百度飞桨Python小白逆袭大神学习心得

打卡心得

在百度7日的AI打卡营中，我从对Python一无所知的小白逐渐认识了人工智能、深度学习。可以说收获还是挺大的。下面我先简单介绍自己这几天的收获。

Day1

第一天是人工智能概述与入门基础。主要讲的是一些基础的Python语法，包括基本操作、条件判断、while/for循环、break、continue、pass、数据类型，类似于C语言入门。下面附上我的第一天作业：
作业一：输出 9*9 乘法口诀表(注意格式)

def table():
    #在这里写下您的乘法口诀表代码吧！
    for j in range(1,10):   #外层循环，行
        for i in range(1,j+1):   #内层循环，列
            if i==j:
                print('{0:<}*{1:<}={2:<3}'.format(i,j,i*j))  #打印一行结束，换行
            else:
                print('{0:<}*{1:<}={2:<3}'.format(i,j,i*j),end="")

if __name__ == '__main__':
    table()

作业二：查找特定名称文件

#导入OS模块
import os
#待搜索的目录路径
path = "Day1-homework"
#待搜索的名称
filename = "2020"
#定义保存结果的数组
result = []

def findfiles():
    #在这里写下您的查找文件代码吧！
    i=1  #序号从1开始
    for root,dirs,files in os.walk(path):
        for file in files:
            if filename in file:   #在所有文件中查找符合要求的文件
                result.append(os.path.join(root,file))
                print('{}, '.format(i)+result[i-1])
                i=i+1   #序号加1
    

if __name__ == '__main__':
    findfiles()

以上代码是基于百度的AI Studio所写。

Day2

第二天是Python进阶课程，以及了解AI Studio平台的使用。第二天是在第一天的基础上进行Python的应用讲解，主要包括了Python数据结构，Python面向对象，Python JSON，Python 异常处理，常见Linux命令。让我真正了解了Python的优势所在。正所谓“人生苦短，我用Python”。然后又通过网络爬虫项目对所学知识进行训练。

一、爬取百度百科中《青春有你2》中所有参赛选手信息，返回页面数据

import json
import re
import requests
import datetime
from bs4 import BeautifulSoup
import os

#获取当天的日期,并进行格式化,用于后面文件命名，格式:20200420
today = datetime.date.today().strftime('%Y%m%d')    

def crawl_wiki_data():
    """
    爬取百度百科中《青春有你2》中参赛选手信息，返回html
    """
    headers = { 
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'
    }
    url='https://baike.baidu.com/item/青春有你第二季'                         

    try:
        response = requests.get(url,headers=headers)
        print(response.status_code)

        #将一段文档传入BeautifulSoup的构造方法,就能得到一个文档的对象, 可以传入一段字符串
        soup = BeautifulSoup(response.text,'lxml')
        
        #返回的是class为table-view log-set-param的<table>所有标签
        tables = soup.find_all('table',{'class':'table-view log-set-param'})

        crawl_table_title = "参赛学员"

        for table in  tables:           
            #对当前节点前面的标签和字符串进行查找
            table_titles = table.find_previous('div').find_all('h3')
            for title in table_titles:
                if(crawl_table_title in title):
                    return table       
    except Exception as e:
        print(e)

二、对爬取的页面数据进行解析，并保存为JSON文件

def parse_wiki_data(table_html):
    '''
    从百度百科返回的html中解析得到选手信息，以当前日期作为文件名，存JSON文件,保存到work目录下
    '''
    bs = BeautifulSoup(str(table_html),'lxml')
    all_trs = bs.find_all('tr')

    error_list = ['\'','\"']

    stars = []

    for tr in all_trs[1:]:
         all_tds = tr.find_all('td')

         star = {}

         #姓名
         star["name"]=all_tds[0].text
         #个人百度百科链接
         star["link"]= 'https://baike.baidu.com' + all_tds[0].find('a').get('href')
         #籍贯
         star["zone"]=all_tds[1].text
         #星座
         star["constellation"]=all_tds[2].text
         #身高
         star["height"]=all_tds[3].text
         #体重
         star["weight"]= all_tds[4].text

