Python 函式庫語法範例字典
相關熱銷的書籍推薦給您
商品描述
<內容簡介>
彙整最常使用的 Python 函式庫語法
功能索引 + 字母順序查詢,
隨查隨用, 快速解決問題!
Python 是近來非常熱門的程式語言, 原因之一就是具有豐富的標準函式庫及第三方套件可以使用, 用途涵蓋字串處理、數值計算、資料壓縮與封存、XML與 JSON 存取等層面。本書集合 Python 常用的函式及模組功能, 依用途分門別類, 提供詳細的使用說明、豐富的語法範例, 讓使用者可以在短時間內找到、學會函式的正確使用方式, 在撰寫程式時更加得心應手!
<本書特色>
● 依功能分類, 每個函式都以豐富範例實際演練用法
● 目錄上列有函式名稱與用途說明, 可依據名稱或是用途查詢
● 可依字母順序快速查詢想使用的函式功能
● 本書嚴選的模組功能包括:
argparse/array/base64/beautifulsoup4/bisect/bz2/collections/ConfigParser/csv/datetime/dateutil/decimal/doctest/email/enum/fnmatch/glob/gzip/heapg/io/itertools/json/logging/lxml/lzma/math/multiprocessing/openpyxl/os/pathlib/paramiko/pdb/Pillow/pprint/PyCrypto/pydoc/pytest/pytz/random/re/requests/shutil/statistics/subprocess/sys/tartile/tempfile/time/timeit/traceback/unicodedata/unittest/unittest.mock/urllib.parse/weakref/xml.etree.ElementTree/yaml/zipfile/zlib
● 適用 Python 3
立即查看
Python 資料科學實戰教本 - 爬蟲、清理、資料庫、視覺化、探索式分析、機器學習建模,數據工程一次搞定! (1版)
類似書籍推薦給您
Python 資料科學實戰教本 - 爬蟲、清理、資料庫、視覺化、探索式分析、機器學習建模,數據工程一次搞定!
ISBN13:9789863127246
出版社:旗標出版社
作者:陳會安
裝訂/頁數:平裝/616頁
規格:23cm*17cm*2.8cm (高/寬/厚)
重量:946克
出版日:2022/08/22
中國圖書分類:電腦科學
內容簡介
【題材涵蓋最全面!一本書掌握資料科學 / 數據工程必學 know-how!】
從大數據到人工智慧世代,其背後蘊含的關鍵技術與理論不脫資料科學、機器學習的範疇。基本上,資料科學需要的背景知識與技能相當的多,通常要會 Python 程式設計基礎、熟悉相關 Python 套件和模組的使用;再加上機器學習的基礎就是機率和統計,因此也免不了得學機率和統計知識,可說有一拖拉庫的主題等著你去學,也難怪市面上各主題 (程式基礎、統計、套件、機器學習建模...) 的專書滿坑滿谷,一時間實在讓人難以消化...
為了降低讀者初學資料科學面對的負擔以及混亂感,我們精心設計了這本入門實戰教本,秉持讓讀者「買一本抵多本」的精神,本書一次涵蓋所有入門必須熟悉的重要題材,同時也將初學資料科學的脈絡梳理清楚。
在章節的安排上,本書從資料取得的網路爬蟲開始,提供一個標準 SOP 來幫助讀者從網路取得資料;接著說明資料科學必學的 Python 重量級套件,再接著介紹機率、統計和探索式資料分析的基礎知識,最後進入最熱門的機器學習、深度學習建模主題。
這一連串「取得資料 → 探索資料 → 預測分析」是一套完整的資料科學 / 數據工程實戰訓練,跟著本書掌握這些重要 know-how 後,就不難看懂網路上眾多資料科學、機器學習專案的 Python 程式碼和線上教材,甚至參與資料科學、機器學習的網路競賽;希望本書能協助讀者開啟資料科學家 / 數據工程師的成功之路!
