内容简介:解数独不难,但如果能动态演示解题步骤就更好了。 参考:最难数独的快速解法 - python https://www.jianshu.com/p/1b2ee6539d4bdemo网站: https://mysudo.herokuapp.com/上面是GIF动图,2.52MB,尺寸较大,可以下载下来观看。
解数独不难,但如果能动态演示解题步骤就更好了。 参考:最难数独的快速解法 - python https://www.jianshu.com/p/1b2ee6539d4b
功能
- 读取公开网站的数独题目
- 或者手工输入数独题目
- 提交到后台,秒解
- 可以单步演示解题步骤
demo网站: https://mysudo.herokuapp.com/
上面是GIF动图,2.52MB,尺寸较大,可以下载下来观看。
技术栈
-
前端:Vue.js, pixi.js画图, Vuetify UI框架 网站需要绘制数独题目,pixi.js比较方便。其实用Canvas画布也够了,主要是顺带学习下HTML小游戏的绘图。UI框架,可以任意选择。这里选择了Vuetify,跟Vue.js完美搭档,适合桌面+手机。如果是纯手机端,可以选择Framework7。
-
后端:Flask服务器框架,Python爬虫 Flask适合快速原型开发。Django适合集团军作战。 另外,需要从公开网站抓取题目,Python爬虫信手拈来就是了。 解题:前一篇文章https://www.jianshu.com/p/1b2ee6539d4b 已经作好准备了。
数据流
Vue通过ajax,把数据在前、后端传递。
实现
代码:https://github.com/kevinqqnj/sudo-dynamic-solve
有空时会详细解读一下代码,大家先看源码吧,都是Vue/Flask基础运用。
下一步写作计划:
网上有很多演示:手机扫一扫数独题目,答案立刻通过AR(增强现实)展示。原理很清楚。计划写如下几篇:
-
opencv识别图像 有 python 库,也有js库,前端、后端都能实现。 高斯模糊 -> 自适应二值化 -> 霍氏直线 -> 找最大轮廓 -> 扣图
-
CNN卷积网络自动识别数字 Keras+Tensorflow,不需要识别手写数字MNIST,找印刷体数字(1-9)数据库训练一下就行了。 我找的chars74k数据,http://www.ee.surrey.ac.uk/CVSSP/demos/chars74k/,总共约10000个样本,训练也很快,十几个周期就达到99.6%准确率
模型:
model = Sequential() model.add(Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=input_shape)) model.add(Conv2D(64, (3, 3), activation='relu')) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Dropout(0.25)) model.add(Flatten()) model.add(Dense(128, activation='relu')) model.add(Dropout(0.5)) model.add(Dense(num_classes, activation='softmax')) model.compile(loss=keras.losses.categorical_crossentropy, optimizer=keras.optimizers.Adadelta(), metrics=['accuracy']) 复制代码
训练:
Train on 8229 samples, validate on 915 samples Epoch 1/30 8229/8229 [==============================] - 101s 12ms/step - loss: 0.8978 - acc: 0.6994 - val_loss: 0.1746 - val_acc: 0.9486 Epoch 2/30 8229/8229 [==============================] - 95s 12ms/step - loss: 0.1848 - acc: 0.9436 - val_loss: 0.1057 - val_acc: 0.9628 ... Epoch 12/30 8229/8229 [==============================] - 64s 8ms/step - loss: 0.0153 - acc: 0.9950 - val_loss: 0.0140 - val_acc: 0.9956 Epoch 13/30 8229/8229 [==============================] - 67s 8ms/step - loss: 0.0160 - acc: 0.9950 - val_loss: 0.0125 - val_acc: 0.9967 复制代码
-
把识别的数字,传递到后端,算出答案,再用opencv绘制到手机图像里
-
集成到微信小程序里 有mpvue小程序框架,可以用Vue.js快速写小程序了。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 一文学会链表解题
- 小记一类ctf密码题解题思路
- 堆排序动画演示,Python代码演示,看不懂你砍我!
- FireShellCTF2019 Bad Injections解题记录
- Leetcode 第133场周赛解题报告
- Leetcode 第135场周赛解题报告
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Never Lost Again
[美] Bill Kilday / HarperBusiness / 2018-5-29 / USD 8.00
As enlightening as The Facebook Effect, Elon Musk, and Chaos Monkeys—the compelling, behind-the-scenes story of the creation of one of the most essential applications ever devised, and the rag-tag tea......一起来看看 《Never Lost Again》 这本书的介绍吧!