Uniwersytet Wroc³awski EN PL
 

Zajecia:
Wtorki PARZYSTE, 16:15--18:00, sala 604



  • Przypisanie osob do zespolow (podaje 3 ostatnie cyfry numeru indeksu):

    -- Zespol 1: 846, 302
    -- Zespol 2: 867, 334, 121
    -- Zespol 3: 241, 213, 201
    -- Zespol 4: 601, 593, 797
    -- Zespol 5: 522, 007, 098
  • 30.09.2019: Spisana pierwsza wersja przydzialu zadan do zespolow: 2019_zesp_projekt_zadania.pdf
  • Przypominam o koniecznosci znalezienia i umieszczenia zestawow danych w repozytorium
  1. Git: Repozytorium, z ktorego bedziemy korzystali znajduje sie pod adresem https://github.com/lorek/ZPS2019
    Jest tam (w README) opisana instrukcja zakladania konta, wczytania repozytorium, informacje jak "dolaczyc" do projektu itp. W szczegolnosci, jest tam opisane pierwsze ZADANIE -- by stworzyc przykladowy plik i dopisac sie do listy uczestnikow projektu (ktore to zadanie jest po prostu potwierdzeniem wykonania niezbednych krokow)
  2. Python:
    1. Edytor: polecam prosty Geany. Bardziej zaawansowany: PyCharm
    2. Konieczne jest zaznajomienie sie z biblioteka Numpy
    3. Wygodnie bedzie uzywac biblioteki argparse. Sluzy ona do tego, by moc latwo podawac argumenty do programu. Przykladowy plik: linia_polecen_przyklad.py, wymagany jest argument --input, a opcjonalny --output (program wczytuje obrazek --input, rysuje go oraz jego czarnobiala wersje, a jesli podano --output, to wersja czarnobiala jest pod ta nazwa zapisywana)
      Wywolanie:
       
      $ python linia_polecen_przyklad.py
      usage: linia_polecen_przyklad.py [-h] --input INPUT [--output OUTPUT]
      linia_polecen_przyklad.py: error: the following arguments are required: --input
       

      Wywolanie z wymaganymi parametrami $ python linia_polecen_przyklad.py --input IM.png --output IM_gray.png
    4. Python: kilka przykladowych plikow:
       
      • tsne_pca_example.py Przyklad zastosowania PCA i t-sne do obrazkow "cyferek" MNIST
         
      • scatter3d_demo.py rysowanie chmury punktow 3d
         
      • axes3d.py rysowanie chmury punktow 3d raz jeszcze
         
      • pca_norm.py Trojwymiarowy rozklad normalny + PCA do 2d
         
      • pca_wines.py Dane 13 wymiarowe punkty -- cechy = rozne chemiczne rzeczy dotyczace win, podzielone na jakies 3 klasy. Redukcja PCA do 3d
         
      • kmeans0.py Klasteryzacja k-means - przyklad uzycia
         
      • kmeans_spectral.py Klasteryzacja k-means vs spectral clustering
         
      • img1.py Wczytanie obrazka baloons2.jpg , wyswietlenie kolorowej wersji oraz wersji czarno-bialej (jednego z kanalow)
         
      • show_keypoints.py Wczytuje obrazek IM.png , znajduje na nim 'keypoints' (uzywane do SIFT), rysuje je na obrazku i calosc zapisuje w pliku IM_sift_keypoints.png
         
      • eigs_image.py Przyklad uzycia SVD do kompresji obrazu ("obrazki wlasne")
         
      • class_svm.py Przyklad uzycia klasyfikatora SVM (wiekszosc kodu to generowanie punktow i pozniejsze ladne rysowanie)
         

  Last modification: 29.06.2020