文档词语检索

【实例简介】 # client_id 为官网获取的AK， client_secret 需要从百度官方申请SK

利用Python获取海康威视摄像头的源码

目录1.应用场景2.卷积神经网络结构  2.1 卷积（convelution）  2.2 Relu激活函数  2.3 池化（pool）  2.4 全连接（full connection）  2.5 损失函数（softmax_loss）  2.6 前向传播（forward propagation）  2.7 反向传播（backford propagation）  2.8 随机梯度下降（sgd_momentum）3.代码实现流程图以及介绍4.代码实现（python3.6）5.运行结果以及分析6.参考文献

python(flask)入门教程.pdf

双曲嵌入作为一种捕获层次信息的方法被提出，可以将丰富的结构信息与现代机器学习分布式表达中所青睐的连续表示相融合。本实例将ICD编码嵌入双曲空间得到表征。下面是代码结构和结果分析： 1）数据预处理——数值向量化 将文本数据转换成数值向量，使用split函数将原本连接的文本数据分开,每个文本我们都会得到一个列表，构成词典。 2）主要程序代码 从上到下分别是建立整个网络模型的，构建网络参数的，和训练网络模型的。 3）参数的传入   训练的时候，这些参数的设置，batchsize是64，batchsize就是每轮训练的时候传入的是64个样本，dim 10表示维度是10，epoch 100表示训练了100轮，chechpoint-freq 是10 表示每过10个epoch保存一次模型。 4）训练过程 这个是训练过程中每一个epoch的loss值，MAP是评价指标

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

python股票数据爬取 需要执行 pip install xlwt -i https://mirrors.aliyun.com/pypi/simple python 3.8 亲测通过

完整版Python-Django项目，调试通过，直接下载即可运行包括：登陆、注册、浏览、搜索、发布资源、评论等多个功能。可作为新手练习，课程设计，毕业设计，代码注释详细，便于理解。

【实例简介】图像匹配

本数据集来自葡萄牙银行定期存款产品营销活动数据，主要包含三部分的信息。第一部分为客户基本信息，如年龄、职业、婚姻状况、受教育程度等；第二部分为与客户的沟通信息，如上次营销活动中与客户沟通时所在的月份、工作日、时长等；第三部分为社会经济数据，如消费者价格指数、消费者信心指数等。 通过此数据集，我们将要探讨以下问题：具备哪什么特征的客户更有可能购买定期存款产品？在什么时间与客户沟通更有可能让客户购买存款产品？如何根据数据分析结果指导银行的营销活动？