python 7 segment zähler?

hallo hab den ganzen tag rumm gemacht und das ist rausgekommen:

import time
nummern = [   #mit zeilen abgrenzungen
    ["  ###  "," #   # ","#     #","#     #","#     #"," #   # ","  ###  ",],
    ["   #   ","  ##   "," # #   ","   #   ","   #   ","   #   "," ##### ",],
    ["  ###  "," #   # ","     # ","   ##  ","  #    "," #     "," ##### ",],
    ["  ###  "," #   # ","     # ","   ##  ","     # "," #   # ","  ###  ",],
    ["    #  ","   ##  ","  # #  "," #  #  "," ######","    #  ","    #  ",],
    [" ##### "," #     "," #     "," ####  ","     # "," #   # ","  ###  ",],
    ["  ###  "," #   # "," #     "," ####  "," #   # "," #   # ","  ###  ",],
    [" ##### ","     # ","    #  ","   #   ","  #    "," #     "," #     ",],
    ["  ###  "," #   # "," #   # ","  ###  "," #   # "," #   # ","  ###  ",],
    ["  ###  "," #   # "," #   # ","  #### ","     # "," #   # ","  ###  ",],]


def mache_nummer(a,b):  # ziffer 1 ziffer 2
    num_a = nummern[a]
    num_b = nummern[b]
    zähler = 0
    out = ""
    while zähler != 7 :
        out += num_a[zähler]
        out += " "
        out += num_b[zähler]
        out += "\n"
        zähler += 1
    print(out)
zähler = 0
while zähler != 10 :
    for z2 in range(0,10):
        mache_nummer(zähler,z2)
        time.sleep(1)
    zähler += 1

es gibt in 7 segment askii stile die zahlen 1 biss 99 so aus :(mach es aber jetzt nicht in ascii)

01
02
03
04
05
06
07
08
09
10
11
12
13...

will es aber soo haben :

1
2
3
4
5
6
7
8
9
10
11
12...

das man auch weiter als 99 zählen kann

hilfe?

ASCII, Python, Zähler
Python: Problem mit .jpeg?

Hey ich hab ein Problem und meine Programmierkenntnisse reichen nicht einmal ansatzweise dazu aus das zu lösen:

gegeben seien zwei Listen, einmal REM und SEM. Dieser werden jeweils Bilderpfade hinzugefügt. Die Bilder werden dann in ne docx-Tabelle eingefügt. Klappt soweit auch alles, zumindest für SEM.

            REM=[]
            EDX=[]
            n_pictures=0
            for i in os.listdir(path_target_main+'\\'+AN_input+'\\'):
                if i.endswith('.jpeg'):
                    if i[0]!='s':
                        n_pictures+=1
                        REM.append(path_target_main+'\\'+AN_input+'\\'+i)
                        EDX.append(path_target_main+'\\'+AN_input+'\\s'+i)
            k=input(n_pictures)
            path=os.getcwd()
            
            path_doc=path+'\main.docx'
          
            doc = docx.Document(path_doc)
            Table=doc.tables[0]
          
            for row in Table.rows:
                for cell in row.cells:
                    paragraphs = cell.paragraphs
                    for paragraph in paragraphs:
                        for run in paragraph.runs:
                            font = run.font
                            font.size= Pt(11)
                            font.name="Arial"
            n_rows=(n_pictures*2)-2
            for i in range(0,n_rows):
                Table.add_row().cells
           
            print(REM)
            print(EDX)


            Table.cell(0, 1).text = ''
            Table.cell(0, 1).paragraphs[0].runs[0].add_picture(REM[1],width=Cm(4.5))


            #Table.cell(0, 0).text = ''
            #Table.cell(0, 0).paragraphs[0].runs[0].add_picture(REM[0],width=Cm(4.5))


            Table.cell(1, 0).text = '1.1'
            Table.cell(1, 0).paragraphs[0].runs[0].font.bold = False
      
            doc_name="new.docx"
            doc.save(doc_name)
Traceback (most recent call last):
[...HAB ICH GELÖSCHT WEGEN DÄMLICHER ZEICHENBEGRENZNG"
[bla bla]e-packages\docx\image\image.py", line 126, in width
    return Inches(self.px_width / self.horz_dpi)
ZeroDivisionError: division by zero

