Tämä osio on kokoelma muistiinpanoja ja muistiinpanoja kaikesta, mitä opin Pythonissa. Pythonilla kirjoitetut skriptit, ohjelmat ja esimerkit voivat varmasti auttaa sinua.
Jos jokin koodissa on mielestäsi väärin tai sitä voitaisiin parantaa, kommentoi.
Hankkeen idea on anna ääniohjeita vuorovaikutukseen PC:n tai Raspberry Pi:n kautta käyttämällä Voice-to-text Whisper -mallia.
Annamme tilauksen, joka transkriptoidaan, muunnetaan tekstiksi Whisperilla ja sitten analysoidaan sopivan tilauksen suorittamiseksi, joka voi olla ohjelman suorittamisesta jännitteen antamiseen RaspberryPi-nastoihin.
Aion käyttää vanhaa Raspberry Pi 2:ta, mikro-USB:tä ja OpenAI:n hiljattain julkaisemaa Voice-to-text -mallia, Kuiskaus. Artikkelin lopusta näet vähän lisää kuiskausta.
Pythonin For-silmukalla on joitain erilaisia ominaisuuksia kuin muilla ohjelmointikielillä. Jätän sinulle sen, mitä olen oppinut saadakseni kaiken irti yhdestä eniten käytetystä silmukasta.
Pythonissa se on tarkoitettu iteroitavaksi iteroitavan objektin läpi, oli se sitten luettelo, objekti tai jokin muu elementti.
Los .py-tunnisteiset tiedostot sisältävät Python-ohjelmointikielikoodin. Tällä tavalla, kun suoritat tiedoston, koodisarja suoritetaan.
Toisin kuin .sh-tiedosto joka suorittaa ohjeet, jotka mikä tahansa Linux-järjestelmä voi suorittaa, jotta .py-tiedosto toimisi, sinun on asennettava Python.
Tämä on ensimmäinen asia, joka sinun on tehtävä, jos haluat aloittaa ohjelmoinnin oppimisen Pythonilla.
Tarkastellessani kaupungin meteorologisen observatorion tarjoamia historiallisia tietoja näen sen ne tarjoavat niitä vain graafisesti ja ladattaviksi PDF-muodossa. En ymmärrä, miksi he eivät anna sinun ladata niitä csv-tiedostoon, mikä olisi paljon hyödyllisempää kaikille.
Joten olen etsinyt sitä ratkaisu siirtää nämä taulukot pdf: stä csv: hen tai jos joku haluaa alustaa Excelin tai Libre Officen. Pidän csv: stä, koska csv: llä voit tehdä kaiken mitä pystyt käsittelemään pythonilla ja sen kirjastoilla tai voit helposti tuoda sen mihin tahansa laskentataulukkoon.
Koska ajatuksena on saada automatisoitu prosessi, haluan komentosarjan toimivan Pythonin kanssa, ja tässä Tabula tulee sisään.
Kun olet valmis Koneoppimiskurssi, Etsin mihin jatkaa. Octave / Matlab-prototyyppikurssilla käytetyt kehitysympäristöt eivät ole ihmisten käyttämiä, joten sinun on tehtävä harppaus johonkin korkeampaan laatuun. Niistä ehdokkaista, joita minulle on suositeltu eniten, on Keras, käyttämällä taustajärjestelmää TensorFlow. En aio selvittää, onko Keras parempi kuin muut työkalut tai kehykset, vai valitsenko TensorFlow vai Theano. Aion vain selittää, kuinka se voidaan asentaa Ubuntuun.
Ensin yritin asentaa sen virallisten sivujen dokumentaatiosta, ja se oli mahdotonta, minulla oli aina virhe, jokin ratkaisematon kysymys. Lopulta menin etsimään erityiset oppaat kera-levyjen asentamisesta Ubuntuun Ja silti olen viettänyt kaksi päivää viettämällä paljon aikaa yöllä. Loppujen lopuksi olen saavuttanut sen ja jätän teille, miten olen tehnyt sen, jos se voi tasoittaa tietä teille.
Koska aiomme seurata sivustojen suosittelemia vaiheita, jotka jätän sinut lähteistä opetusohjelman lopussa, asennamme PIP: n, jota minulla ei ollut, pakettien hallintaan. pIP Linuxissa se on pythonilla kirjoitettu paketinhallintajärjestelmä.