406c7b9e46c9def738f.png

    展开全文
  • 魔幻换天视频:python实现魔幻换天特效,特效前,特效后对比视频视频前后特效对比图前几期的视频,我们分享了python代码实现的魔幻换天的视频特效,如何使用python代码实现?本期文章我们简单介绍一下工作原理。视频...

    魔幻换天视频:

    python实现魔幻换天特效,特效前,特效后对比视频

    d40444eac1995595d39de10547a00fa4.gif

    视频前后特效对比图

    前几期的视频,我们分享了python代码实现的魔幻换天的视频特效,如何使用python代码实现?本期文章我们简单介绍一下工作原理。

    225b200153257b0c1821bf9e7c36fef2.png

    视频特效对比前后

    首先,需要到如下链接下载整个项目的源码:

    github.com/jiupinjia/SkyAR

    下载完成后,解压后的文件目录如下:

    fc43c824690f9d2324ba8cf702702e3e.png

    源代码目录文件

    然后到如下地址下载预训练模型:

    drive.google.com/file/d/1COMROzwR4R_7mym6DL9LXhHQlJmJaV0J/view?usp=sharing
    模型名称:checkpoints_G_coord_resnet50.zip

    下载完成后,解压到skyAR的当前目录中,项目中多一个文件夹checkpoints_G_coord_resnet50,目录如下:

    ba25bfd8e140f689413cbab613f23c0a.png

    需要加载预训练模型

    然后,需要安装requirement里面要求的第三方工具包:

    如下第三方包是项目需要的包,需要安装到自己的电脑里面,否则代码无法运行
    matplotlib
    scikit-image
    scikit-learn
    scipy
    numpy
    torch
    torchvision
    opencv-python
    opencv-contrib-python

    4917a83c2657ca9a06dffb0a25017cbe.png

    特效前后对比图

    待以上准备工作完成后,便可以简单修改一下源码进行运行代码,这里需要要求你已经安装好了cuda版本的pytorch或者CPU版本的pytorch,若电脑里面没有GPU可以使用,可以直接使用CPU进行代码的运行,代码修改如下:

    首先打开skymagic.py文件,更改前代码如下:

    import numpy as np
    import matplotlib.pyplot as plt
    import cv2
    import os
    import glob
    import argparse
    from networks import *
    from skyboxengine import *
    import utils
    import torch

    device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

    parser = argparse.ArgumentParser(description='SKYAR')
    parser.add_argument('--path', type=str, default='./config/config-canyon-jupiter.json', metavar='str',
    help='configurations')

    05702739d6b0c80f99fac10c66c2ab43.png

    代码截图

    更改后代码如下:我们注销了2,12,16-18行的代码,并修改13行代码为device = torch.device( "cpu"),这里修改的意思是使用CPU运行代码,若你电脑上面已经安装好了cuda,可以忽略此处的修改

    import numpy as np
    import matplotlib.pyplot as plt
    import cv2
    import os
    import glob
    #import argparse
    from networks import *
    from skyboxengine import *
    import utils
    import torch

    device = torch.device( "cpu")

    #parser = argparse.ArgumentParser(description='SKYAR')
    #parser.add_argument('--path', type=str, default='./config/config-canyon-jupiter.json', metavar='str',
    # help='configurations')

    07d584301ef38a140ca9d33fcfb0db47.png

    代码截图

    修改完成后,需要修改一下main 函数里面的代码

    修改前代码的第188行使用parser来进行配置文件的读取

    if __name__ == '__main__':

    config_path = parser.parse_args().path
    args = utils.parse_config(config_path)
    sf = SkyFilter(args)
    sf.run()

    8b2161530ac3f3bae504c203c891ee64.png

    代码截图

    修改后,我们可以直接配置config配置文件下的配置文件

    if __name__ == '__main__':

    config_path = 'config/config-canyon-sunset.json'
    args = utils.parse_config(config_path)
    sf = SkyFilter(args)
    sf.run()

    b4bdb942d99de995508f37d1b1c620c2.png

    代码截图

    配置文件如下:
    {
    "net_G": "coord_resnet50",
    "ckptdir": "./checkpoints_G_coord_resnet50",

    "input_mode": "video",
    "datadir": "./test_videos/canyon.mp4",
    "skybox": "rainy.jpg",

