火车票分析助手(项目源码下载)-Python项目开发案例集锦11.zip

PYTHON爬虫示例

python机器学习（课件+源码+视频教程）

【实例简介】

【实例简介】 目  录 1  实验整体步骤 2 1.1  Main函数 2 1.2  Canny算法 2 1.3  Hough算法 2 2  算法介绍 3 2.1  Canny算法 3 2.1.1  使用高斯滤波器滤波 3 2.1.2  计算图像的梯度图并获得梯度方向 3 2.1.3  对梯度图进行非极大化抑制 3 2.1.4  使用双阈值法获得最终的边缘图 4 2.2  Hough算法 4 2.2.1  建立参数空间 5 2.2.2  依据边缘点的梯度方向对参数空间进行投票 5 2.2.3  依据预设定的投票阈值筛选出初步结果 5 2.2.4  对已筛选出的结果进行非极大化抑制 5 3  代码实现 5 3.1  Main函数 6 3.2  Canny算法 6 3.3  Hough算法 10 4  实验结果与分析 12 4.1  实验结果 12 4.2 各个参数对于最终定位结果的影响 14 4.2.1  Canny算法 14 4.2.2  Hough算法 14    附录 15

《python可以这样学》讲义.pdf

【实例简介】

Python版本的学生管理系统 管理端账号：000密码：000学生端账号：该生学号密码：1111111、密码均为初始密码，可以随后在系统中自行修改。2、所有操作完成之后必须点退出系统，否则无法保存文件。3、未分配学号的学生无法登陆系统，需先由管理端分配学号之后再登陆系统

【实例简介】 通过加载图像，自己输入水印文字和图像水印位置可以自己生成水印图片

《Python进阶》是《Intermediate Python》的中译本，对Python中的装饰器与推导式等高级用法做了详细说明，适合于掌握Python基础后的进一步提高。 Python的语法相当简洁，即使是生成器、装饰器与推导式等的高级特性利用时，同样可以发挥Pyhton简单高效的优点。 Pyhton3.x与2.x版本语法存在不同的地方，《Pyhton》进阶中的例子会贴出Python3与Pyhton2两个版本的代码，比较难能可贵。 译者在翻译过程中，慢慢发现，本书作者有着科普作家的风范，能将晦涩难懂的技术以较清晰简洁的方式来呈现，深入浅出的风格在每个章节的讨论中都得到了体现：每个章节都非常精简，5分钟就能看完，例子追求简洁，精辟地展现了原理；每个章节都会通过疑问，来引导读者主动思考答案；每个章节都引导读者做延伸阅读，让有兴趣的读者能进步、可以举一反三；每个章节都是独立的，你可以挑选任意的章节开始阅读， 不受影响。

LSTM入门学习，正弦波序列预测         for i, input_t in enumerate(input.chunk(input.size(1), dim=1)):             h_t, c_t = self.lstm1(input_t, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         for i in range(future):  # if we should predict the future             h_t, c_t = self.lstm1(output, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         outputs = torch.stack(outputs, 1).squeeze(2)  # shape after stack:[batch, n, 1], shape after squeeze: [batch,n]         return outputs