Hier mal Links zu von mir erstellen Bildern mit Zahlen.

Alle ausser einer werden korrekt erkannt.

Schau mal hier: https://datasolut.com/wiki/unsupervised-learning/

Hast du denn weiß auf schwarz (wie die Trainingsdaten) oder schwarz auf weiß gemalt? Und welche Maße haben deine Bilder und wie dick ist der Pinsel mit dem du die Zahlen gemalt hast? Die Bilder werden ja auf 28x28 Pixel herunter skaliert, wenn du vorher 1920x1080 hast und mit einem Pinsel mit 1 Pixe...

Ah sorry, die imports sind bei copy & paste irgendwie verschütt gegangen.

Aber schau doch mal in deinen zweiten Beitrag in Zeile 4 deines Codes, da steht die Zeile.
Hätte dir also bekannt vorkommen können.

Nabend Andreas, dein model ist halt nicht gut genug um deine Bilder zu erkennen. Ich habe mal dieses Model hier gegoogelt: from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Activation, Dense, Dropout from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten f...

Definitiv wirst du zukünftig bei der Eingabe von IP-Adressen diese mehrfach auf Korrektheit kontrollieren. Kenn ich.

Anstelle des aufgeblasenen Anaconda Paketes empfehle ich immer Miniconda

https://docs.conda.io/en/latest/miniconda.html

Kebap hat geschrieben: ↑Dienstag 28. Februar 2023, 12:10 Heute:
Tkinter GUI Application Development Blueprints
By Bhaskar Chaudhary
Publication date: Nov 2015

Die erste Codezeile in dem Buch lautet: Also besser Finger weg.

__deets__ hat geschrieben: ↑Freitag 10. Februar 2023, 14:50 Spoiler Alert: es geht nicht immer.

Einfachstes Beispiel: 3 Orte die verbunden ein gleichseitiges Dreieck ergeben.

Hast du denn schon ChatGPT befragt? Das kann doch angeblich alle Probleme dieser Welt lösen. LOL

Du musst nach jeder Eingabe prüfen, ob diese schon in der Liste enthalten ist. Wenn nicht, dann anhängen, wenn ja, dann den Eintrag löschen.
Für das Löschen kann man sich zwei Varianten ausdenken. Eine einfache und eine etwas umständlichere.

Mach dich mal schlau im Netz über Correlation Analysis und Correlation Coefficient. Gibt es viele Tutorials auf Youtube.

https://www.youtube.com/results?search_ ... sis+python

Und mehr wirst du an Hilfe wohl auch nicht bekommen.

"PassStealer.py" sagt alles über dich aus und Leute mit so einer Intention sind hier imho nicht gerne gesehen.

Nun, wie sehen denn deine Labels aus? Du musst die halt in einen der "supported types: float64, float32, float16, complex64, complex128, int64, int32, int16, int8, uint8, and bool." umwandeln. Eventuell hilft das hier, ohne Gewähr, habe nicht viel mit Pytorch gemacht. https://sparrow.dev/p...

Teil 1 war ja relativ zügig machbar. Bei Teil 2 musste man entweder ein Mathegenie sein oder irgendwo nachschauen. Ich habe letzteres. from math import prod class Monkey: def __init__(self, data): self.items = list(map(int, data[1][16:].split(', '))) self.op = data[2][21:].split() self.divisor = int...

@Sparrow: Ok, diese Konstruktion ist mir neu. Mal schauen ob ich mir das so angewöhnen kann. Edit: Laut @Sirius wohl besser doch nicht. lol Hier mein Code für Tag 4. Habe ich auch wieder mit Hilfe von Sets gelöst. raw = [line.replace('-',',').strip() for line in open("input.txt").readlines...

@sparrow:

Das kann doch so nicht funktionieren. pack ist erstens außerhalb der list comprehension nicht definiert und innerhalb hat es immer eine andere Länge.
Ich verstehe euch nicht.

@ThomasL: Das `mid` eine Lambdafunktion ist, statt gleich der Index macht nicht so wirklich Sinn. Hi __blackjack__, danke für den Hinweis auf .splitlines(), irgendwie hatte ich die nicht mehr auf dem Schirm. Aber den ersten Hinweis verstehe ich nicht. mid = lambda x: len(x) // 2 data1 = [[pack[:mid...

Na dann hau ich mal meine Lösung für Tag 3 raus. Verbesserungsvorschläge sind erwünscht. def calc(value): prio = ord(value) - 96 if prio < 0: prio += 58 return prio def priority(sacks): packs = list(map(set, sacks)) return calc((set.intersection(*packs)).pop()) data = open("input.txt").rea...