Python - Советы, библиотеки, гайды. Страница 29

Используйте глубокую нейронную сеть, чтобы позаимствовать навыки настоящих художников и превратить свои двух битные каракули в шедевры! Neural-Doodle – это проект, который предоставляет нейронную сеть, которая дорисовывает красивую картинку на основе ваших каракуль :) Этот проект представляет собой реализацию Semantic Style Transfer (Champandard, 2016) на основе алгоритма Neural Patches (Li, 2016). Сценарий doodle.py создает новое изображение, используя одно, два, три или четыре изображения в качестве входных данных в зависимости от того, что вы пытаетесь сделать: исходный стиль и его аннотацию, а также целевое изображение содержимого (необязательно) с его аннотацией (он же ваш рисунок). . Алгоритм извлекает аннотированные патчи из изображения стиля и постепенно переносит их в целевое изображение в зависимости от того, насколько близко они совпадают. Примечание NeuralDoodle — это навык. Параметры скрипта были скорректированы для корректной работы по умолчанию и с приведенными примерами. Для новых изображений вам может потребоваться настроить значения и изменить входные данные. Это требует практики, но вы можете достичь почти фотореалистичных результатов, если будете повторять :3 Ознакомиться с проектом можно здесь :)

По факту 🌚

Python roadmap 1. Основы - Если переходите с другого ЯПа и знаете технический английский, то Fluent Python, иначе Марк Лутц изучаем Python 2 тома. 2. Алгоритмы и структуры данных - Грокаем алгоритмы, ~Сэджвик алгоритмы и структуры данных, ~**Искусство программирования. ~Стоит изучить полезные модули из стандартной библиотеки питона 3. ООП - здесь @holy_python + курс на канале selfedu, ещё книга Г. Буча 4. Тайпхинты - курс на @holy_python и обязательно доп. материалы. 5. Чистый код, ~Code complete, можно ещё ~рефакторинг от Фаулера 6. SOLID - @holy_python + можно книжку от Роберта Мартина 7. Паттерны - Design Patterns + @holy_python и refactoring.guru 8. Чистая архитектура 9. SQL - изучаем SQL 10. ПроGIT 11. Выбираем направление ~Важные советы по питону: @advice17 1. Если бэкэнд: 1. Компьютерные сети от Таненбауна 2. **UNIX NETWORK PROGRAMMING примеры на сях на питон переделываем. 3. **Man 2 sockets и далее по референсам ~Возможно ещё Linux system programming 4. Дока asyncio ~MV паттерны - необязательно ~jinja2 - необязательно 5. pytest 6. FastAPI 2. Если Data Science: ~Нужны хорошие знания математики в частности: тервер, матан, линал и статистика как минимум 1. Много хороших курсов на курсере. 2. Если PyTorch: Изучаем PyTorch 2. Если keras + tensorflow: Глубокое, обучение на python. 3. По pandas, изучаем pandas от Груздева. 4. skikit-learn по доке + классические задачи и ML алгоритмы. 5. Matplotlib по доке. 6. Если NLP, то nltk и архитектуры нейронок RNN, LSTM, если CV, тоOpenCV и архитектуры нейронок CNN, YOLO, SSD, Faster RCNN. ~Соревнования на кагле, если решить первые 100 задач можно идти работать ~Возможно парсинг для сборки данных. 7. Любой статические типизированый ЯП. ~Для обоих направлений: Рекомендую сделать несколько пет проектов. ~Для обоих направлений рекомендуется читать статьи и работы других программистов ~ - не обязательно, но рекомендовано ** - очень сложная книга Roadmap будет дополняться