本書特色
□ 資料科學三部曲:取得資料 → 探索資料 → 預測分析
□ 一次補足最入門的統計和機率基礎
□ Python 開發環境與基礎語法快速上手
□ 從網頁爬蟲、資料清理到資料視覺化,快速完成資料探索的預處理程序
□ 將清理後的資料存入 SQL 資料庫,便於日後存取利用
□ 實踐資料科學的四大套件:NumPy、Pandas、Matplotlib、Seaborn 一次掌握
□ 用 Scikit-learn、tensorflow.Keras 套件實作最熱門的 AI 機器學習應用
目錄
第一篇 資料科學和 Python 基礎
第 1 章 資料科學概論與開發環境建立 – Anaconda
第 2 章 Python 程式語言
第二篇 網路爬蟲和 Open Data (取得、清理與儲存資料)
第 3 章 取得網路資料
第 4 章 資料擷取
第 5 章 資料清理與資料儲存
第 6 章 網路爬蟲實作案例
第三篇 Python資料科學套件 – 探索資料(資料視覺化與大數據分析)
第 7 章 向量與矩陣運算 – NumPy 套件
第 8 章 資料處理與分析 – Pandas 套件
第 9 章 大數據分析 (一) – Matplotlib 和 Pandas 資料視覺化
第 10 章 大數據分析 (二) – Seaborn 統計資料視覺化
第 11 章 機率與統計
第 12 章 估計與檢定
第 13 章 探索性資料分析實作案例
第四篇 人工智慧、機器學習與深度學習 – 預測資料
第 14 章 人工智慧與機器學習概論 – 認識深度學習
第 15 章 機器學習演算法實作案例 – 迴歸
第 16 章 機器學習演算法實作案例 – 分類與分群
第 17 章 深度學習神經網路實作案例
附錄 A:HTML 網頁結構與 CSS
附錄 B:Python 文字檔案存取與字串處理
附錄 C:下載與安裝 MongoDB 和 MySQL 資料庫
立即查看
Python資料科學自學聖經:不只是建模!用實戰帶你預測趨勢、找出問題與發現價值(附關鍵影音教學、範例檔) (1版)
類似書籍推薦給您
Python資料科學自學聖經:不只是建模!用實戰帶你預測趨勢、找出問題與發現價值(附關鍵影音教學、範例檔)
系列名:程式設計
ISBN13:9786263241657
出版社:碁峰資訊
作者:鄧文淵-總監製;文淵閣工作室-編著
裝訂/頁數:平裝/440頁
規格:23cm*17cm*2cm (高/寬/厚)
出版日:2022/05/09
中國圖書分類:電腦程式語言
內容簡介
網路書店年度百大電腦資訊暢銷書
《Python自學聖經》系列力作
運用Python掌握資料科學的價值
讓人工智慧機器學習找出趨勢的關鍵密碼
完整涵蓋Python資料科學技術,從開發工具、資料預處理、
機器學習、深度學習到模型訓練進化一應俱全!
給需要本書的人:
★想進入Python資料科學領域,又不知怎麼切入的人
★面對資料科學龐大又雜亂的理論與資訊卻不知如何下手的人
★想快速且有系統收集大量資料,並提高處理運用效率的人
★想利用大量資料進行分析,找出隱藏訊息與趨勢以協助決策的人
★想運用資料數據訓練人工智慧模型,開發適用的演算法進行預測與解決問題的人
隨著AI人工智慧帶來的科技革命,資料科學的應用正在改變你我的生活。如何由龐大的資料數據中擷取爬梳出有價值的資訊,判斷決策,甚至能預測趨勢、掌握契機,是資料科學為現代社會帶來的新視野。
資料科學橫跨多個領域,涵蓋數學、統計與電腦科學等面向。如果想有系統的進入資料科學領域,歡迎藉由本書循序漸進的學習。書中除了有資料科學的觀念,還有技術應用與發展方向,讓每個艱澀觀念都能在範例實作的引導下有著更清楚的輪廓,讓你一探資料科學迷人的樣貌。
【重要關鍵】
■應用工具:雲端開發平台(Google Colab)、資料科學工具(Numpy、Pandas、Matplotlib、Seaborn)、網路爬蟲(requests、BeautifulSoup)。
■資料預處理:資料清洗、缺失值、重複值及異常值的處理、資料檢查、資料合併、樞紐分析表、圖片增量,以及資料標準化、資料轉換與特徵選擇。
