Python之GUI:基于Python的GUI界面设计的一套AI课程学习(机器学习、深度学习、大数据、云计算等)推荐系统(包括语音生成、识别等前沿黑科技)

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: Python之GUI:基于Python的GUI界面设计的一套AI课程学习(机器学习、深度学习、大数据、云计算等)推荐系统(包括语音生成、识别等前沿黑科技)

输出结果

https://img-blog.csdn.net/20180529114418537

image.png

image.png

核心代码

def niu_read_docx(filename):

    doc=docx.Document(filename)

    fulltext=[]

    for para in doc.paragraphs:

        fulltext.append(para.text)

    return '\n'.join(fulltext)

class dialog(QDialog, Ui_dialog):

   """

   Class documentation goes here.

   """

   def __init__(self, parent=None):

       """

       Constructor

     

       @param parent reference to the parent widget

       @type QWidget

       """

       super(dialog, self).__init__(parent)

       self.setupUi(self)

     

       time.sleep(2) #使开机画面停留2秒

 

   @pyqtSlot()

   def on_pushButton_clicked(self):

       """

       Slot documentation goes here.

       """

       my_str_2=self.lineEdit_2.text()

       my_str_3=self.lineEdit_3.text()

       my_str_4=self.lineEdit_4.text()

     

       print(my_str, my_str_2, my_str_3, my_str_4)

       Button1_1=QMessageBox.information(self, u'提示信息框', u'输入的s所有信息已经存储到数据库中!', ) #提示对话信息框

       print('OK')

       self.close() #关闭当前界面

 

   @pyqtSlot()

   def on_pushButton_2_clicked(self):

       """

       Slot documentation goes here.

       """

       print('Cancel')

class MainWindow(QMainWindow, Ui_MainWindow):

   """

   Class documentation goes here.

   """

   def __init__(self, parent=None):

       """

       Constructor

       @param parent reference to the parent widget

       @type QWidget

       """

       super(MainWindow, self).__init__(parent)

       self.setupUi(self)

       self.graphicsView.mousePressEvent=self.my_clicked

     

   def my_clicked(self, e):

       print('自定义的点击事件函数')

       webbrowser.open('www.baidu.com') #默认浏览器打开指定网址

   @pyqtSlot()

   def on_pushButton_clicked(self):

       """

       Slot documentation goes here.

       """

       print(self.textBrowser.toPlainText())

 

   @pyqtSlot()

   def on_pushButton_2_clicked(self):

       """

       Slot documentation goes here.

       这是测试按钮的槽函数

       """

       self.lineEdit.setText( "")  #清除单行文本框内容

       self.lineEdit_2.setText( "")

       self.textBrowser.setText( "") #清除多行文本框内容

       print("清除登陆账号信息!")

 

   @pyqtSlot()

   def on_pushButton_3_clicked(self):

       """

       Slot documentation goes here.

       """

       my_str=self.lineEdit.text()+":"+self.lineEdit_2.text() #获取单行文本框的内容

       self.textBrowser.append(my_str) #向多行文本添加内容

       print(my_str)

     

   @pyqtSlot()

   def on_pushButton_4_clicked(self):

       """

       Slot documentation goes here.

       该按钮命令调用的预定义的函数,退出的命令

       """

   @pyqtSlot()

   def on_pushButton_5_clicked(self):

       """

       Slot documentation goes here.

       """

       Button5=QMessageBox.question(self, u'提示信息框', u'是否全部保存到数据库中?')

       if Button5==0:

           print('全部保存中……')

       else:

           print('没有保存')

         

     

   @pyqtSlot()

   def on_pushButton_6_clicked(self):

       """

       Slot documentation goes here.

       """

       Button6=QMessageBox.warning(self, u'提警告信息框', u'没有警告信息,请继续输入!')

     

   @pyqtSlot()

   def on_pushButton_7_clicked(self):

       """

       Slot documentation goes here.

       """

       Button7=QMessageBox.critical(self, u'严重警告!', u'没有严重警告信息,请继续输入!')

 

   @pyqtSlot()

   def on_pushButton_9_clicked(self):

       """

       Slot documentation goes here.

       """

       self.graphicsView.setStyleSheet("border-image: url(:/im/image/AI (4).jpg);")

     

     

#    @pyqtSlot(QUrl)

   def on_textBrowser_anchorClicked(self, p0):

       """

       Slot documentation goes here.

     

       @param p0 DESCRIPTION

       @type QUrl

       """

   @pyqtSlot()

   def on_radioButton_clicked(self):

       """

       Slot documentation goes here.

