HDF批量转TIF

计算机视觉，局部图像描述子python实现harris角点检测，特征匹配，sift特征检测和匹配，可以直接运行，内附VLFeat工具包sift，立体图像的特征提取和匹配是机器人视觉定位的核心技术，立体图像的特征点的匹配精度直接影响视觉导航定位的精度。

源程序代码 详解 股票预测  LSTM 时间序列rnn 代码程序数据集下载压缩包

联邦学习的基本框架

使用训练好的模型进行物体识别，对于人、车的识别成功率极高，亲测好用！

近400道python基础题以及答案

手势识别，从获取样本到训练测试都有代码 需要keras，opencv，tensorflow等库

python实现多种风机数据清洗，绘制功率曲线，包括kmeans，DBSCAN，KernelDensity等方法

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

开发环境要求 本系统的软件开发及运行环境具体如下。 ü 操作系统：Windows 7、Windows 10。 ü  Python版本：Python 3.7.1。 ü 开发工具：PyCharm 2018。 ü Python内置模块：sys、random、codecs。 ü 第三方模块：pygame。 注意：在使用第三方模块时，首先需要使用pip install命令安装该模块，例如，安装pygame模块，可以在Python命令窗口中执行以下命令：pipinstall pygame 运行方法 打开PyCharm开发环境，然后在主菜单上选择File→Open菜单项，在打开的Open File or Project对话框中，选择项目foo，如图1所示。 Python项目开发案例集锦之5章

OPENMV捕捉到颜色模块，并处理他的目标，得出X Y值 并加入串口检验位 此次校验位为 字符sp