前言
笔者本来并没有写攻略的习惯，因为在Google上找到的教程大多数都比较靠谱，没有必要自己仿照他们的重新写一遍。但是这几天为了实验室一个要上线的项目折腾了几天的微信后台开发，意识到了大多数网络上的教程都是抄来抄去，甚至连代码中的错误都一模一样，作者们似乎都没有自己测试过。因此决定记录一下最简单的微信后台开发方法。本文采用Python语言，笔者也不是非常熟悉，正在学习的过程中，用php或者java做后台都可以，原理应该都差不多，也许读了本文就不需要再去读微信公众平台开发者文档了（还是建议读一下）。
继续阅读 »
本文转载自极客范，原文链接：http://www.geekfan.net/7862/，转载请注明。
Python中包含了许多内建的语言特性，它们使得代码简洁且易于理解。这些特性包括列表/集合/字典推导式，属性（property）、以及装饰器（decorator）。对于大部分特性来说，这些“中级”的语言特性有着完善的文档，并且易于学习。
但是这里有个例外，那就是描述符。至少对于我来说，描述符是Python语言核心中困扰我时间最长的一个特性。这里有几点原因如下：
有关描述符的官方文档相当难懂，而且没有包含优秀的示例告诉你为什么需要编写描述符（我得为Raymond Hettinger辩护一下，他写的其他主题的Python文章和视频对
继续阅读 »
最近跟小牛队老板一样在看《Building Machine Learning Systems with Python, 2nd Edition》。
除却某些代码（特别是第 5 章的）有错，书写得很好。没怎么学过 Python ，数学也不太行的我，也能跟着一步步走进机器学习的大门。
继续阅读 »
开发环境：Python 3.4.3 (v3.4.3:9b73f1c3e601, Feb 24 2015, 22:44:40) [MSC v.1600 64 bit (AMD64)] on win32
自序
也许你会说，我为什么要学习使用CSV模块呢？没有CSV模块我一样可以解析操作CSV文件，比如下面这种代码：
python
with open('stocks.csv') as f:
for line in f:
row = line.split(',')
# process row
...
使用这种方式的一个缺点就是你仍然需要去处理一些棘手的细节问题。比如，如果某些字段值被引号包围，你不得不去除这些引
继续阅读 »
之前简单介绍过 LSTM，网址，本文将利用 LSTM 来实现一个文本情感分类模型，是基于 Keras 和 Python 的。
概要
本文以词为单位，先分词，然后将每个句子截断为100词（不够则补空字符串），然后将句子以“词-词向量(embedding)”的矩阵形式输入到 LSTM 模型中进行学习分类。
本文使用的语料和参考来源于 文本情感分类（三）：分词 OR 不分词.
数据预处理
数据读取与分词
```python
读取数据并分词
pos = pd.read_excel('pos.xls', header=None)
pos['label'] = 1
neg = pd.read_excel('neg.xls', he
继续阅读 »
openCV 计算机视觉库Ubuntu 16 kylin下的安装过程，其实从链接搬运的，只是自己过了一遍有些不同的用汉语标注了。
第三步libtiff4升级到5了
第七步pip已经有了就不用看了
第八步conda也可以创建虚拟python环境，所以暂且用conda
第十一步用conda把cv包装入虚拟的环境，最后cource activate cv启用虚拟环境
继续阅读 »