บทนำpyperclip คัดลอก/วางข้อความไปยัง clipboard ทำงาน cross-platform (Windows, macOS, Linux) รองรับ Python 2 และ 3การติดตั้งpip install pyperclipการใช้งานCopyimport pyperclip pyperclip.copy(Hello world!)Pastetext = pyperclip.paste() print(text) # Hello world!Wait for New Pastepyperclip.copy(Hello wo

บทนำpydoc สร้างเอกสารจาก Python modules อัตโนมัติ แสดงได้เป็น: console text, web browser, HTML filesการเริ่มต้นimport pydocInteractive Help Shell pydoc.help() # เข้า interactive help → พิมพ์ชื่อ module/function/classแสดงเอกสารบน Browserpython -m pydoc -b # Server ready at https://localhost:PORT/ → เ

บทนำtime module ให้ฟังก์ชันจัดการเวลา: current time, sleep, formatting, struct_time objectการเริ่มต้นimport timeฟังก์ชันหลัก1. เวลาท้องถิ่นปัจจุบันseconds = time.time() # seconds since epoch (Jan 1 1970) local_time = time.ctime(seconds) print(Local time:, local_time) # Local time: Sun Jan

บทนำtkinter เป็น GUI toolkit built-in ของ Python สร้าง desktop apps ได้ง่ายเตรียมความพร้อมpip install Pillow # สำหรับโหลดรูปไอคอนโฟลเดอร์โครงสร้าง:Working Directory/ Calculator.py assets/ Calculator/ Logo.ico, one.PNG, two.PNG, ...ฟังก์ชันหลักtxt = res = False ans = 0 def press(num)

บทนำFlower dataset (TensorFlow datasets) มีรูปดอกไม้หลายพันรูป 5 คลาส (daisy, dandelion, roses, sunflowers, tulips) โครงสร้างโฟลเดอร์ต่อคลาสโค้ดตัวอย่างprint(Loading parameters for the loader) batch_size = 32 img_height = 180 img_width = 180 print(Preprocessing the image dataset using Keras) print(

บทนำVisualize ข้อมูลภาพช่วยตรวจสอบว่า loading/preprocessing ถูกต้อง ใช้ matplotlib.pyplot.imshowโค้ดตัวอย่างimport matplotlib.pyplot as plt print(Visualizing the flower dataset) plt.figure(figsize=(10, 10)) for images, labels in train_ds.take(1): for i in range(6): ax = plt.subplot(3, 3,

บทนำSQLite เป็น embedded database ไฟล์เดียว ไม่ต้องติดตั้ง server Python มี sqlite3 module built-inเริ่มต้นใช้งานimport sqlite3สร้าง/เชื่อมต่อ Databasedatabase = sqlite3.connect(Student_records.db) print(Connection has been made successfully!) database.close()จะสร้างไฟล์ Student_records.db ใน workin

บทนำData standardization: ปรับสเกลค่าพิกเซลให้อยู่ในช่วง [0,1] แทนที่จะเป็น [0,255] ช่วย neural network เรียนรู้ได้ดีขึ้นโค้ดตัวอย่างfrom tensorflow.keras import layers print(Standardizing the data using a rescaling layer) normalization_layer = tf.keras.layers.experimental.preprocessing.Rescaling(1.

บทนำDjango เป็น Python web framework ฟรี open-source คุณสมบัติ: เร็ว, secure (ป้องกัน SQL injection, XSS, CSRF), scalable, มี built-in features (auth, admin, RSS, sitemaps)ตั้งค่าสภาพแวดล้อมpython -m pip install virtualenv mkdir django-intro cd django-intro virtualenv env source env/bin/activate #

บทนำอีกวิธี configure dataset ให้เร็วขึ้น: ใช้ cache() + prefetch() พร้อมใส่ Rescaling layer เข้าในโมเดลโดยตรงโค้ดตัวอย่างAUTOTUNE = tf.data.AUTOTUNE train_ds = train_ds.cache().prefetch(buffer_size=AUTOTUNE) val_ds = val_ds.cache().prefetch(buffer_size=AUTOTUNE) num_classes = 5 print(A sequential

