搜索资源列表
python_work
- python入门代码,入门基础，简单的代码(how to use python, the basic code)
流畅的python2015
- 流畅的python2015，PDF版，有一定基础之后再看。(Smooth python2015, PDF version, there is a certain basis before looking.)
菜鸟教程
- Python 入门教程，详解基础语法，适用于初学者(Python Introductory tutorials)
Python-Tensorflow-Face-master
- Python人脸识别实现，可以打开摄像头进行多人人脸识别，需要一定的深度学习基础(Python face recognition implementation, you can open the camera for multi person face recognition, you need a certain depth of learning foundation.)
基于Python的Abaqus二次开发实例讲解
- 基于python的二次开发案例。1、所有的代码均可以先在Abaqus\CAE中操作一遍后再通过rp文件读取，然后再在此基础上进行相应的修改； 2、Python是一种解释性语言，读起来非常清晰，因此在修改程序的过程中，不存在程序难以理解的问题； 3、Python是一种通用性的、功能非常强大的面向对象编程语言，有许多成熟的类似于Matlab函数的程序在网络上流传，为后期进一步的数据处理提供了方便。(Python-based second
新建文件夹
- 图像识别物体，matlab 自动识别物体，视频识别，自带训练集，Python基础教程(Image recognition object, Matlab automatic object recognition, video recognition, training set with itself. Python basic tutorials)
CreatePlate
- 用于基础创建建立GUI插件——三维钻孔板(Three-dimensional drilling plate)
实战源码
- 零基础学Python实战源码。包含书中所有源码，可供Python初学者学习使用(Zero Foundation Python Actual Source Code)
ILearnMachineLearning.py-master
- 这个储存库是我的作品和与数据科学和机器学习相关的项目的集合。在我的脚本中，我主要使用python及其专用的库：pandas、numpy、scipy、sci kit learn、matplotlib、basemap plotly。我还用了一些d3进行数据可视化。我还尝试从sci kit学习库中定制算法实现(This repository is a collection of my works and projects related to
Scipy
- SciPy—数值计算库 在NumPy的基础上增加一些功能 1、常数和特殊函数 2、线性代数-linalg 3、优化 （1）非线性方程组求解 （2）最小二乘拟合 （3）函数最小值 4、插值—interpolate （1）B样条曲线插值 （2）外推和Spline拟合 （3）二维插值 5、数值积分—integrate （1）球的体积 （2）解常微分方程组 6、统计—stats （1）连续和离散概率分布 （2）
深度学习入门之PyTorch
- 学习pytorch基础一本好书，中文，简单易懂，值得入手(Learning Pytorch basic is a good book, Chinese, simple and easy to understand, it is worth starting with.)
01 Linux基础资料
- 在linux平台上搭建python编程环境，需要了解linux平台的基础知识(To build python programming environment on Linux platform, we need to understand the basic knowledge of Linux platform)
Deep Learning with Python
- 深度学习基本算法，深度学习with python作为标题建议介绍深度学习使用Python编程语言和开源Keras库，它允许简单快速的原型设计。 在Python深度学习中， 你将从一开始就学习深度学习，你将学习所有关于图像分类模型，如何使用深度学习获取文本和序列，甚至可以学习如何使用神经网络生成文本和图像。 本书是为那些具有Python技能的人员编写的，但你不必在机器学习，Tensorflow或Keras方面有过任何经验。你也不需要
爬虫练习
- 在各种基础Python上进而学习爬虫项目！(Learn about crawler projects on a variety of basic Pythons!)
fast-rcnn-master
- Fast R-CNN是在R-CNN的基础上进行的改进，大致框架是一致的。总体而言，Fast R-CNN相对于R-CNN而言，主要提出了三个改进策略： 1. 提出了RoIPooling，避免了对提取的region proposals进行缩放到224x224，然后经过pre-trained CNN进行检测的步骤，加速了整个网络的learning与inference过程，这个是巨大的改进，并且RoIPooling是可导的，因此使得整个网络可
simhash
- 针对网络爬虫获取的文本进行去重和筛选，保留样本多样的基础上去重重读的文本(web clawer to let the simple word ,and make more information to abtain)
lab_00
- Python与开源GIS,数据处理、空间分析与地图制图的基础入门。(General introduce to the application of Python to ArcGIS.)
python基础数据分析实例
- 假设要分析的数据包括属性age。数据元组的年龄值为（按递增顺序）13、15、16、19、20、20、21、22、22、25、25、25、25、25、30、33、35、35、35、36、40、45、46、52、70。另外，假设一家医院用上述年龄属性对所选样本受试者的年龄和体脂数据进行测试，得到结果，并执行下列操作： 1、将上述数据保存在逗号分隔值文件中。 2、将逗号分隔值文件中的数据读入R中的变量。 3、年龄和脂肪百分比的平均、中等和标准
Python数据分析与挖掘实战
- 本书共15章，分两个部分：基础篇、实战篇。基础篇介绍了数据挖掘的基本原理，实战篇介绍了一个个真实案例，通过对案例深入浅出的剖析，使读者在不知不觉中通过案例实践获得数据挖掘项目经验，同时快速领悟看似难懂的数据挖掘理论。读者在阅读过程中，应充分利用随书配套的案例建模数据，借助相关的数据挖掘建模工具，通过上机实验，以快速理解相关知识与理论。(There are 15 chapters in this book, which are divid
Python编程：零基础到入门
- 前腾讯高级开发工程师推荐入门必备，让你快速上手Python，见证Python的魅力！