Python没有提供数组功能,Numpy可以提供数组支持以及相应的高效处理函数,是Python数据分析的基础,也是SciPy、Pandas等数据处理和科学计算库最基本的函数功能库,且其数据类型对Python数据分析十分有用。
2. Pandas
Pandas是Python强大、灵活的数据分析和探索工具,包含Series、DataFrame等高级数据结构和工具,安装Pandas可使Python中处理数据非常快速和简单。
3. SciPy
SciPy是一组专门解决科学计算中各种标准问题域的包的集合,包含的功能有最优化、线性代数、积分、插值、拟合、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算等,这些对数据分析和挖掘十分有用。
4. Matplotlib
Matplotlib是强大的数据可视化工具和作图库,是主要用于绘制数据图表的Python库,提供了绘制各类可视化图形的命令字库、简单的接口,可以方便用户轻松掌握图形的格式,绘制各类可视化图形。
5. Scikit-Learn
Scikit-Learn是Python常用的机器学习工具包,提供了完善的机器学习工具箱,支持数据预处理、分类、回归、聚类、预测和模型分析等强大机器学习库,其依赖于Numpy、Scipy和Matplotlib等。
6. Keras
Keras是深度学习库,人工神经网络和深度学习模型,基于Theano之上,依赖于Numpy和Scipy,利用它可以搭建普通的神经网络和各种深度学习模型,如语言处理、图像识别、自编码器、循环神经网络、递归审计网络、卷积神经网络等。
7. Gensim
Gensim是用来做文本主题模型的库,常用于处理语言方面的任务,支持TF-IDF、LSA、LDA和Word2Vec在内的多种主题模型算法,支持流式训练,并提供了诸如相似度计算、信息检索等一些常用任务的API接口。
8. Scrapy
Scrapy是专门为爬虫而生的工具,具有URL读取、HTML解析、存储数据等功能,可以使用Twisted异步网络库来处理网络通讯,架构清晰,且包含了各种中间件接口,可以灵活的完成各种需求。更多python技术,推荐关注老男孩教育。
python三步实现人脸识别
Face Recognition软件包
这是世界上最简单的人脸识别库了。你可以通过Python引用或者命令行的形式使用它,来管理和识别人脸。
该软件包使用dlib中最先进的人脸识别深度学习算法,使得识别准确率在《Labled Faces in the world》测试基准下达到了99.38%。
它同时提供了一个叫face_recognition的命令行工具,以便你可以用命令行对一个文件夹中的图片进行识别操作。
特性
在图片中识别人脸
找到图片中所有的人脸
找到并操作图片中的脸部特征
获得图片中人类眼睛、鼻子、嘴、下巴的位置和轮廓
找到脸部特征有很多超级有用的应用场景,当然你也可以把它用在最显而易见的功能上:美颜功能(就像美图秀秀那样)。
鉴定图片中的脸
识别图片中的人是谁。
你甚至可以用这个软件包做人脸的实时识别。
这里有一个实时识别的例子:
1https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_webcam_faster.py安装
环境要求
Python3.3+或者Python2.7
MacOS或者Linux(Windows不做支持,但是你可以试试,也许也能运行)
安装步骤
在MacOS或者Linux上安装
首先,确保你安装了dlib,以及该软件的Python绑定接口。如果没有的话,看这篇安装说明:
1 https://gist.github.com/ageitgey/629d75c1baac34dfa5ca2a1928a7aeaf然后,用pip安装这个软件包:
如果你安装遇到问题,可以试试这个安装好了的虚拟机:
1 https://medium.com/@ageitgey/try-deep-learning-in-python-now-with-a-fully-pre-configured-vm-1d97d4c3e9b在树莓派2+上安装
看这篇说明:
1 https://gist.github.com/ageitgey/1ac8dbe8572f3f533df6269dab35df65在Windows上安装
虽然Windows不是官方支持的,但是有热心网友写出了一个Windows上的使用指南,请看这里:
1 https://github.com/ageitgey/face_recognition/issues/175#issue-257710508使用已经配置好的虚拟机(支持VMWare和VirtualBox)
看这篇说明:
1 https://medium.com/@ageitgey/try-deep-learning-in-python-now-with-a-fully-pre-configured-vm-1d97d4c3e9b使用方法
命令行接口
如果你已经安装了face_recognition,那么你的系统中已经有了一个名为face_recognition的命令,你可以使用它对图片进行识别,或者对一个文件夹中的所有图片进行识别。
首先你需要提供一个文件夹,里面是所有你希望系统认识的人的图片。其中每个人一张图片,图片以人的名字命名。
然后你需要准备另一个文件夹,里面是你要识别的图片。
然后你就可以运行face_recognition命令了,把刚刚准备的两个文件夹作为参数传入,命令就会返回需要识别的图片中都出现了谁。
输出中,识别到的每张脸都单独占一行,输出格式为
通过Python模块使用
你可以通过导入face_recognition模块来使用它,使用方式超级简单,文档在这里:https://face-recognition.readthedocs.io
自动找到图片中所有的脸
看看这个例子自己实践一下:
1 https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture.py你还可以自定义替换人类识别的深度学习模型。
注意:想获得比较好的性能的话,你可能需要GPU加速(使用英伟达的CUDA库)。所以编译的时候你也需要开启dlib的GPU加速选项。
你也可以通过这个例子实践一下:
1 https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture_cnn.py如果你有很多图片和GPU,你也可以并行快速识别,看这篇文章:
1 https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_batches.py自动识别人脸特征
试试这个例子:
1 https://github.com/ageitgey/face_recognition/blob/master/examples/find_facial_features_in_picture.py识别人脸鉴定是哪个人
这里是一个例子:
1 https://github.com/ageitgey/face_recognition/blob/master/examples/recognize_faces_in_picture