■機器學習:學習工具(Scikit-Learn)、非監督式學習(K-means演算法、DBSCAN演算法、PCA降維演算法)、監督式學習分類演算法(Scikit-Learn資料集、K近鄰演算法、單純貝氏演算法、決策樹演算法、隨機森林演算法)、監督式學習迴歸演算法(線性迴歸演算法、邏輯迴歸演算法、支持向量機演算法)。
■深度學習:學習工具(TensorFlow、Keras)、深度神經網路(DNN)、MNIST手寫數字圖片辨識實作、Gradio模組(深度學習成果展示、過擬合)、卷積神經網路(CNN)與循環神經網路(RNN)。
■模型訓練進化:預訓練模型、遷移學習、深度學習參數調校、hyperas參數調校神器,以及手寫數字辨識參數調校。
【超值學習資源】
獨家收錄「Python資料科學關鍵影音教學」、全書範例程式檔
本書特色
■深入淺出,只要具備基礎Python程式語言能力即可輕鬆上手。
■標示出重要觀念,在學習的過程中不會錯失關鍵內容。
■應用範例導向,每個觀念皆附實用案例,不怕學不會。
■不使用艱澀數學推導資料科學原理,而以淺顯易懂的文字解說學理。
■實作圖片增量及遷移學習,即使少量資料也可訓練出實用模型。
■實作機器學習與深度學習模型參數調校,輕鬆建立完美模型。
目錄
資料科學工具篇
第1章 進入資料科學的學習殿堂
1.1 認識資料科學
1.2 Google Colab:雲端的開發平台
1.3 Colab 的筆記功能
第2章 資料科學神器:Numpy 與Pandas
2.1 Numpy:高速運算的解決方案
2.2 Numpy 陣列建立
2.3 Numpy 陣列取值
2.4 Numpy 的陣列運算功能
2.5 Pandas:資料處理分析的強大工具
2.6 Series 的使用
2.7 DataFrame 的建立
2.8 Pandas DataFrame 資料取值
2.9 DataFrame 資料操作
第3章 資料收集:檔案存取與網路爬蟲
3.1 資料來源的取得
3.2 CSV 檔案的讀取
3.3 JSON 資料的讀取
3.4 Excel 試算表檔案的讀取
3.5 HTML 網頁資料讀取
3.6 儲存資料為檔案
3.7 認識網路爬蟲
3.8 requests 模組:讀取網站檔案
3.9 BeautifulSoup 模組:網頁解析
3.10 文字及檔案資料的收集
第4章 資訊圖表化:Matplotlib 與Seaborn
4.1 Matplotlib:資訊視覺化的核心工具
4.2 折線圖:plot
4.3 長條圖與橫條圖:bar、barh
4.4 圓形圖:pie
4.5 直方圖:hist
4.6 散佈圖:scatter
4.7 線箱圖:boxplot
4.8 設定圖表區:figure
4.9 在圖表區加入多張圖表:subplot、axes
4.10 Pandas 繪圖應用
4.11 Seaborn:更美觀的圖表工具
資料預處理篇
第5章 資料預處理:資料清洗及圖片增量
5.1 資料清洗處理
5.2 資料檢查
5.3 資料合併
5.4 樞紐分析表
5.5 圖片增量
第6章 資料預處理:標準化、資料轉換與特徵選擇
6.1 Scikit-Learn:機器學習的開發工具
6.2 數值資料標準化
6.3 非數值資料轉換
6.4 認識特徵選擇
6.5 使用Pandas 進行特徵選擇
6.6 使用Scikit-Learn 進行特徵選擇
機器學習篇
第7章 機器學習:非監督式學習
7.1 認識機器學習
7.2 K-means 演算法
7.3 DBSCAN 演算法
7.4 降維演算法
第8章 機器學習:監督式學習分類演算法
8.1 Scikit-Learn 資料集
8.2 K 近鄰演算法
8.3 單純貝氏演算法
8.4 決策樹演算法
8.5 隨機森林演算法
第9章 機器學習:監督式學習迴歸演算法
9.1 線性迴歸演算法
9.2 邏輯迴歸演算法
9.3 支持向量機演算法
深度學習篇
第10章 深度學習:深度神經網路(DNN)
10.1 認識深度學習
10.2 認識深度神經網路(DNN)
10.3 實作MNIST 手寫數字圖片辨識
10.4 Gradio 模組:深度學習成果展示
10.5 過擬合
第11章 深度學習:卷積神經網路(CNN)
11.1 認識卷積神經網路(CNN)
11.2 實作貓狗圖片辨識
第12章 深度學習:循環神經網路(RNN)
12.1 認識循環神經網路(RNN)
12.2 下載台灣股市資料
12.3 實作台灣股票市場股價預測