       """

       print('同时选择其他三个首个radioButton')

       self.radioButton_12.setChecked(True)

       self.radioButton_16.setChecked(True)

       self.radioButton_20.setChecked(True)

       self.label_4.setStyleSheet("border-image: url(:/im/image/AI (4).jpg);")


相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
6月前
|
机器学习/深度学习 数据采集 人工智能
别让“大数据”变成“大忽悠”——聊聊机器学习的真本事
别让“大数据”变成“大忽悠”——聊聊机器学习的真本事
184 9
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
Java 大视界 -- Java 大数据机器学习模型在自然语言生成中的可控性研究与应用(229)
本文深入探讨Java大数据与机器学习在自然语言生成(NLG)中的可控性研究,分析当前生成模型面临的“失控”挑战,如数据噪声、标注偏差及黑盒模型信任问题,提出Java技术在数据清洗、异构框架融合与生态工具链中的关键作用。通过条件注入、强化学习与模型融合等策略,实现文本生成的精准控制,并结合网易新闻与蚂蚁集团的实战案例,展示Java在提升生成效率与合规性方面的卓越能力,为金融、法律等强监管领域提供技术参考。
|
3月前
|
机器学习/深度学习 算法 Java
Java 大视界 -- Java 大数据机器学习模型在生物信息学基因功能预测中的优化与应用(223)
本文探讨了Java大数据与机器学习模型在生物信息学中基因功能预测的优化与应用。通过高效的数据处理能力和智能算法,提升基因功能预测的准确性与效率,助力医学与农业发展。
|
3月前
|
机器学习/深度学习 搜索推荐 数据可视化
Java 大视界 -- Java 大数据机器学习模型在电商用户流失预测与留存策略制定中的应用(217)
本文探讨 Java 大数据与机器学习在电商用户流失预测与留存策略中的应用。通过构建高精度预测模型与动态分层策略,助力企业提前识别流失用户、精准触达,实现用户留存率与商业价值双提升,为电商应对用户流失提供技术新思路。
|
3月前
|
机器学习/深度学习 存储 分布式计算
Java 大视界 --Java 大数据机器学习模型在金融风险压力测试中的应用与验证(211)
本文探讨了Java大数据与机器学习模型在金融风险压力测试中的创新应用。通过多源数据采集、模型构建与优化,结合随机森林、LSTM等算法,实现信用风险动态评估、市场极端场景模拟与操作风险预警。案例分析展示了花旗银行与蚂蚁集团的智能风控实践,验证了技术在提升风险识别效率与降低金融风险损失方面的显著成效。
|
3月前
|
机器学习/深度学习 自然语言处理 算法
Java 大视界 -- Java 大数据机器学习模型在自然语言处理中的对抗训练与鲁棒性提升(205)
本文探讨Java大数据与机器学习在自然语言处理中的对抗训练与鲁棒性提升,分析对抗攻击原理,结合Java技术构建对抗样本、优化训练策略,并通过智能客服等案例展示实际应用效果。
|
4月前
|
机器学习/深度学习 分布式计算 Java
Java 大视界 -- Java 大数据机器学习模型在遥感图像土地利用分类中的优化与应用(199)
本文探讨了Java大数据与机器学习模型在遥感图像土地利用分类中的优化与应用。面对传统方法效率低、精度差的问题,结合Hadoop、Spark与深度学习框架,实现了高效、精准的分类。通过实际案例展示了Java在数据处理、模型融合与参数调优中的强大能力,推动遥感图像分类迈向新高度。
|
4月前
|
机器学习/深度学习 存储 Java
Java 大视界 -- Java 大数据机器学习模型在游戏用户行为分析与游戏平衡优化中的应用(190)
本文探讨了Java大数据与机器学习模型在游戏用户行为分析及游戏平衡优化中的应用。通过数据采集、预处理与聚类分析,开发者可深入洞察玩家行为特征,构建个性化运营策略。同时,利用回归模型优化游戏数值与付费机制,提升游戏公平性与用户体验。
|
5月前
|
数据采集 搜索推荐 算法
Java 大视界 -- Java 大数据在智能教育学习社区用户互动分析与社区活跃度提升中的应用(274)
本文系统阐述 Java 大数据技术在智能教育学习社区中的深度应用,涵盖数据采集架构、核心分析算法、活跃度提升策略及前沿技术探索,为教育数字化转型提供完整技术解决方案。
|
4月前
|
机器学习/深度学习 算法 Java
Java 大视界 -- Java 大数据机器学习模型在舆情分析中的情感倾向判断与话题追踪(185)
本篇文章深入探讨了Java大数据与机器学习在舆情分析中的应用,重点介绍了情感倾向判断与话题追踪的技术实现。通过实际案例,展示了如何利用Java生态工具如Hadoop、Hive、Weka和Deeplearning4j进行舆情数据处理、情感分类与趋势预测,揭示了其在企业品牌管理与政府决策中的重要价值。文章还展望了多模态融合、实时性提升及个性化服务等未来发展方向。

推荐镜像

更多