    "in_size_w": 384,
    "in_size_h": 384,
    "out_size_w": 845,
    "out_size_h": 480,

    "skybox_cernter_crop": 0.5,
    "auto_light_matching": false,
    "relighting_factor": 0.6,
    "recoloring_factor": 0.5,
    "halo_effect": true,

    "output_dir": "./eval_output",
    "save_jpgs": false
    }

    "ckptdir": "./checkpoints_G_coord_resnet50这里是预训练好的模型

    "input_mode": "video",这里是输入的格式,当然也可以输入一张照片,照片设置为seq

    "datadir": "./test_videos/canyon.mp4",这里是需要处理的视频地址

    "skybox": "rainy.jpg",这里是添加特效的图片或者视频

    0b1603c579d85f401b89b8b16e0493f4.png

    代码截图

    其他参数可以默认设置

    最后,直接在本目录文件夹下cmd对话框中输入:

    python skymagic.py

    便可以看到模型实时渲染的特效视频,代码运行完成,会在当前目录生成合成后的视频

    fc21863bc5101b26d4f132e27cb810ff.png

    视频特效对比

    当然,你也可以使用自己的数据,进行模型的训练,模型的训练使用train.py代码,详细步骤可以参考文章中的链接进行学习,本文只是简单介绍一下代码的基本使用,其中涉及的pytorch人工智能神经网络的搭建,模型的训练等知识,也可以参考往期关于pytorch等方面的知识,后期我们也会分享此方面的知识,关于pytorch不同版本的安装说明,pytorch官网有详细的介绍可以参考

    045eb25a90f94cefbc357b1726665701.png

    特效视频截图

    最后展示几张特效后的照片,有关视频可以查看文章开头的2个视频链接,进行视频的观看

    e5a47a724aea978a30a2b95face7ef68.png

    视频特效

    06ce05f3eb6a2d067ec6c0eccb803770.png

    视频特效

    展开全文
  • 点击蓝字关注我哦 大家期待的人工智能公益课第三课开课啦! 提到编程,相信大家都不陌生;编程(Programming)是编定程序的中文简称,就是让计算机代码解决某个问题,对某个计算体系规定一定的运算方式,使计算体系...
    ba948d3b74462cb7815853f57f37b70c.png

    点击蓝字关注我哦

    ba948d3b74462cb7815853f57f37b70c.png

            大家期待的人工智能公益课第三课开课啦!

         提到编程,相信大家都不陌生;编程(Programming)是编定程序的中文简称,就是让计算机代码解决某个问题,对某个计算体系规定一定的运算方式,使计算体系按照该计算方式运行,并最终得到相应结果的过程。为了使计算机能够理解(understand)人的意图,人类就必须将需解决的问题的思路、方法和手段通过计算机能够理解的形式告诉计算机,使得计算机能够根据人的指令一步一步去工作,完成某种特定的任务。这种人和计算体系之间交流的过程就是编程。

          Python是一种跨平台的计算机程序设计语言。是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。最初被设计用于编写自动化脚本(shell),随着版本的不断更新和语言新功能的添加,越多被用于独立的、大型项目的开发。

          在本节课中菜园路初中的郭光宗郭老师给大家带来《python语言及简单应用实例》。我们一起来认真学习一下吧!

           授课老师:菜园路初中郭光宗郭老师

           授课地点:嵩山路小学录播教室    通过此次公益课的学习,让孩子对人工智能有了更深一步的了解,也为孩子埋下一颗科技的种子。

          后续课程可关注协会公众号每周发布。有任何问题可以给我们留言。

          往期课程回顾:

      登封市人工智能公益课《人工智能进行时》  登封市人工智能公益课《国内青少年机器人技术项目发展与未来方向》df02dbc901533b526ce0f40bb5309651.png

    点分享

    c84a58ee99d05632c1d601b63819eecd.png

    点点赞

    5686b07a808b3a4027d1c1e81c9d6dad.png

    点在看

    展开全文
  • 分类是一种常见的机器学习算法,是一种有监督的算法。简单说就是给出学习集数据都是带标签的,通过训练学习集数据获得模型,对未来给出...下面以一个对学生文理、综合分类问题进行实例操作。数据文件是一个学生成绩...

