Python

[Machine Learning] Precision、Recall、F1 三種評估模型的指標

在使用 PyTorch 這個好用的 Python 深度學習框架進行模型的訓練時，常常會有剛學習的人忘記把訓練好的模型『儲存』起來 —— 甚至根本沒意識到這回事，以為每次要使用都必須訓練一次。（其實這是我的黑歷史 XDDD）

之前在《透過 Python API 在 WordPress 上自動發文》這篇文章有提過，我想要透過 Python 直接將自己在 WordPress 上發表過的文章下載下來，進行簡單的分類。在這之中，我找到的便是名為 python-wordpress-xmlrpc 模組。

在使用 WordPress 經營個人 Blog 的過程中，有時候我常常會希望能夠將所有寫過的文章做個整理。當然，我想要使用的方法當然是『人工慢慢看』以外的方法，比如說透過『API』來取得 WordPress 相關的資料。

Python 是個簡單優雅的語言，可以使用很少的指令來達成我們想要的功能，故也是目前相當多人用於統計分析的程式語言。

生成對抗網路 (generative adversarial network, GAN) 是一個相當有名的神經網路模型，其功用為我們輸入一組『噪音』(Noise)，然後通過 Generator 產生出一組數字圖片，再經由 Discriminator 分辨是否是真正的圖片。

我曾經以為讓程式的視窗在『最前方』或『最後方』（或是你習慣稱『最上方』與『最下方』）是一件相當麻煩的事情，但在 PyQt5 當中幾乎只要一行指令就可以完成這個功能了。

pprint 是 Python 當中標準化輸出的一種輸出模式，很經典的一種模式便是將 Dictionary 的資料型態按照 Key-Value 由上到下印出，屬於人類較容易閱讀的版面。

在使用 PyQt5 設計圖形化界面的時候，我們常常會有想要將參數儲存起來的需求。比如說今天我們讓使用者客製化了自己界面的顏色——如果我們沒有將設置顏色的數值儲存起來，那麼下次使用者打開這個程式的時候，還會是原本預設的顏色。

在開發程式的過程中，我們除了小心翼翼地解決程式當中的 Bug 外，在寫好程式、能夠正常運行以後，我們也常常會憂心於程式的『執行效率』。