python+mysql数据池

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】 zuco-nlp-master 结合脑电眼动特征的自然阅读认知分析

关于Python的小例子，适合Python初学者

林轩田机器学习笔记

卷积神经网络python实现。 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积或相关计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 [1-2] 。由于卷积神经网络能够进行平移不变分类（shift-invariant classification），因此也被称为“平移不变人工神经网络

搜遍全网也没看见个带书签的Python的标准库参考手册，只好用了一晚上的时间自己做了一个，本手册是基于2118页的中文版制作的书签，方便给需要的人。

【实例简介】 1.给定一对图像，利用提取好的SIFT特征文件，根据距离阈值准则（跨图像的局部SIFT特征距离小于0.4），得到图像间的初始局部特征匹配关系 2.基于上述初步匹配结果，实现spatial coding方法，进行匹配校验，确定几何不一致的匹配 3.将几何一致的匹配和不一致的匹配在图像上画出来，分别用蓝色和红色进行区分

《python可以这样学》讲义.pdf

进制之间互相转换（支持、八进制、二进制、十六进制、十进制之间转换）

【实例简介】