风格迁移的代码

说明：  用于图像去噪处理，使用ADM方法图像去噪处理器处理(Used for image denoising processing, using adm method image denoising processor processing)

说明：  python PCA算法原理推导，及源代码实现，并基于PCA算法实现图片压缩，附pdf文件说明(Python PCA algorithm principle derivation, and source code implementation, and based on PCA algorithm to achieve image compression, with PDF file description)

录音文件pcm转换成opus的代码 主要是为了opus占用存储空间小，可以在云端传递的更佳快速便捷 pcm为多数录音设备采集保存的音频，作为原始语音 opus为输出语音 代码支持pcm转换opus的全部功能和说明

Python编程基础，包括客户端、服务器、域名系统、高级网络编程等知识。(This is a document that concludes Python Program for basic knowledge.)

用于机器学习制作音频样本，将wave文件转换成txt文本文件。wave_txt_v1单纯只是将一个wave文件夹中的全部wave文件转化到一个txt文本中，每个wave文件生成的字符串以逗号相隔。wave_txt_v2就升级了点，把两个wave文件夹（机器学习中的一个是训练，一个是测试）分别转换成两个对应txt文本，生成的txt文本就可以进行机器学习了。目前是提供这些简单测试代码。。。。。。

说明：  SLIC算法是simple linear iterative cluster的简称，该算法用来生成超像素（superpixel） 算法步骤： 已知一副图像大小M*N,可以从RGB空间转换为LAB空间，LAB颜色空间表现的颜色更全面 假如预定义参数K，K为预生成的超像素数量，即预计将M*N大小的图像(像素数目即为M*N)分隔为K个超像素块，每个超像素块范围大小包含[（M*N）/K]个像素 假设每个超像素区域长和宽都均匀分布的话，那么每个超像素块的长和宽均可定义为S，S=sqrt(M*N/K) 遍历操作，将每个像素块的中心点的坐标(x,y)及其lab的值保存起来，加入到事先定义好的集合中(Algorithmic steps: Given the size of an image M*N, it can be converted from RGB space to LAB space, and the color space of LAB is more comprehensive. If the predefined parameter K, K is the number of pre-generated super-pixels, i.e., the image of M*N size (the number of pixels is M*N) is expected to be divided into K super-pixel blocks, each of which contains [(M*N)/K] pixels. Assuming that the length and width of each super-pixel region are evenly distributed, the length and width of each super-pixel block can be defined as S, S = sqrt (M*N/K). The traversal operation saves the coordinates (x, y) and lab values of the central points of each pixel block and adds them to a pre-defined set.)

聊天机器人 原理： 严谨的说叫 ”基于深度学习的开放域生成对话模型“，框架为Keras（Tensorflow的高层包装），方案为主流的RNN（循环神经网络）的变种LSTM（长短期记忆网络）+seq2seq（序列到序列模型），外加算法Attention Mechanism（注意力机制），分词工具为jieba，UI为Tkinter，基于”青云“语料（10万+闲聊对话）训练。 运行环境：python3.6以上，Tensorflow，pandas，numpy，jieba。(Chat Robot Principle: Strictly speaking, it is called "Open Domain Generation Dialogue Model Based on Deep Learning". The framework is Keras (High-level Packaging of Tensorflow). The scheme is LSTM (Long-term and Short-term Memory Network)+seq2seq (Sequence to Sequence Model), plus Attention Mechanism (Attention Mechanism). The word segmentation tool is Jieba and the UI is Tkinter. Based on "Qingyun" corpus (100,000 + chat dialogue) training. Running environment: Python 3.6 or more, Tensorflow, pandas, numpy, jieba.)

通过Selenium爬取知乎上面的妹子图(Spider For Girls On ZhiHu)

说明：  支持向量机回归预测，包括模型的建立和保存(Support vector machine regression prediction, including the establishment and preservation of the model)

使用训练好的模型进行物体识别，对于人、车的识别成功率极高，亲测好用！