บทนำหลังสร้างโมเดล CNN สำหรับ Flower classification (5 คลาส) ขั้นตอนต่อไปคือ compile (กำหนด loss, optimizer, metrics) และ fit (train)โค้ดตัวอย่างprint(The model is being compiled) model.compile( optimizer=adam, loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=[accu

บทนำpynput ควบคุมและฟัง (monitor) อุปกรณ์ input: mouse (pynput.mouse) และ keyboard (pynput.keyboard)การติดตั้งpip install pynputควบคุม Mouse {0}.format(mouse.position)) mouse.move(30, 15) # ย้าย relative mouse.press(Button.left) # กดปุ่มซ้าย mouse.release(Button.left)

บทนำpython-pptx สร้าง/แก้ไข PowerPoint (.pptx) ด้วยโค้ด Python รองรับ Python 2.6–3.6+การติดตั้งpip install python-pptxสร้าง Presentation พื้นฐานfrom pptx import Presentation X = Presentation() # Layout 0 = Title Slide Layout = X.slide_layouts[0] first_slide = X.slides.add_slide(Layout) first_slide.

บทนำCryptography คือการแปลง plaintext → ciphertext (encrypt) และกลับมา (decrypt) ใช้ Fernet (symmetric encryption) จาก package cryptographyการติดตั้งpip install cryptographyขั้นตอนหลัก1. Generate Keyfrom cryptography.fernet import Fernet key = Fernet.generate_key() f = Fernet(key) print(key.decode()

บทนำtf.data.Dataset ให้การควบคุม input pipeline ลึกกว่า keras.preprocessing: shuffle, batch, prefetch, custom transformsโค้ดตัวอย่างprint(Defining customized input pipeline) list_ds = tf.data.Dataset.list_files(str(data_dir/*/*), shuffle=False) list_ds = list_ds.shuffle(image_count, reshuffle_each_i

บทนำสร้าง function process_path(file_path) ที่แปลง path string → (image tensor, label int) ประกอบด้วย 3 sub-functionsโค้ดตัวอย่างprint(Function to convert file path to (image,label) pair) print(First, path is converted to list of path components) print(Then, the second to last value is added to clas

บทนำtf.data.Dataset.map() ใช้แปลงแต่ละ element ของ dataset (เช่น file path → (image tensor, label integer)) แบบ parallelโค้ดตัวอย่างprint(The num_parallel_calls is set so that multiple images are loaded and processed in parallel) train_ds = train_ds.map(process_path, num_parallel_calls=AUTOTUNE) val

บทนำRegular Expressions (RegEx) ใช้ค้นหา แทนที่ ตรวจสอบ pattern ในข้อความ ใช้ใน text editors, search engines, validators ฯลฯการเริ่มต้นmodule re มาพร้อม Python: import reฟังก์ชันหลักFunctionคำอธิบายre.compile(pattern, flags)คอมไพล์ pattern เป็น regex object (reuse ได้)re.search(pattern, string, flag

บทนำเพื่อให้ training เร็วและไม่ bottleneck ที่ I/O ใช้ tf.data API configure dataset: cache, shuffle, batch, prefetchโค้ดตัวอย่างprint(A function is defined that configures the dataset for performance) def configure_for_performance(ds): ds = ds.cache() ds = ds.shuffle(buffer_size=1000)

บทนำหลังสร้างและ compile โมเดลสำหรับ Flower classification (5 คลาส) ใช้ fit() เทรนต่อ พร้อมระบุ epochs และ validation dataโค้ดตัวอย่างprint(The data is fit to the model) model.fit( train_ds, validation_data=val_ds, epochs=3 )ผลลัพธ์The data is fit to the model Epoch 1/3 92/92 [==========