输出为HTML文件 输出为Html源码 输出为HTML组件 通过web模板显示 Hello Bokeh! Below is a simple plot of stock closing prices Hello Bokeh! Below is a simple plot of stock closing prices Hello Bokeh! Bokeh Flask Bokeh sever

2020年06月29日 0条评论 7点热度 0人点赞 阅读全文

主题 图表配色 HEX色码 CSS3色名 ColorBrewer配色 色彩映射 视图属性 线条 填充 文字 见纸质书籍 标题 图例 色值条 坐标轴 WebGL 绘图设置 工具条 上下界标记 箱型区域标记 选择范围 标签 标签组 箭头 提示工具 基本配置 格式化提示内容 自定义HTML提示工具 回调函数 用户自定义 图形显示布局 行列显示 GlyphRenderer(id = '1077', …)data_source = ColumnDataSource(id='1073',…

2020年06月29日 0条评论 8点热度 0人点赞 阅读全文

Bokeh的绘图数据可以直接使用Python中的list、dict,也可以使用Numpy中的Array以及Pandas中的DataFrame数据类型。绘制较复杂的图形时,也可以使用Bokeh独有的ColumnDataSource定义绘图数据,以便在绘图方法中直接调用列名进行绘图。当需要在原始数据中更新、筛选部分数据时,Bokeh提供了一些专属方法,这些方法在进行较复杂的动态交互时会经常用到。 Python List Python Dict NumPy Arrays Pandas DataFrame Bokeh Co…

2020年06月29日 0条评论 6点热度 0人点赞 阅读全文

Bokeh是一个基于D3.js的绘图库,所以其绘图结果可以与Web应用无缝衔接,在实现与读者交互的同时,便于分享、传播。其次,Bokeh有着自己强大又丰富的绘图库,提供了优雅、简洁的多功能图形绘制方法,在超大数据集或流式数据集上具有高性能的交互性,且与Python(或其他语言)的交互快速而简单。 开始上手 先画一个简单的散点图 from bokeh.plotting import figure, output_notebook, showoutput_notebook()x = [1, 2, 3, 4, 5]y =…

2020年06月29日 0条评论 6点热度 0人点赞 阅读全文

随处可见的二维码是怎么生成的?自己做一个试试吧。 随着互联网和智能移动设备不断普及,二维码(Quick Response code)已经成为世界上应用最为广泛的信息载体之一。生成二维码的工具也层出不穷,但多数需要在线完成,并且生成的图案也千篇一律,过于单调。 那么有没有办法实现自定义生成二维码呢?近日,一位热衷于终身学习的工程师兼摄影师 Arindom Bhattacharjee 撰写了一篇自定义生成二维码的方法,并且整个生成过程只需要 5 行 Python 代码即可完成。感兴趣的读者可以自己实现下。 5 行 Py…

2020年06月29日 0条评论 5点热度 0人点赞 阅读全文

生成器 生成器是生成一个值的特殊函数,它具有这样的特点:第一次执行该函数时,先从头按顺序执行,在碰到yield关键字时该函数会暂停执行该函数后续的代码,并且返回一个值;在下一次调用该函数执行时,程序将从上一次暂停的位置继续往下执行。 输出结果如下: 当数据量很少时,可以很快得到结果。但是如果范围扩大到10000甚至是100000000,就会发现程序执行时间会变长,变卡,甚至有可能会因超出内存空间而出现程序崩溃的现象。这是因为当数据量变得非常大的时候,内存需要开辟很大的空间去存储这些数据,内存都被吃了,自然会变慢变卡…

2020年06月28日 0条评论 2点热度 0人点赞 阅读全文

绘图步骤: 准备数据 选择结果输出方式 可以用output_file()输出为"lines.html". 也可以使用output_notebook()在 Jupyter notebooks中直接展示。 用figure()绘制画布 绘制图形,如line() 显示绘图结果 举个栗子: 01_显示多条曲线,用用output_file()展示: PS:正因为Matplotlib的图太丑,参数设置复杂;Plotly需要注册才能使用更多功能;Seaborn对高版本Python支持不是很友好(本主在2016年放弃Seaborn,…

2020年06月28日 0条评论 5点热度 1人点赞 阅读全文

总览如图1所示为Faster RCNN算法的基本流程,从功能模块来讲,主要包括4部分:特征提取网络、RPN模块、RoI Pooling(Region of Interest)模块与RCNN模块,虚线表示仅仅在训练时有的步骤。Faster RCNN延续了RCNN系列的思想,即先进行感兴趣区域RoI的生成,然后再把生成的区域分类,最后完成物体的检测,这里的RoI使用的即是RPN模块,区域分类则是RCNN网络。 特征提取网络Backbone:输入图像首先经过Backbone得到特征图,在此以VGGNet为例,假设输入图像…

2020年06月26日 0条评论 4点热度 0人点赞 阅读全文

RCNN全称为Regions with CNN Features,是将深度学习应用到物体检测领域的经典之作,并凭借卷积网络出色的特征提取能力,大幅度提升了物体检测的效果。而随后基于RCNN的Fast RCNN及Faster RCNN将物体检测问题进一步优化,在实现方式、速度、精度上均有了大幅度提升。 物体检测领域出现的新成果很大一部分也是基于RCNN系列的思想,尤其是Faster RCNN,并且在解决小物体、拥挤等较难任务时,RCNN系列仍然具有较强的优势。因此,想要学习物体检测,RCNN系列是第一个需要全面掌握的…

2020年06月26日 0条评论 13点热度 0人点赞 阅读全文

VGGNet和ResNet等网络骨架,虽从各个角度出发提升了物体检测性能,但就究其根本是为ImageNet的图像分类任务而设计的。而图像分类与物体检测两个任务天然存在着落差,分类任务侧重于全图的特征提取,深层的特征图分辨率很低;而物体检测需要定位出物体位置,特征图分辨率不宜太小,因此造成了以下两种缺陷: 1)大物体难以定位:对于FPN等网络,大物体对应在较深的特征图上检测,由于网络较深时下采样率较大,物体的边缘难以精确预测,增加了回归边界的难度。 2)小物体难以检测:对于传统网络,由于下采样率大造成小物体在较深的特…

2020年06月26日 0条评论 2点热度 0人点赞 阅读全文