python实现TensorFlow2 股票股价预测(源码)

图书管理系统 使用说明 功能演示： 下载整个程序包，确保系统有python3环境，打开cmd，输入命令（替换成本机的工程目录地址）： python F:ook_management_sysook_management_sys.py runserver 浏览器输入 http://127.0.0.1:5000/ 进入系统 系统分两类用户：普通读者用户，管理员用户。 普通读者用户可以查看图书信息和查看借阅记录，在登录页顶端导航栏切换功能，不用输入用户名、密码。 管理员用户可使用一切功能，账号、密码登陆后，进行日常业务操作。 测试数据： 图书信息书名可填写“学习”“机器”，类别可填写“计算机”等；学生借阅卡可填写：16000001,16000002,16000003（该卡无借阅记录）；

利用Python获取海康威视摄像头的源码

绘制三维直线图，将飞机飞行的航迹用（经度，纬度和高度）来描述

搜遍全网也没看见个带书签的Python的标准库参考手册，只好用了一晚上的时间自己做了一个，本手册是基于2118页的中文版制作的书签，方便给需要的人。

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

梯度下降求解逻辑回归（.ipynb）

人脸数据，Python代码，介绍了LDA,PCA,SVD技术在人脸识别中的理论和Python实现

Django验证码示例(用于登陆验证)

【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

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