微博内容爬取

python 实现TCPSocket服务端

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。

需安装 pip install python_docx 生成的word文档如下

招投标管理系统—python django sqlite3 环境下开发，作者本人开发，现在拿出来共同学习。 前台用户：test    123456 后台用户：admin 8ik,9ol.

年会抽奖 示例源码(带音效，python已打包成exe)

手写数字识别实验报告 ├── 基于MLP的手写数字识别机制.docx└── mnist代码流程图.vsdx   1 directory, 2 files

可以直接运行的车牌识别代码，基于Python语言的车牌识别代码，

从图像数据集读取图片并拼接成大图

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

用于时间序列预测的lstm