模型訓練進化篇
第13章 預訓練模型及遷移學習
13.1 預訓練模型
13.2 遷移學習
第14章 深度學習參數調校
14.1 hyperas 模組:參數調校神器
14.2 手寫數字辨識參數調校
立即查看
Python程式設計:從入門到進階應用(第五版) (5版)
類似書籍推薦給您
【簡介】
本書是一本全面且實用的Python學習指南,適合初學者與進階使用者。從Python的基礎語法開始,循序漸進地介紹變數、運算子、條件判斷、迴圈、函式、模組與類別等核心概念,幫助讀者建立扎實的程式設計基礎。接著,進一步探討Python內建函式庫的應用,包含字串處理、檔案操作與其他實用工具,使讀者能夠靈活運用Python解決實際問題。
除了基礎概念,本書亦涵蓋進階應用,包括網頁爬蟲、資料庫操作與第三方函式庫的整合,讓讀者能夠擷取、分析資料。
新版內容特別新增Google Colab的介紹,使讀者能夠利用雲端環境撰寫Python程式,無需安裝軟體即可立即執行。此外,還加入了網頁分析與斷詞處理,更新YouBike資料分析與視覺化範例,幫助讀者透過真實案例學習Python的應用。
本書的編排方式強調實作與範例教學,每個章節皆搭配清楚的說明與程式碼示範,讓讀者能夠即學即用。透過本書,讀者不僅能夠掌握Python語言的基礎知識,還能學會如何運用Python來解決實際問題,提升程式開發能力。
【目錄】
CH1 Python 簡介與程式編輯器介紹
1-1 Python 簡介
1-2 Python 開發環境
1-3 Python 的輸入與輸出
1-4 第一個Python 程式
CH2 資料型別、變數與運算子
2-1 Python 資料型別
2-2 變數
2-3 運算子
2-4 字串
2-5 範例練習
CH3 資料儲存容器tuple-串列-字典-集合
3-1 tuple
3-2 串列(list)
3-3 字典(dict)
3-4 集合(set)
3-5 範例練習
CH4 選擇結構
4-1 單向選擇結構
4-2 雙向選擇結構
4-3 多向選擇結構
4-4 巢狀選擇結構
4-5 條件判斷與運算子「in」
CH5 迴圈與生成式
5-1 迴圈結構 — 使用for
5-2 迴圈結構 — 使用while
5-3 巢狀迴圈
5-4 迴圈結構特殊指令的使用—break、continue 與else
5-5 for 迴圈與資料儲存容器
5-6 生成式(comprehension)與產生器(generator)
5-7 範例練習
CH6 函式與遞迴
6-1 函式
6-2 函式範例練習
6-3 函式的輸入與輸出
6-4 函式的說明文件
6-5 函式視為物件
6-6 函式lambda
6-7 產生器(generator)
6-8 內部函式
6-9 closure 函式
6-10 Decorator(裝飾器)
6-11 遞迴
CH7 模組、套件與獨立程式
7-1 模組
7-2 套件
7-3 腳本程式
CH8 類別與例外
8-1 類別
8-2 例外(exception)
CH9 進階字串處理
9-1 ASCII 編碼
9-2 Unicode 編碼
9-3 正規表示式(regular expression)
CH10 資料夾與檔案
10-1 資料夾與檔案相關模組
10-2 存取文字檔
10-3 存取csv 檔
10-4 存取二進位檔
CH11 標準函式庫
11-1 系統相關的模組
11-2 可迭代的函式庫
11-3 時間函式庫
11-4 collections 套件
11-5 綜合應用—備份資料夾
CH12 擷取網頁資料
12-1 模組urllib.request、urllib.response 與requests
12-2 存取JSON
12-3 存取XML
12-4 使用套件Beautiful Soup 存取HTML
CH13 關聯式資料庫
13-1 關聯式資料庫概論
13-2 SQL 語法
13-3 存取SQLite
13-4 Mysql資料庫
13-5 使用SQLAlchemy與PyMySql存取Mysql
CH14 第三方模組
14-1 推薦的第三方模組
14-2 圖片處理
14-3 數學相關
14-4 斷詞處理
CH15 資料蒐集與分析
15-1 下載YouBike資料與分析
15-2 資料儲存到MySQL資料庫
