for循环(和while循环)可以有一个else分支?

  |   0 评论   |   0 浏览   |   给我丶鼓励
# Python的' for '和' while '循环支持' else '子句,
# 该子句仅在循环结束而没有碰到' break '语句时执行。
def contains(haystack, needle):
    """
    Throw a ValueError if `needle` not
    in `haystack`.
    """
    for item in haystack:
        if item == needle:
            break
    else:
        # 这里的“else”是一个“completion子句”,
        # 它只在循环运行到补全而没有碰到“break”语句时运行。
        raise ValueError('Needle not found')


>>> contains([23, 'needle', 0xbadc0ffee], 'needle')
None

>>> contains([23, 42, 0xbadc0ffee], 'needle')
ValueError: "Needle not found"


# 就个人而言,我不喜欢循环中的“else”“completion子句”,
# 因为我觉得它很混乱。我宁愿做这样的事
def better_contains(haystack, needle):
    for item in haystack:
        if item == needle:
            return
    raise ValueError('Needle not found')

# 注意:通常您会编写类似这样的内容来进行成员资格测试,
# 这更符合python的风格
if needle not in haystack:
    raise ValueError('Needle not found')

or循环(和while循环)可以有一个else分支?

  |   0 评论   |   0 浏览   |   给我丶鼓励
# Python的' for '和' while '循环支持' else '子句,该子句仅在循环结束而没有碰到' break '语句时执行。
def contains(haystack, needle):
    """
    Throw a ValueError if `needle` not
    in `haystack`.
    """
    for item in haystack:
        if item == needle:
            break
    else:
        # 这里的“else”是一个“completion子句”,
        # 它只在循环运行到完成时没有碰到“break”语句时运行
        raise ValueError('Needle not found')


>>> contains([23, 'needle', 0xbadc0ffee], 'needle')
None

>>> contains([23, 42, 0xbadc0ffee], 'needle')
ValueError: "Needle not found"

# 就个人而言,我不喜欢循环中的“else”“completion子句”,
# 因为我觉得它很混乱。我宁愿做这样的事
def better_contains(haystack, needle):
    for item in haystack:
        if item == needle:
            return
    raise ValueError('Needle not found')

# 注意:通常您会编写类似这样的内容来进行成员资格测试,
# 这更符合python的风格
if needle not in haystack:
    raise ValueError('Needle not found')

检查列表中的所有元素是否相等

  |   0 评论   |   0 浏览   |   给我丶鼓励
# 检查列表中所有项是否相等的python方法

>>> lst = ['a', 'a', 'a']

>>> len(set(lst)) == 1
True

>>> all(x == lst[0] for x in lst)
True

>>> lst.count(lst[0]) == len(lst)
True

# 我从“最python化”到“最python化”,从“最低效”到“最高效”。
# len(set())解决方案是惯用的,但是构造一个集合在内存和速度方面效率较低。

contextlib.suppress

  |   0 评论   |   0 浏览   |   给我丶鼓励
# 在Python 3.4+中,可以使用context .suppress()选择性地忽略特定异常

import contextlib

with contextlib.suppress(FileNotFoundError):
    os.remove('somefile.tmp')

# 这相当于:

try:
    os.remove('somefile.tmp')
except FileNotFoundError:
    pass

# contextlib.suppress docstring: 
#
# "返回一个上下文管理器,如果在with语句的主体中出现任何指定的异常,该上下文管理器
# 将抑制这些异常,然后在with语句结束后继续执行第一个语句。

在Python 3.x中强制只使用关键字的参数

  |   0 评论   |   0 浏览   |   给我丶鼓励

# 在Python3中,你可以使用一个“*”的星号。在函数参数列表中强制执行调用者使用关键字参数的某些参数:
>>> def f(a, b, *, c='x', d='y', e='z'):
...     return 'Hello'

# 为了传递c、d和e的值,您需要显式地将其作为“key=value”命名的参数传递
>>> f(1, 2, 'p', 'q', 'v')

TypeError: 
"f() takes 2 positional arguments but 5 were given"

>>> f(1, 2, c='p', d='q',e='v')
'Hello'

