廖雪峰 2018官方Python3教程（二）

Django验证码示例(用于登陆验证)

从零开始学Python网络爬虫_源代码.rar

实验四 基于tensorflow实现CNN文本分类.pptx

需配置keras、tensorflow等环境 直接下载keras自带的mnist数据集 经过训练后取得了不错的识别率

目录1.达到的目的2.思路   2.1.强化学习（RL Reinforcement Learing）   2.2.深度学习（卷积神经网络CNN）3.踩过的坑4.代码实现（python3.5）5.运行结果与分析

python绘制一个图形示例源码(tkinter)

Bert-BiLSTM-CRF-pytorch版源代码，实体识别

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

手势识别，从获取样本到训练测试都有代码 需要keras，opencv，tensorflow等库

《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。