15-3 製作YouBike剩餘車位數與可用車輛數圖表
立即查看
資料結構-使用Python(增訂版) (1版)
類似書籍推薦給您
【簡介】
本書特色
1.本書以Python語言來實作資料結構中的重要理論,適合已經學過Python程式語法、具有基礎Python類別與物件語法與概念的讀者進階研習資料結構。
2.章節安排從資料結構的基礎到進階依序編次,讓學習有目標,有方法。
3.圖解各種資料結構新增、刪除、搜尋元素的方法及步驟,讓資料結構的觀念一看就懂。
內容簡介
本書適合已經學過Python程式語法、具有基礎Python類別與物件語法與概念的讀者進階研習資料結構。使用圖解方式說明資料結構的概念,依照步驟顯示資料結構中新增、刪除、搜尋元素的運作過程,各種資料結構的優缺點與使用時機,務求讓概念的解說清楚易懂。接著,進行程式碼實作與解說,並分析程式的執行效率。
本書從基礎到進階方式安排章節次序,依序為資料結構簡介、Python的資料儲存容器、陣列、鏈結串列、佇列與堆疊、樹狀結構、進階樹狀結構、排序、搜尋與雜湊、圖形資料結構與圖形走訪、圖形最短路徑、常見圖形演算法、2-3-Tree、2-3-4-Tree 與B-Tree。一步步帶領讀者進入資料結構的世界,熟悉資料結構的概念,以運用資料結構解決問題,提高程式執行速度。
學習資料結構沒有捷徑,在程式實作中不斷地融入資料結構,比較不同資料結構對程式執行速度的影響,慢慢累積就會進步。
【目錄】
第1章 資料結構簡介
1-1 資料結構的定義
1-2 資料結構影響程式執行效率
1-3 演算法的定義
1-4 程式執行效率分析
1-5 評估程式的複雜度
第2章 Python的資料儲存容器
2-1 tuple
2-2 串列
2-3 字典
2-4 集合
第3章 陣列
3-1 一維陣列
3-2 一維陣列的程式實作
3-3 二維陣列
3-4 二維陣列的程式實作
第4章 鏈結串列
4-1 鏈結串列
4-2 環狀鏈結串列
4-3 雙向鏈結串列
4-4 實作鏈結串列
第5章 佇列與堆疊
5-1 佇列
5-2 堆疊
第6章 樹狀結構
6-1 簡介樹狀結構
6-2 二元樹
6-3 二元搜尋樹
第7章 進階樹狀結構
7-1 霍夫曼編碼
7-2 AVL樹
第8章 排序
8-1 氣泡排序
8-2 選擇排序
8-3 插入排序
8-4 合併排序
8-5 快速排序
8-6 堆積排序
8-7 基數排序
8-8 各種排序演算法的比較
第9章 搜尋與雜湊
9-1 搜尋
9-2 雜湊
第10章 圖形資料結構與圖形走訪
10-1 簡介圖形資料結構
10-2 實作圖形資料結構
10-3 使用深度優先進行圖的走訪
10-4 使用寬度優先進行圖的走訪
第11章 圖形最短路徑
11-1 實作圖形資料結構-新增邊的權重
11-2 使用Dijkstra演算法找最短路徑
11-3 使用Bellman Forde演算法找最短路徑
11-4 使用Floyd Warshall演算法找最短路徑
第12章 常見圖形演算法
12-1 拓樸排序
12-2 尤拉迴路
12-3 最小生成樹
12-4 找出關節點
第13章 2-3-Tree、2-3-4-Tree與B-Tree
13-1 2-3-Tree
13-2 2-3-4-Tree
13-3 B-Tree
立即查看
Python程式設計與OpenAI API應用:零基礎建構非同步GUI的AI聊天機器人 (1版)
類似書籍推薦給您
內容簡介
從入門到活用Python程式設計,讓你成為Python專家
實作與應用OpenAI API,建構專屬的AI聊天機器人
✦利用完整的程式範例,深入淺出說明Python程式設計
✦進階學習Python多執行緒、多程序、非同步I/O及tkinter
✦完整理解Python非同步程式設計的核心觀念
Python是一種容易學習且功能強大的程式語言,跟著本書學習Python, 你不只可學會Python的基礎語法,還可學到進階的內容,例如:物件導向、多執行緒、多程序、非同步I/O及tkinter程式設計等。
ChatGPT是OpenAI開發的人工智慧聊天機器人,其會生成文字,回答各式問題,自推出以來即受到大家的喜愛。在本書中,你將可活用Python,以Python實作OpenAI API,設計開發出ChatGPT應用程式。
