yolov5目标检测模型训练网络实例类（Python）

样本数据不均衡的数据的解决方案： 过采样：生成样本少的样本，和样本多的样本一样多（同样多） 下采样：两种样本一样小，从多的样本中删除一部分（同样少） 特征缩放：对Amount列进行特征缩放，使其分布范围和其他特征属性的分布范围保持一致 机器学习误区：会认为数值大的数据重要程度较大，但是我们拿到数据，其实每个属性的重要程度是一样的，所以需要进行特征缩放 所以可以进行：归一化（缩放到0~1）或者标准化(缩放到-1~1)

python初学者可以通过这个例子完成python的基础内容学习

python画爱心案例(基于Turtle)

【实例简介】 python 用于周期性读取从站的数据

【实例简介】python教程

gcn

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）

python使用jieba 分词

1. 实验目的 1） 掌握搜索算法的基本设计思想与方法，  2） 掌握A*算法的设计思想与方法，  3） 熟练使用高级编程语言实现搜索算法，  4） 利用实验测试给出的搜索算法的正确性。   1. 实验问题  寻路问题。以图1为例，输入一个方格表示的地图，要求用A*算法找到并输出从起点（在方格中标示字母S）到终点（在方格中标示字母T）的代价最小的路径。有如下条件及要求：   1） 每一步都落在方格中，而不是横竖线的交叉点。 2） 灰色格子表示障碍，无法通行。 3） 在每个格子处，若无障碍，下一步可以达到八个相邻的格子，并且只可以到达无障碍的相邻格子。其中，向上、下、左、右四个方向移动的代价为1，向四个斜角方向移动的代价为 √2。 4） 在一些特殊格子上行走要花费额外的地形代价。比如，黄色格子代表沙 漠，经过它的代价为4；蓝色格子代表溪流，经过它的代价为2；白色格子为普通地形，经过它的代价为0。 5） 经过一条路径总的代价为移动代价 地形代价。其中移动代价是路径上所做的所有移动的代价的总和；地形代价为路径上除起点外所有格子的地形代价的总和。

【实例简介】