基于TNN在Android手机上实现图像分类

  |   0 评论   |   0 浏览   |   夜雨飘零

TNN:由腾讯优图实验室打造,移动端高性能、轻量级推理框架,同时拥有跨平台、高性能、模型压缩、代码裁剪等众多突出优势。TNN 框架在原有 Rapidnet、ncnn 框架的基础上进一步加强了移动端设备的支持以及性能优化,同时也借鉴了业界主流开源框架高性能和良好拓展性的优点。

基于MNN在Android手机上实现图像分类

  |   0 评论   |   0 浏览   |   夜雨飘零

MNN 是一个轻量级的深度神经网络推理引擎,在端侧加载深度神经网络模型进行推理预测。目前,MNN 已经在阿里巴巴的手机淘宝、手机天猫、优酷等 20 多个 App 中使用,覆盖直播、短视频、搜索推荐、商品图像搜索、互动营销、权益发放、安全风控等场景。此外,IoT 等场景下也有若干应用。

下面就介绍如何使用 MNN 在 Android 设备上实现图像分类。

一行代码Android上实现人脸检测、关键点检测、口罩检测

  |   0 评论   |   0 浏览   |   夜雨飘零

一行代码实现人脸检测,人脸关键点检测和戴口罩检测。

本项目是使用 Paddle Lite 的 C++ 实现的人脸检测,人脸关键点检测和戴口罩检测,并将编译好的动态库和静态库部署在 Android 应用上,在 Android 设备上实现人脸检测,人脸关键点检测和戴口罩检测,所以本应不会使用到 C++ 开发,可以只使用笔者提供的 JNI 接口实现这些功能。在 ai 这个 module 是笔者在开发时使用到的,读者在使用这个项目时,完全可以删除掉,如果是看 C++ 实现,也可以看这个 module 的源码。

基于insightface实现的人脸识别和人脸注册

  |   0 评论   |   0 浏览   |   夜雨飘零

然后开始编写人脸识别和人脸注册工具类,使用 insightface.app.FaceAnalysis() 可以获取模型对象,这里包含了三个模型,首先是人脸检测模型,然后是人脸特征提取模型,和最后的性别年龄识别模型。使用 model.prepare() 可以配置 ctx_id 指定使用哪一块 GPU,如果是负数则是使用 CPU 执行预测,nms 配置的是人脸检测的阈值。load_faces() 函数是加载人脸库中的人脸,用于之后的人脸识别对比。

Android基于图像语义分割实现人物背景更换

  |   0 评论   |   0 浏览   |   夜雨飘零

本教程是通过 PaddlePaddle 的 PaddleSeg 实现的,该开源库的地址为:http://github.com/PaddlPaddle/PaddleSeg ,使用开源库提供的预训练模型实现人物的图像语义分割,最终部署到 Android 应用上。关于如何在 Android 应用上使用 PaddlePaddle 模型,可以参考笔者的这篇文章《基于 Paddle Lite 在 Android 手机上实现图像分类》

本教程开源代码地址:https://github.com/yeyupiaoling/ChangeHumanBackground

谈谈 Vue 中的 v-model 与 sync

  |   0 评论   |   0 浏览   |   Erioifpud

说实话,这个修饰符我用得很少,不是因为他没有用,实际上他和 v-model 的功能基本上(为什么是基本,下文有解释)是一样的,但是 v-model 在一个组件上只能出现一次,试想一下,如果你需要双向绑定多个变量怎么办?最基础的写法如下:

CSS 中的“毛玻璃”效果

  |   0 评论   |   0 浏览   |   Erioifpud

毛玻璃这种模糊效果在各种应用程序中见得不少,实际上这种显示效果在 CSS 中也能做到,而且可以分成两种类型,分别是元素本身模糊元素背景模糊(指的是被元素覆盖的区域),光是用文字描述可能不太清晰,以下是对比图:

基于PaddlePaddle实现的目标检测模型PP-YOLO

  |   1 评论   |   0 浏览   |   夜雨飘零

PP-YOLO 是 PaddleDetection 优化和改进的 YOLOv3 的模型,其精度(COCO 数据集 mAP)和推理速度均优于 YOLOv4 模型,PP-YOLO 在 COCO test-dev2017 数据集上精度达到 45.9%,在单卡 V100 上 FP32 推理速度为 72.9 FPS, V100 上开启 TensorRT 下 FP16 推理速度为 155.6 FPS。

本教程源码地址:https://github.com/yeyupiaoling/PP-YOLO