GA优化CNN

飞机大战

【实例简介】 python采集【东方财富网 > 行情中心 > 沪深指数 > 上证系列指数】数据 解压后直接运行，本地产出.xlsx

代码用于猫-非猫图片的二分类问题（附件内给出h5格式的数据集），基于Pytorch神经网络工具包，采用比较经典的逻辑回归（Logistic Regression）算法。

这是第一天的教程目录，该实例一共8天的教程，讲的非常详细 目录 Django框架的介绍Django的安装Django框架开发创建项目的指令Django项目的目录结构HTTP协议HTTP协议的请求和响应请求request 和 响应 responseURL 介绍路由Django 中的 URL路由配置视图viewurl和带有参数的视图函数url 正则表达式命名分组(?pxxx) 和 带有参数的视图函数请求和响应HTTP 请求HTTP 响应GET方式传参GET方式传参参数获取(查询字符串 Query String)POST传递参数的获取Django中的应用 - app什么是应用(app)创建应用appDjango应用的结构组成 day01 Django框架的介绍

python画爱心案例(基于Turtle)

《GAN：实战生成对抗网络》代码(刘梦馨)

《python可以这样学》讲义.pdf

python实现登录注册-图片文字识别（基于百度api） 均为新手级别示例，基于tkinter

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

【实例简介】 这就是学python的一堆ppt课件