小编Vel*_*les的帖子

假设我有一个这样的列表:

list = [["A",0], ["B",1], ["C",0], ["D",2], ["E",2]]

我怎样才能最优雅地将其分组以在Python中获取此列表输出:

list = [["A", "C"], ["B"], ["D", "E"]]

所以这些值按secound值分组但订单仍然保留......

我有一个C++库(让我们叫它mylib),它编译成libmylib.so文件中/usr/local/lib,我有一个名为目录一堆头文件my lib中/usr/local/include.

现在我想做的事情(对于初学者)只是使用其中一个头文件(它包含我的库提供的类的信息)和SWIG生成mylib_wrap.cxx文件,然后编译它并将其链接到现有文件mylib.so.这样我就可以在Python中实现我的类了.

这是正确的方法/想法吗？编译和链接命令将如何(当然不完全正确)？我正在尝试生成Python绑定.

所以我有一个矩阵,我的样本图像(都变成了矢量)通过PCA/LDA运行,一个矢量表示每个图像所属的类.现在我想使用OpenCV SVM类来训练我的SVM(我正在使用Python,OpenCV 2.3.1).但我在定义参数时遇到问题:

test = cv2.SVM()
test.train(trainData, responses, ????)

我坚持如何定义SVM的类型(线性等)和其他东西.在C++中,您可以通过以下方式定义它:svm_type = CvSVM :: C_SVC ... Python没有.C++还有一个特殊的类来存储这些参数 - > CvSVMParams.有人能用Python给我一个例子吗？比如定义SVM类型,gamma等.

2.3.1文档说它是这样的:

Python: cv2.SVM.train(trainData, responses[, varIdx[, sampleIdx[, params]]]) ? retval

什么是varIdx和sampleIdx,以及如何定义参数？

我正在通过OpenCV(在Python中)加载一组尺寸为128x128的测试图像,将它们重新整形为矢量(1,128x128)并将它们全部放在矩阵中以计算PCA.我正在使用新的cv2库...

代码:

import os
import cv2 as cv
import numpy as np

matrix_test = None
for image in os.listdir('path_to_dir'):
    imgraw = cv.imread(os.path.join('path_to_dir', image), 0)
    imgvector = imgraw.reshape(128*128)
    try:
        matrix_test = np.vstack((matrix_test, imgvector))
    except:
        matrix_test = imgvector

# PCA
mean, eigenvectors = cv.PCACompute(matrix_test, np.mean(matrix_test, axis=0))

它总是在PCA部分失败(我测试了图像加载和所有,结果矩阵是应该如何)...我得到的错误是:

文件"main.py",第22行,in

mean,eigenvectors = cv.PCACompute(matrix_test,np.mean(matri_test,axis = 0))

cv2.error:/path/to/OpenCV-2.3.1/modules/core/src/matmul.cpp:2781:错误:(-215)_mean.size()== mean_sz in function operator()

假设我有一个如下所示的Python列表:

list = [ a, b, c, d]

我正在寻找最有效的方式来获得这个:

list = [ a, a, a, a, b, b, b, c, c, d ]

因此,如果列表长度为N个元素,则第一个元素被克隆N-1次,第二个元素被克隆N-2次,依此类推......最后一个元素被克隆NN次或0次.有关如何在大型列表上有效执行此操作的任何建议.