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.png

import 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

import 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.png

import 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.png

from 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.png

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> 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 version="1.0" encoding="UTF-8"?> <aiml version="1.0"> <meta name="language" content="zh"/> <!-- 根据要求完成机器人对话配置 --> <category> <pattern>xxx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

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

• 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。