|
Image Recognition
|
| bet | 43/182 | | Sana | 19.05.2024 | | Hajmi | 5,69 Mb. | | #244351 |
Bog'liq Python sun\'iy intellekt texnologiyasi Dasrlik 2024Tarqatish vositalari:
Konteyner yaratish uchun Docker-dan foydalanish misoli:
# Asosiy Python tasviridan foydalaning
FROM python:3.8
# Manba kodini konteynerga nusxalash
COPY . /app
# Biz bog’liqliklarni o‘rnatamiz
WORKDIR /app
RUN pip install -r requirements.txt
# Ilovani ishga tushirish buyrug’ini aniqlang
CMD ["python", "app.py"]
Bu oddiy misol va haqiqiy loyihada siz Dockerfile-ni ehtiyojlaringizga moslashtirishingiz mumkin.
Mashinali o‘qitish va muammolarni hal qilish algoritmlaridan foydalanadigan avtomatlashtirilgan tizimlarda Python-ning bir nechta ilovalari uchun kod misollarini ko‘rib chiqaylik.
API bilan ishlash:
# API bilan ishlash uchun requests kutubxonasidan foydalanish misoli
import requests
api_url = 'https://jsonplaceholder.typicode.com/posts/1'
response = requests.get(api_url)
if response.status_code == 200:
data = response.json()
print(f'Title: {data["title"]}')
print(f'Body: {data["body"]}')
else:
print(f'Error: {response.status_code}')
Flash yordamida web-ilovalarni ishlab chiqish:
# Flask-dagi minimal veb-ilovaga misol
from flask import Flask
app = Flask(__name__)
@app.route('/')
def hello_world():
return 'Hello, World!'
if __name__ == '__main__':
app.run(debug=True)
Ushbu misollar avtomatlashtirilgan tizimlarda Python-dan foydalanishning turli jihatlarini, jumladan, Mashinali o‘qitish, fayllarni qayta ishlash, API bilan ishlash, matnlarni tahlil qilish va veb-ilovalarni ishlab chiqishni qamrab oladi.
Python-da sun’iy intellekt (AI) yordamida jarayonlarni avtomatlashtirishning ba’zi amaliy misollarini ko‘rib chiqaylik.
Tabiiy tilni qayta ishlash (NLP)yordamida avtomatik matnni aniqlash:
# Tilni avtomatik aniqlash va matnni tahlil qilish uchun Space kutubxonasidan foydalanish misoli
import spacy
nlp = spacy.load('en_core_web_sm')
text = " Python kuchli dasturlash tilidir."
doc = nlp(text)
# Matndan ma’lumot olish
print(f'Language: {doc.lang_}')
print('Entities:')
for entity in doc.ents:
print(f'{entity.text}: {entity.label_}')
Ushbu kod matn tilini aniqlash va nomlangan ob’ektlarni (NER) matndan chiqarish uchun Space-dan foydalanadi.
Computer Vision yordamida tasvirni qayta ishlash:
# Rasmdagi yuzlarni avtomatik aniqlash uchun OpenCV kutubxonasidan foydalanish misoli
import cv2
# Rasmni yuklash
image_path = 'path/to/image.jpg’
image = cv2.imread(image_path)
# Yuzlarni aniqlash uchun kaskad klassifikatorini ishga tushirish
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
# Tasvirni kul rangga aylantirish (ishlashni yaxshilash uchun)
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# Tasvirdagi yuzlarni aniqlash
faces = face_cascade.detectMultiScale(gray_image, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
# Aniqlangan yuzlar atrofida to‘rtburchaklar chizish
for (x, y, w, h) in faces:
cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2)
# Natijani ko‘rsatish
cv2.imshow('Detected Faces', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
Ushbu misol kaskadli klassifikator yordamida rasmdagi yuzlarni aniqlash uchun OpenCV-dan foydalanadi.
Mashinali o‘qitish yordamida ma’lumotlarni avtomatlashtirilgan tahlil qilish:
# Mashinali o‘qitish modelini avtomatlashtirilgan o‘qitish uchun Scikit-learn kutubxonasidan foydalanish misoli
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score
# Ma’lumotlarni yuklash
iris = load_iris()
X, y = iris.data, iris.target
# Ma’lumotlarni o‘qitish va test namunalariga bo‘lish
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# Tasodifiy o‘rmon modelini ishga tushirish va o‘qitish
model = RandomForestClassifier(n_estimators=100, random_state=42)
model.fit(X_train, y_train)
# Sinov namunasidagi bashorat
predictions = model.predict(X_test)
# Modelning aniqligini baholash
accuracy = accuracy_score(y_test, predictions)
print(f'Accuracy: {accuracy}')
Ushbu misol Scikit-learn-dan Iris ma’lumotlar to‘plamida Mashinali o‘qitish modelini avtomatik ravishda o‘qitish uchun foydalanadi.
Ushbu misollar Python va sun’iy intellekt kutubxonalaridan so‘zlarni qayta ishlash, tasvirni qayta ishlash va Mashinali o‘qitish kabi turli sohalardagi jarayonlarni avtomatlashtirish uchun qanday foydalanish mumkinligini ko‘rsatadi.
|
| |