         #花语,去除掉花语中的单引号或双引号
         flower_word = all_tds[5].text
         for c in flower_word:
             if  c in error_list:
                 flower_word=flower_word.replace(c,'')
         star["flower_word"]=flower_word 
         
         #公司
         if not all_tds[6].find('a') is  None:
             star["company"]= all_tds[6].find('a').text
         else:
             star["company"]= all_tds[6].text  

         stars.append(star)

    json_data = json.loads(str(stars).replace("\'","\""))   
    with open('work/' + today + '.json', 'w', encoding='UTF-8') as f:
        json.dump(json_data, f, ensure_ascii=False)

三、爬取每个选手的百度百科图片，并进行保存

def crawl_pic_urls():
    '''
    爬取每个选手的百度百科图片，并保存
    ''' 
    with open('work/'+ today + '.json', 'r', encoding='UTF-8') as file:
         json_array = json.loads(file.read())

    headers = { 
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36' 
     }

    for star in json_array:

        name = star['name']
        link = star['link']

        #！！！请在以下完成对每个选手图片的爬取，将所有图片url存储在一个列表pic_urls中！！！
        #向选手百度百科发送一个http get请求
        response = requests.get(link,headers=headers)

        #将一段文档传入BeautifulSoup的构造方法就能得到一个文档的对象
        bs=BeautifulSoup(response.text,'lxml')

        #从个人百度百科页面中解析得到一个链接，该链接指向选手图片列表页面
        pic_list_url=bs.select('.summary-pic a')[0].get('href')
        pic_list_url='http://baike.baidu.com'+pic_list_url

        #向选手图片列表页面发送http get请求
        pic_list_response=requests.get(pic_list_url,headers=headers)

        #对选手图片列表页面进行解析，获取所有图片链接
        bs=BeautifulSoup(pic_list_response.text,'lxml')
        pic_list_html=bs.select('.pic-list img')

        pic_urls=[]
        for pic_html in pic_list_html:
            pic_url=pic_html.get('src')
            pic_urls.append(pic_url)

        #！！！根据图片链接列表pic_urls, 下载所有图片，保存在以name命名的文件夹中！！！
        down_pic(name,pic_urls)

def down_pic(name,pic_urls):
    '''
    根据图片链接列表pic_urls, 下载所有图片，保存在以name命名的文件夹中,
    '''
    path = 'work/'+'pics/'+name+'/'

    if not os.path.exists(path):
      os.makedirs(path)

    for i, pic_url in enumerate(pic_urls):
        try:
            pic = requests.get(pic_url, timeout=15)
            string = str(i + 1) + '.jpg'
            with open(path+string, 'wb') as f:
                f.write(pic.content)
                print('成功下载第%s张图片: %s' % (str(i + 1), str(pic_url)))
        except Exception as e:
            print('下载第%s张图片时失败: %s' % (str(i + 1), str(pic_url)))
            print(e)
            continue

四、打印爬取的所有图片的路径

def show_pic_path(path):
    '''
    遍历所爬取的每张图片，并打印所有图片的绝对路径
    '''
    pic_num = 0
    for (dirpath,dirnames,filenames) in os.walk(path):
        for filename in filenames:
           pic_num += 1
           print("第%d张照片：%s" % (pic_num,os.path.join(dirpath,filename)))           
    print("共爬取《青春有你2》选手的%d照片" % pic_num)

if __name__ == '__main__':

     #爬取百度百科中《青春有你2》中参赛选手信息，返回html
     html = crawl_wiki_data()

     #解析html,得到选手信息，保存为json文件
     parse_wiki_data(html)

     #从每个选手的百度百科页面上爬取图片,并保存
     crawl_pic_urls()

     #打印所爬取的选手图片路径
     show_pic_path('/home/aistudio/work/pics/')

     print("所有信息爬取完成！")

