librosa_test.py

程序实现： 利用多种回归模型对华北八省市的实验区TRMM影像数据进行矫正 回归模型包括：多元线性回归、贝叶斯岭回归、弹性网络回归、支持向量机回归、梯度增强回归 通过对比发现：梯度增强回归模型的拟合效果最好，精度最高 回归模型的自变量包括：TRMM影像数据、DEM数据、经度、纬度 因变量为：实验区的站点插值数据 模型建立之后，将其应用于测试集数据，实现降雨数据的矫正

对pyinstaller打包exe反编译 简述 主要使用pyinstxtractor.py的pyinstxtractor.py将exe还原为.pyc，然后还有生成的stract文件中获取前8个字节（magic）补充到目标文件，这里我用python解决了。然后使用uncompyle做的将.pyc转到.py 使用 pip install uncompyle 只需将exe放到当前目录，运行extractFile.py ，即可得到python文件 中间过程生成的文件全部会自动删除 版本 可能编译python版本不同，用不了（测试的3.7可以用）

由于TensorFlow中文社区中的input_data.py无法现在,经过多方寻找,找到了该文件,存在一些小小的问题,被我修改了之后,可以在本地运行.

统计文件`Q4.txt`中26个英文字母出现的次数并输出，文件读取代码已给出在`Q4.py`中。

nn.py 从头开始用Python编写的简单前馈神经网络实现。 该代码现在有点像意大利面条。

python实现数据扩增操作（含有水平、垂直翻转，各种颜色抖动（高斯模糊，普通模糊，边缘增强，浮雕，轮廓等），多角度旋转）。自己也用这代码，真实可靠

人脸识别py，数字图像处理课程作业

微博搜索的小爬虫，修改下关键词就可以用

Python文件转成EXE文件，自动化脚本 十分方便，简单 Pycharm Run一下即可！