نظر سنجی فقط تا ساعت 2 بعد از ظهر فردا🤓

نظر بدید داره تموم میشهاا💔😕

در حال ضبط آموزش flutter با پایتون 📚

قسمت اول آموزش برنامه نویسی flutter با پایتون🤓:
https://aparat.com/v/lqwy24p

ازتون خواهشمندم ویدیو هام رو لایک کنید و فالوم کنید تا ویدیو های بیشتری بزارم❤️:
https://www.aparat.com/Amir_1234_ka

#برنامه_نویسی_امیر_RM

قسمت دوم آموزش برنامه نویسی flutter با پایتون🤓:
https://aparat.com/v/ddy69iu

ممنون میشم فالوم کنید و ویدیو هام رو لایک کنید تا قسمت های بعدی رو هم بزارم❤️😎:
https://www.aparat.com/Amir_1234_ka

#برنامه_نویسی_امیر_RM

قسمت سوم آموزش برنامه نویسی flutter با پایتون🤓:
https://aparat.com/v/mlncj09

خواهشمند شما عزیزان هستم که کانال من رو فالو داشته باشید تا آموزش های بیشتری گذاشته بشه❤️:
https://www.aparat.com/Amir_1234_ka

#برنامه_نویسی_امیر_RM

🎮
اگر به گیم علاقه داری اوففففف این کانال براتوعه😁😘
https://rubika.ir/Gameplay421
همش گیمههه لامصبببب😅
🎮

تبدیل ماین کرافت ساده به ماین کرافت واقعی!!😎:
https://aparat.com/v/vto68hi

کانال ما فراموش نشه✌️❤️:
https://www.aparat.com/Amir_1234_ka

شاید بعضی ها تلگرامشون به مشکل خورده باشه🧐❌
ما یک کانال پایتون هم در روبیکا زدیم لطفا عضو بشید و حمایت کنید تا توی روبیکا هم فعالیت داشته باشیم✅😎:
https://rubika.ir/PythonLearn_0

مرسی که همراهم هستی✅

آموزش اتصال HTML و CSS به Python✌️:
https://aparat.com/v/aqu87fb

مرسی که کانالم رو دنبال داری و لایک میکنی❤️😎:
https://aparat.com/Amir_1234_ka

‼️ بیل گیتس تمام ثروت خود را به امور خیریه اهدا می‌کند!

👈🏻 بیل گیتس چهارمین ثروتمند جهان و بنیان‌گذار شرکت مایکروسافت، در وبلاگ شخصی خود نوشت:

پس از مرگ من، درباره‌ام گفته خواهد شد، «او ثروتمند از دنیا رفت»

لذا تصمیم گرفتم که ثروتم سریعتر از آنچه در ابتدا برنامه‌ریزی کرده بودم به جامعه بازگردانده شود. طی بیست سال آینده، تقریباً کل ثروتم را از طریق بنیاد گیتس برای نجات جان انسان‌ها و بهبود کیفیت زندگی آن‌ها در سراسر جهان اهدا خواهم کرد. و در ۳۱ اکتبر ۲۰۴۵، این صندوق برای همیشه به فعالیت خود پایان خواهد داد.

🆔 @programming_languages390

با این ترفند یک هوش مصنوعی رایگان و خفن توی pc برای خودت داری🤓✌️:
https://aparat.com/v/omlew2e

یادت نره کانالمون رو دنبال کنی❤️:
https://www.aparat.com/Amir_1234_ka

آموزش تبدیل py به exe | خروجی گرفتن exe از پایتون👇👇👇:
https://aparat.com/v/arf08nc

یادتون نره کانال مارو دنبال کنید❤️😎:
https://aparat.com/Amir_1234_ka

print(__doc__)

# Code source: Gaël Varoquaux
# Modified for documentation by Jaques Grobler
# License: BSD 3 clause

import numpy as np
import matplotlib.pyplot as plt

from sklearn import datasets, cluster
from sklearn.feature_extraction.image import grid_to_graph

digits = datasets.load_digits()
images = digits.images
X = np.reshape(images, (len(images), -1))
connectivity = grid_to_graph(*images[0].shape)

agglo = cluster.FeatureAgglomeration(connectivity=connectivity, n_clusters=32)

agglo.fit(X)
X_reduced = agglo.transform(X)

X_restored = agglo.inverse_transform(X_reduced)
images_restored = np.reshape(X_restored, images.shape)
plt.figure(1, figsize=(4, 3.5))
plt.clf()
plt.subplots_adjust(left=.01, right=.99, bottom=.01, top=.91)
for i in range(4):
    plt.subplot(3, 4, i + 1)
    plt.imshow(images[i], cmap=plt.cm.gray, vmax=16, interpolation='nearest')
    plt.xticks(())
    plt.yticks(())
    if i == 1:
        plt.title('Original data')
    plt.subplot(3, 4, 4 + i + 1)
    plt.imshow(images_restored[i], cmap=plt.cm.gray, vmax=16, interpolation='nearest')
    if i == 1:
        plt.title('Agglomerated data')
    plt.xticks(())
    plt.yticks(())

plt.subplot(3, 4, 10)
plt.imshow(np.reshape(agglo.labels_, images[0].shape), interpolation='nearest', cmap=plt.cm.nipy_spectral)
plt.xticks(())
plt.yticks(())
plt.title('Labels')
plt.show()

این کد از scikit-learn استفاده می‌کند تا Feature Agglomeration (تجمیع ویژگی‌ها) را روی مجموعه داده‌ای از تصاویر اعداد دست‌نویس (digits dataset) اعمال کند. در واقع، این الگوریتم تلاش می‌کند ویژگی‌های تصویری را کاهش بعدی دهد و سپس داده‌های کاهش‌یافته را بازسازی کند.

### بخش‌های کلیدی:
1. بارگیری داده‌ها: مجموعه داده‌ی Digits از scikit-learn بارگیری می‌شود.
2. تبدیل تصاویر به ویژگی‌ها: تصاویر به بردارهای ویژگی تبدیل می‌شوند.
3. ایجاد ارتباط بین پیکسل‌ها: از grid_to_graph برای ساخت ماتریس ارتباطی استفاده شده است.
4. اجرا و آموزش مدل: FeatureAgglomeration با 32 خوشه اعمال می‌شود تا ویژگی‌ها گروه‌بندی شوند.
5. بازسازی تصاویر: داده‌های کاهش‌یافته مجدداً به فضای اصلی تبدیل می‌شوند.
6. نمایش نتایج: تصاویر اصلی، تصاویر بازسازی‌شده، و برچسب‌های خوشه‌ای در نمودارهای Matplotlib نمایش داده می‌شوند.

این کد در دسته‌بندی تصاویر و کاهش ابعاد داده کاربرد دارد.

دوستان جنگو کار ریکشنمون نشه؟😉❤️