登录
首页 » Python » svm实验指导.pptx

svm实验指导.pptx

于 2020-11-28 发布
0 305
下载积分: 1 下载次数: 1

代码说明:

支持向量机的实验指导

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 高德地图58租房(项目源码下载)-Python项目开发案例集锦12.zip
    高德地图58租房(项目源码下载)-Python项目开发案例集锦12.zip
    2019-09-22下载
    积分:1
  • faster Rcnn(python)demo
    现在了faster rcnn
    2019-11-27下载
    积分:1
  • 信息轰炸源码
    【实例简介】微信、QQ等聊天软件信息轰炸,在输入间隔时间、内容、数量后,将鼠标光标定位到聊天窗口输入框,发送模式调整为回车键发送,即可自动发送
    2021-11-16 00:32:53下载
    积分:1
  • 逻辑回归
    逻辑回归
    2021-05-06下载
    积分:1
  • 股票预测 LSTM 时间序列rnn 代码程序数据集.zip
    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
    2020-02-21下载
    积分:1
  • Python进阶(Intermediate Python) 中文PDF彩色版
    《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。
    2020-03-02下载
    积分:1
  • python学生信息管理系统(Django入门级示例)
    实现了增删改查等基本操作 运行环境:python 2.7  django==1.8  mysql 5.7.26 开发环境:Pycharm 【调试说明】 1. 修改 settings.py 中的数据库信息 为你本机数据库信息,同时要在mysql中创建上数据库 student_crud 2. 运行命令 初始化数据库相关表(或者直接使用附件中的sql脚本创建)  D:idePython27Scripts>python D:StudyProjectsPythonProjectDjango_CRUD_Student-mastermanage.py migrate 3. 运行命令 打开网址 D:idePython27Scripts>python D:StudyProjectsPythonProjectDjango_CRUD_Student-mastermanage.py runserver
    2018-09-13下载
    积分:1
  • 源码下载:Python实时视频采集(opencv)
    源码下载:Python实时视频采集(opencv)
    2019-05-05下载
    积分:1
  • 图像去雾
    直方图去雾算法
    2021-05-06下载
    积分:1
  • LSTM入门正弦波序列预测
    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
    2021-06-30 00:31:01下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载