Möchte ich die Bilder aus REM jedoch hinzufügen erhalte ich den ZeroDivisionError: division by zero. Bissl gegoogelt: irgend ne Info scheint net gespeichert zu sein für die Bilder unter REM. Wie behebe ich das? Das nervt mich total gerade -.-

Programmiersprache, Python, Python 3
Tipps für das Trainieren eines Neuronalen Netzes?

Hallo zusammen,

ich möchte versuchen, ob ich einem neuronalen Netz beibringen kann, Aktien-Kurse vorherzusagen.
Bzw. einfacher gesagt Aktien in Kaufenswert und Nicht-Kaufenswert zu Clustern.

Ich hab schon verschiedene Aktivierungsfunktionen getestet, ich habe schon verschiedene Lernraten getestet. Und ich habe schon verschieden viele Schichten mit verschieden vielen Neuronen getestet.

Allerdings sieht das Ergebnis nie so wirklich gut aus. Jetzt weiß ich nicht, ob ich was falsch mache oder ob meine Daten Müll sind.

Hätte hier jemand Tipps für mich?

So sieht mein Code aus:

import pandas as pd
import numpy as np
from sklearn.preprocessing import MinMaxScaler
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.callbacks import EarlyStopping
import matplotlib.pyplot as plt


# Daten einlesen
data = pd.read_csv("data1.csv")


# Input und Output Daten extrahieren
X = data.iloc[:, -7:].values
y = data.iloc[:, 3].values.reshape(-1, 1)


# Input Daten skalieren
scaler = MinMaxScaler()
X = scaler.fit_transform(X)


# Median der Output Daten berechnen
median = np.median(y)


# Output Daten in gute und schlechte Werte einteilen
y = np.where(y > median, 1, 0)


# Neuronales Netz definieren und trainieren
model = keras.Sequential([
    keras.layers.Dense(2048, input_dim=7, activation='relu'),
    keras.layers.Dense(512, activation='relu'),
    keras.layers.Dense(512, activation='relu'),
    keras.layers.Dense(2, activation='relu'),
    keras.layers.Dense(1, activation='sigmoid')
])


learning_rate = 0.001
optimizer = keras.optimizers.Adam(lr=learning_rate)
model.compile(loss='binary_crossentropy', optimizer=optimizer, metrics=['accuracy'])


early_stopping = EarlyStopping(monitor='val_loss', patience=10)
history = model.fit(X, y, epochs=1000, batch_size=10, validation_split=0.2, callbacks=[early_stopping])


# Vorhersagen treffen und Genauigkeit auswerten
y_pred = np.round(model.predict(X))
accuracy = np.mean(y_pred == y)
false_positives = np.sum((y_pred == 1) & (y == 0))
false_negatives = np.sum((y_pred == 0) & (y == 1))
true_positives = np.sum((y_pred == 1) & (y == 1))
true_negatives = np.sum((y_pred == 0) & (y == 0))


# Ergebnisse ausgeben
print("Genauigkeit:", accuracy)
print("Falsch-Positiv:", false_positives)
print("Falsch-Negativ:", false_negatives)
print("Wahr-Positiv:", true_positives)
print("Wahr-Negativ:", true_negatives)
print("Wahr: ", true_positives + true_negatives)
print("Falsch: ", false_positives + false_negatives)

# Verlauf der Genauigkeit und des Fehlers während des Trainings darstellen
fig, ax = plt.subplots()
ax.plot(history.history['loss'], label='Trainingsfehler')
ax.plot(history.history['val_loss'], label='Validierungsfehler')
ax.set_xlabel('Epochen')
ax.set_ylabel('Fehler')
ax.legend()
fig.savefig('error.png')


Aktien, Neuronale Netze, Python, TensorFlow

Meistgelesene Beiträge zum Thema Python