    分类是一种常见的机器学习算法,是一种有监督的算法。简单说就是给出学习集数据都是带标签的,通过训练学习集数据获得模型,对未来给出的实际数据,根据模型进行分类。这里采用K最近邻算法(KNN,K-nearest neighbour)

    KNN算法非常直观,容易理解,就是寻找K个距离最近的邻居,看这K个近邻中哪个分类标签多,样本就归于哪类。

    下面以一个对学生文理、综合分类问题进行实例操作。

    数据文件是一个学生成绩及分类表,样式如下

    ID yingyu yuwen shuxue ClassifyResult

    0 0 80 80 79 3

    1 1 99 89 60 1

    2 2 60 78 90 2

    3 3 90 70 88 3

    4 4 66 77 88 2

    代码如下:

    import pandas as pd

    from sklearn import neighbors

    df = pd.read_csv('student.csv')

    train_x = df.iloc[0:80,2:4] # 取数据集前80条记录的语文,数学成绩作为训练集输入

    train_y = df.iloc[0:80, 4] # 取数据集前80条记录的标签值,即分类值作为训练集的输出

    model = neighbors.KNeighborsClassifier() # 创建最近邻模型

    model.fit(train_x, train_y) # 指定输入输出,创建模型

    test_x = df.iloc[80:100, 2:4]# 取测试集输入

    test_y = df.iloc[80:100, 4].values #取测试集输出,并将数据框转换成数组

    test_p = model.predict(test_x)

    print(test_p)

    print(test_y)

    rate = model.score(test_x,test_y) # 记算预测结果的正确率

    print('预测结果的正确率是{0:*^10}'.format(rate))

    运行结果如下:

    [3 1 1 3 3 3 1 1 3 2 2 3 1 3 1 3 3 3 3 1]

    [2 3 3 3 3 3 1 1 2 2 2 3 1 3 1 3 1 1 3 3]