Day3

第三天讲的主要是人工智能常用Python库。包括Numpy库、
padas库、PIL库、Matplotlib库。
NumPy是使用Python进行科学计算的基础软件包。numpy中文网：https://www.numpy.org.cn/
pandas是python第三方库，提供高性能易用数据类型和分析工具。
pandas中文网：https://www.pypandas.cn/
PIL库是一个具有强大图像处理能力的第三方库。
Matplotlib库由各种可视化类构成，内部结构复杂。
Matplotlib中文网：https://www.matplotlib.org.cn
作业是对《青春有你2》选手数据进行分析

import matplotlib.pyplot as plt
import numpy as np
import json
import matplotlib.font_manager as font_manager
#显示matplotlib生成的图形
%matplotlib inline

with open('data/data31557/20200422.json','r',encoding='UTF-8') as file:
            json_array=json.loads(file.read())

weights=[]
counts=[]

for star in json_array:
    weight=float(star['weight'].replace('kg',''))
    weights.append(weight)
print(weights)

size_list=[]
count_list=[]

size1=0
size2=0
size3=0
size4=0

for weight in weights:
    if weight <=45:
        size1+=1
    elif 45 < weight <= 50:
        size2+=1
    elif 50 < weight <=55:
        size3+=1
    else:
        size4 +=1

labels = '<=45kg','45~50kg','50~55kg','>55kg'

sizes = [size1,size2,size3,size4]
explode = (0.1,0.1,0,0)
fig1,ax1=plt.subplots()
ax1.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',shadow=True,startangle=90)
ax1.axis('equal')
plt.savefig('/home/aistudio/work/result/pie_result01.jpg')
plt.show()

Day4

第四天的内容是PaddleHub体验，PaddleHub是为了解决对深度学习模型的需求而开发的工具。基于飞桨领先的核心框架，精选效果优秀的算法，方便用户不用花费大量精力从头开始训练一个模型。基于PaddleHub可以轻易实现人脸识别、口罩检测、图像分类等功能。最后通过作业《青春有你2》选手识别加深了对PaddleHub的理解。
训练一个函数搞定：

run_states = task.finetune_and_eval()

下面是预测过程：

import numpy as np
import matplotlib.pyplot as plt 
import matplotlib.image as mpimg

with open("dataset/test_list.txt","r") as f:
    filepath = f.readlines()

data = [filepath[0].split(" ")[0],filepath[1].split(" ")[0],filepath[2].split(" ")[0],filepath[3].split(" ")[0],filepath[4].split(" ")[0]]

label_map = dataset.label_dict()
index = 0
run_states = task.predict(data=data)
results = [run_state.run_results for run_state in run_states]

for batch_result in results:
    print(batch_result)
    batch_result = np.argmax(batch_result, axis=2)[0]
    print(batch_result)
    for result in batch_result:
        index += 1
        result = label_map[result]
        print("input %i is %s, and the predict result is %s" %
              (index, data[index - 1], result))

总结

总体来说这次打卡营收获还是很大的，不仅是技术反面，还有学习方法。过去对Python一无所知，经过几天的学习能够做出网络爬虫、图像识别这样的项目可以说实现了质的飞跃。尽管对一些原理还不是很理解，但这只是一个开始，之后将会逐步深入的学习人工智能。
人工智能就是使一部机器的反应方式像人一样进行感知、认知、决策、执行的人工程序或系统。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。而Python是实现人工智能的工具之一，或者说最好的工具。它有着大量的集成库方便调用，大大缩小的工作量。因此这门课便以Python为出发点深入了解人工智能。以《青春有你2》为总线进行项目训练，无论是数据爬取，还是数据分析，以及图像分类都极大的锻炼了自己。
当然仅仅依靠老师的讲解还是不够的。正所谓“老师领进门，修行看个人”。老师讲的大多都是启发性的知识。毕竟时间有限，无法面面俱到。不过这也锻炼了我们的自主学习能力。通过查阅资料、相互交流讨论完成作业所学到的知识绝对不比老师直接讲的少。而且更加的牢固。“授人以鱼不如授人以渔”。老师告诉了我们学习人工智能的途径，之后便可以自主学习了。
最后感谢百度团队提供的机会，感谢老师的辛勤指导，感谢同学们的热情帮助！