人工智能实操qpfan

一二import cv2 import matplotlib.pyplot as plt img cv2.imread(./data-aug/cat.png) #img 1 img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) #垂直翻转 #img_flip 2 img_flip cv2.flip(img, 0) #3 plt.imshow(img_flip) plt.axis(off) plt.show() #保存到2-1.pngimport cv2 import matplotlib.pyplot as plt img cv2.imread(./data-aug/cat.png) #img 1 img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) #图像缩放 #result 2 result cv2.resize(img, (100, 100)) #3 print(f缩放后的尺寸{result.shape[1]} x {result.shape[0]}) #4 plt.imshow(result) plt.axis(off) plt.show() # 保存到2-2.pngimport cv2 import matplotlib.pyplot as plt img cv2.imread(./data-aug/cat.png) #img 1 img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) #图像缩放 #result 2 result cv2.resize(img, (100, 100)) #3 print(f缩放后的尺寸{result.shape[1]} x {result.shape[0]}) #4 plt.imshow(result) plt.axis(off) plt.show() # 保存到2-2.png三import pandas as pd # 读取CSV文件为DataFrame对象 df pd.read_csv(comment.csv) # 使用duplicated()方法检查是否存在重复行并返回布尔系列 #duplicates 1 duplicates df.duplicated() # 打印重复行的行数据 display(df[duplicates]) #保存到3-1.pngimport pandas as pd # 读取CSV文件为DataFrame对象 df pd.read_csv(comment.csv) # 使用drop_duplicates()方法删除重复行返回删除重复行后的DataFrame对象 #df_clean 2 df_clean df.drop_duplicates() display(df_clean) #保存到3-2.png四from imutils import paths import matplotlib.pyplot as plt import numpy as np import cv2 import os imagePaths list(paths.list_images(dataset)) print(打印所有图片路径) for i, path in enumerate(imagePaths): print(f{i}.{path}) print(f总共找到{len(imagePaths)}张图片) # 保存在4-1.pngfrom imutils import paths import matplotlib.pyplot as plt import numpy as np import cv2 import os imagePaths list(paths.list_images(dataset)) #设置data和labels data [] labels [] for imagePath in imagePaths: #label 1 # os.path.sep 路径分隔符 label imagePath.split(os.path.sep)[-2] #image 2 image cv2.imread(imagePath) #image 3 image cv2.cvtColor(image, cv2.COLOR_BGR2RGB) #image 4 imge cv2.resize(image, (100, 100)) data.append(image) labels.append(label) #对图像数据转换为array格式并进行归一化处理并打印 #5 print(f所有标签列表:) print(labels) # 保存到4-2.pngimport matplotlib.pyplot as plt import numpy as np import cv2 import os imagePaths list(paths.list_images(dataset)) #设置data和labels data [] labels [] for imagePath in imagePaths: #label 1 # os.path.sep 路径分隔符 label imagePath.split(os.path.sep)[-2] #image 2 image cv2.imread(imagePath) #image 3 image cv2.cvtColor(image, cv2.COLOR_BGR2RGB) #image 4 image cv2.resize(image, (100, 100)) data.append(image) labels.append(label) #将标签数据转换为array格式并打印 #5 label_arr np.array(labels) print(f数据类型{type(label_arr)}, 数组大小{label_arr.shape}) print(label_arr) # 保存在4-3.png六?xml version1.0 encodingUTF-8? aiml version1.0 meta namelanguage contentzh/ !-- 根据要求完成机器人对话配置 -- category patternxxx项目xxx/pattern template你好本景区的项目主要有丛林拓展、激流勇进、摩天轮和划船游湖等/template /category /aiml表5-1 闹钟槽位设计表槽位描述类型字段名举例槽位类型提醒时间必填remind_time明天下午2点时间日期重复周期非必填repeat每周一重复时间内容非必填title团建活动组织Null提醒方式非必填remind_type短信提醒提醒方式列表七一、培训目的参考2021年颁布的《人工智能训练师国家职业技能标准》结合我司实际要求进行编写。通过培训使新入职员工掌握基础的数据处理理论和操作技能为尽快掌握公司业务打下良好的基础。二、培训对象本季度入职新员工08306555539培训内容工作内容知识点预计课时业务数据处理制定数据处理规范8业务数据汇总、整理归类业务数据质量检测对预处理后的数据进行审核4数据处理方法优化优化数据处理流程4考核方式考核方式分为理论考试和技能操作考核。理论考试采用闭卷笔试方式技能操作考核采用现场实际操作方式。理论考试和技能操作考核均实行百分制成绩皆达60分以上者为为合格。