本書內容的安排由淺入深,對Python程式設計進行系統性的介紹,並詳細說明OpenAI API的應用。本書以程式範例來說明Python程式設計的概念,可有效幫助讀者的學習,並經由實作的過程,建構專屬非同步GUI版的語音聊天機器人。
【目標讀者】
☛對Python程式設計有興趣的初學者,可讓讀者兼顧理論與實作。
☛適用於大專院校「Python程式設計」課程的學生,可作為教師授課之用。
☛程式設計工程師、專案設計者、AI工程師,也很適合閱讀本書。
目錄
|CHAPTER 01| Python基礎(一)
1.1 本章提要
1.2 安裝Python
1.3 Python基本語法
1.4 Python字串處理
1.5 條件敘述
1.6 迴圈敘述
1.7 自定義函式
1.8 串列(List)
1.9 串列表達式
1.10 元組(Tuple)
1.11 字典(Dictionary)
|CHAPTER 02| Python基礎(二)
2.1 模組(Module)
2.2 random模組
2.3 套件(Package)
2.4 例外處理
2.5 讀取文字檔案
2.6 寫入文字檔案
2.7 文字檔案處理
2.8 JSON
2.9 PyPI簡介
2.10 建立虛擬環境
|CHAPTER 03| Python物件導向
3.1 類別與物件
3.2 類別屬性及類別方法
3.3 靜態方法
3.4 繼承
3.5 封裝
3.6 抽象類別
3.7 多型
3.8 迭代器
3.9 生成器
|CHAPTER 04| 多執行緒
4.1 本章提要
4.2 建立及執行執行緒
4.3 守護執行緒
4.4 建立執行緒類別
4.5 執行緒池
4.6 使用Lock同步執行緒
4.7 使用queue交換資料
|CHAPTER 05| 多程序
5.1 本章提要
5.2 執行耗時計算任務
5.3 使用Process物件執行耗時計算
5.4 使用Queue交換資料
5.5 使用Process物件建立圖像縮圖
5.6 使用Pool物件建立圖像縮圖
5.7 程序池
5.8 程序間共享記憶體
|CHAPTER 06| 非同步I/O
6.1 本章提要
6.2 平行與並行
6.3 定義協程函式
6.4 await關鍵字
6.5 建立任務
6.6 使用gather()
6.7 取消任務
6.8 使用超時取消任務
6.9 防止任務被取消
6.10 非同步產生器
6.11 aiohttp套件
|CHAPTER 07| tkinter
7.1 tkinker簡介
7.2 建立視窗
7.3 標籤控制元件
7.4 按鈕控制元件
7.5 文字方塊控制元件
7.6 Spinbox控制元件
7.7 文字區域控制元件
7.8 捲軸控制元件
7.9 列表控制元件
7.10 變數類別
7.11 單選按鈕
7.12 核取方塊
7.13 使用pack()設計問卷調查
7.14 使用grid()設計問卷調查
|CHAPTER 08| OpenAI簡介
8.1 自然語言處理
8.2 OpenAI GPT
8.3 取得OpenAI的API密鑰
8.4 提示、完成及標記
8.5 使用Playground
|CHAPTER 09| OpenAI Chat API
9.1 本章提要
9.2 openai套件
9.3 decouple套件
9.4 使用Chat API
9.5 簡易聊天程式
9.6 具對話紀錄的聊天程式
9.7 具串流輸出的聊天程式
9.8 可儲存對話紀錄的串流聊天程式
9.9 以JSON儲存對話紀錄
|CHAPTER 10| 非同步GUI版聊天程式
10.1 本章提要
10.2 tkinter執行非同步I/O
10.3 協程中執行執行緒
10.4 設計非同步GUI版聊天程式
|CHAPTER 11| OpenAI Image API
11.1 本章提要
11.2 文字產生圖像
11.3 顯示圖像
11.4 圖像變形
11.5 GUI版顯示圖像
11.6 非同步GUI版文字生成圖像程式
|CHAPTER 12| OpenAI語音轉文字API
12.1 本章提要
12.2 線上錄音
12.3 使用轉錄API
12.4 Audio API結合Chat API
12.5 文字轉語音
12.6 gTTS結合ChatGPT API
12.7 Pyaudio套件
12.8 非同步GUI版語音聊天程式
立即查看