QQ空间爬虫（QQSpider）源码

【实例简介】深度学习常用损失函数的基本形式、原理及特点

python 五子棋 游戏源码(python 2.7入门级)

目录1.达到的目的2.思路   2.1.强化学习（RL Reinforcement Learing）   2.2.深度学习（卷积神经网络CNN）3.踩过的坑4.代码实现（python3.5）5.运行结果与分析

unet用于图像分割（model.py）

开心麻花影视作品分析(项目源码下载)-Python项目开发案例集锦13.zip

本书是一部系统论述Python编程语言、OOP编程思想以及函数式编程思想的立体化教程（含纸质图书、电子书、教学课件、源代码与视频教程）。为便于读者高效学习，快速掌握Python编程方法。本书作者精心制作了电子书、完整的教学课件、完整的源代码与丰富的配套视频教程以及在线答疑服务等内容。 本篇包括8章内容，系统介绍了Python语言的基础知识。内容包括Python语言历史，Python语言的特点，开发环境的搭建，创建第一个Python程序，Python语法基础，Python编码规范，数据类型，运算符和控制语句，Python数据结构，函数式编程。通过本篇的学习，读者可以全面了解Python的发展及特点，详细了解Python的语法规范，初步掌握Python程序设计的基本方法。 第1章 开篇综述 第2章 开发环境搭建 第3章 第一个Python程序 第4章 Python语法基础 第5章 Python编码规范 第6章 数据类型 第7章 运算符 第8章 控制语句 第9章 数据结构 第10章 函数式编程

学MaixPy之机器视觉，在MaixPy IDE开发环境，用Maix Dock K210开发板，实现动态识别色块，包括红、蓝、绿、黄四个色。

使用的是最新版本的PyQt5.9，详细讲解了PyQt5的各个知识点，包含从入门到实战的所有例子。本书共包含11个章节，这些章节基本包含了笔者在使用PyQt中遇到的绝大多数技术以及一些简单的应用。本书虽然有11个章节，但是有些章节是具有独立性的，读者可以针对自己的实际情况选择性阅读。本书第一章介绍了PyQt的入门知识，讲述了PyQt的安装配置以及Eric6这个IDE的简单使用方法。对于对PyQt已经有一定基础的朋友可以略去这一章。本书第二章简单介绍了Python的基本语法，本章针对一些没有接触过python的读者，对于Python已经有一些基础的朋友可以略去这一章。本书第三章介绍Qt Designer的使用方法，Qt Designer是一个PyQt的可视化界面编辑程序，他的作用是帮助我们快速开发出界面文件，我们可以通过其他方式把界面文件转化成python代码文件。对于不懂太多PyQt知识的读者来说，本章可以让你快速入门，同时，本章也是让自己的PyQt技术快速进步的最重要的章节。本书第四章介绍了PyQt的基本控件的使用方法，如果读者时间并不充裕，只对部分控件感兴趣，可以选取相应的小节进行阅读。本书第五章介绍了PyQt的高级控件的使用方法，如果读者对PyQt的表格、树、多文本页面、数据库、多线程等等感兴趣，可以在这一章中选择相应的小节阅读。本书第六章重新介绍了PyQt的布局管理的使用（之前在第3章通过Qt Designer的使用方法中已经介绍，第3章是通过Qt Designer这个代码生成器进行介绍，这里通过手工敲打代码的方法介绍）。由于布局管理非常重要，值得我们以一个新的章节介绍，如果读者对纯代码实现布局管理器感兴趣可以参考这一章，如果对代码生成器Qt Designer的布局管理器感兴趣也可以忽略这个章节。实际上两种方法并没有本质的区别。本书第七章介绍了PyQt信号与槽的应用，信号与槽是PyQt的核心，想要掌握PyQt的高级玩法的朋友可以仔细阅读这个章节。本书第八章介绍了PyQt的图形特效，如果读者对PyQt绘图，背景着色等感兴趣，可以阅读这个章节。本书第九章介绍了PyQt的扩展应用，如果你想知道如何把Python的一些非常流行的模块如pyinstaller、pandas、matplotlib、pyqtgraph、plotly等与PyQt结合，可以从这一章节中选择性的阅读。本书第十章通过几个例子介绍PyQt的实战应用，想要简单了解一些简单的程序是如何开发的朋友可以选择性的阅读这个章节。本书第十一章介绍PyQt在金融领域中的应用，是本书的另一个作者孙洋在金融公司工作过程中积累的一些实战性较高的案例，向读者展示PyQt如何应用到投资研究系统、量化投资、以及金融工具开发，读者可以根据自己的需求选择性阅读。

python教程:Python 实战-从菜鸟到大牛的进阶之路 - v1.1.pdf

《TensorFlow实战(黄文坚)》目录： 1 TensorFlow基础 11.1 TensorFlow概要 11.2 TensorFlow编程模型简介 42 TensorFlow和其他深度学习框架的对比 182.1 主流深度学习框架对比 182.2 各深度学习框架简介 203 TensorFlow第一步 393.1 TensorFlow的编译及安装 393.2 TensorFlow实现SoftmaxRegression识别手写数字 464 TensorFlow实现自编码器及多层感知机 554.1 自编码器简介 554.2 TensorFlow实现自编码器 594.3 多层感知机简介 664.4 TensorFlow实现多层感知机 705 TensorFlow实现卷积神经网络 745.1 卷积神经网络简介 745.2 TensorFlow实现简单的卷积网络 805.3 TensorFlow实现进阶的卷积网络 836 TensorFlow实现经典卷积神经网络 956.1 TensorFlow实现AlexNet 976.2 TensorFlow实现VGGNet 1086.3 TensorFlow实现GoogleInceptionNet 1196.4 TensorFlow实现ResNet 1436.5 卷积神经网络发展趋势 1567 TensorFlow实现循环神经网络及Word2Vec 1597.1 TensorFlow实现Word2Vec 1597.2 TensorFlow实现基于LSTM的语言模型 1737.3 TensorFlow实现BidirectionalLSTMClassifier 1888 TensorFlow实现深度强化学习 1958.1 深度强化学习简介 1958.2 TensorFlow实现策略网络 2018.3 TensorFlow实现估值网络 2139 TensorBoard、多GPU并行及分布式并行 2339.1 TensorBoard 2339.2 多GPU并行 2439.3 分布式并行 24910 TF.Learn从入门到精通 25910.1 分布式Estimator 25910.2 深度学习Estimator 26710.3 机器学习Estimator 27210.4 DataFrame 27810.5 监督器Monitors 27911 TF.Contrib的其他组件 28311.1 统计分布 28311.2 Layer模块 28511.3 性能分析器tfprof 293参考文献 297