    预测结果的正确率是***0.65***

    此次预测的正确率为0.65,并不是很高,主要是输入训练文件质量不高造成的。但这个小程序实现了KNN分类算法的全部功能,还是值得借鉴的

    展开全文
  • 这是一套Python/人工智能/AI/机器学习/深度学习 全套实战课程,包含视频教程以及文档、源码等,欢迎下载01、 python数据分析与机器学习实战02、深度学习入门视频课程(上篇)03、深度学习入门视频课程(下篇2017-1106...
  • 每一章都是以实例为主,读者可参考源代码,修改实例,切换数据源,就能得到自己想要的结果。目的就是让读者看得懂、学得会、做得出。(2)专业专注,学以致用。NumPy、Pandas、Matplotlib、scikit-learn、TensorFlow...
  • 分类是一种常见的机器学习算法,是一种有监督的算法。简单说就是给出学习集数据都是带标签的,通过训练学习集数据获得模型,对未来给出...下面以一个对学生文理、综合分类问题进行实例操作。数据文件是一个学生成绩...
  • 编辑推荐:本文来自于cloud.tencent.com,作者以浅显易懂的语言和清晰的示例和代码教你从头开始走过一个机器学习之旅,并且附详细的代码,大家可以收藏和学习。这是一篇完全手把手进行机器学习项目构建的教程,包含:...
  • 每一章都是以实例为主,读者可参考源代码,修改实例,切换数据源,就能得到自己想要的结果。目的就是让读者看得懂、学得会、做得出。(2)专业专注,学以致用。NumPy、Pandas、Matplotlib、scikit-learn、TensorFlow...
  • 原博文2019-10-28 16:14 −这篇文章主要介绍了python实现人工智能Ai抠图功能,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下 自己是个PS小白,没办法只能通过技术来证明自己...
  • 尤其因为人工智能和大数据的推波助澜, Python 现在以及未来,将长期是最流行的语言之一。 那 C/C++ 怎么提供 Python 接口呢? ctypes: C 与 Python 绑定, Python 内建模块 Boost.Python: C++ 与 Python 绑定, ...
  • 桌面程序,web都可以,还有比如现在讲的多的人工智能,神经网络源码可以去找一些开源代码,搜索一下,蛮多的。分享python小程序代码练练手小编是新学python的,想找些小作业练练手,大家有些小作业及其已经编好的这...
  • 实例简介】人工智能算法实现mnist手写数字识别【实例截图】【源码目录】mnist实验报告├── ML_MNIST│ ├── CNN.py│ ├── FCN.py│ └── RNN.py└── mnist实验报告.doc1 directory, 4 files【核心代码】...
  • 实例中归纳决策树_人工智能一18.3.3 从实例中归纳决策树布尔决策树的一个实例是由一个输入属性向量X以及一个唯一的布尔输出值y组成的。一个实例集合(X1,y1),…,(X12,y12)如图18.3所示。其中正例是目标WillWait为真...
  • {"moduleinfo":{"card_count":[{"count_phone":1,"count":1}],"search_count":[{"count_phone":4,...社区覆盖了云计算、大数据、人工智能、IoT、云原生、数据库、微服务、安全、开发与运维9大技术领域。","link1":...
  • 主要介绍了python实现人工智能Ai抠图功能,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下
  • {"moduleinfo":{"card_count":[{"count_phone":1,"count":1}],"search_count":[{"count_phone":4,...社区覆盖了云计算、大数据、人工智能、IoT、云原生、数据库、微服务、安全、开发与运维9大技术领域。","link1":...
  • {"moduleinfo":{"card_count":[{"count_phone":1,"count":1}],"search_count":[{"count_phone":4,...社区覆盖了云计算、大数据、人工智能、IoT、云原生、数据库、微服务、安全、开发与运维9大技术领域。","link1":...
  • 运用人工智能应用为客户造就丰富多彩多种多样的玩法,让用户在日常生活中轻轻松松迅速产出率高品质小视频。主要代码如下,要修改的内容。如果你想要生成各种不同的效果,你可以根据像素的值个性化设计。我沉迷于抖音...
  • {"moduleinfo":{"card_count":[{"count_phone":1,"count":1}],"search_count":[{"count_phone":4,...社区覆盖了云计算、大数据、人工智能、IoT、云原生、数据库、微服务、安全、开发与运维9大技术领域。","link1":...
  • {"moduleinfo":{"card_count":[{"count_phone":1,"count":1}],"search_count":[{"count_phone":4,...社区覆盖了云计算、大数据、人工智能、IoT、云原生、数据库、微服务、安全、开发与运维9大技术领域。","link1":...
  • {"moduleinfo":{"card_count":[{"count_phone":1,"count":1}],"search_count":[{"count_phone":4,...社区覆盖了云计算、大数据、人工智能、IoT、云原生、数据库、微服务、安全、开发与运维9大技术领域。","link1":...
  • GAN的目标是训练鉴别器,使其能够区分真实数据和伪造数据,同时训练生成器以生成可以可靠诱骗鉴别器的数据综合实例。GAN的一个流行应用是在“ GANgough”项目中,由受过wikiart.org绘画培训的GAN生成合成绘画。独立...
  • {"moduleinfo":{"card_count":[{"count_phone":1,"count":1}],"search_count":[{"count_phone":4,...社区覆盖了云计算、大数据、人工智能、IoT、云原生、数据库、微服务、安全、开发与运维9大技术领域。","link1":...
  • 这篇文章主要介绍了python实现人工智能Ai抠图功能,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下 代码 from removebg import RemoveBg import requests import os ''' ...
  • 这篇文章主要介绍了python实现人工智能Ai抠图功能,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下: 自己是个PS小白,没办法只能通过技术来证明自己。话不多说,直接上代码...
  • {"moduleinfo":{"card_count":[{"count_phone":1,"count":1}],"search_count":[{"count_phone":4,...社区覆盖了云计算、大数据、人工智能、IoT、云原生、数据库、微服务、安全、开发与运维9大技术领域。","link1":...
  • 这篇文章主要介绍了python实现人工智能Ai抠图功能,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下代码from removebg import RemoveBgimport requestsimport osif __name__ ==...
  • Python Hello World 实例-01

    2020-05-15 10:24:45
    以下实例为学习Python的第一个实例,即如何输出”Hello World!”: 执行以上代码输出结果为: Hello World! 睡前人工智能实验室免费使用,官网:https://www.edu.futurelab.tv

空空如也

空空如也

1 2 3 4 5 ... 7
收藏数 133
精华内容 53
关键字:

python人工智能实例代码

python 订阅