配置文件使用教程：https://blog.csdn.net/weixin_45033342/article/details/90146045#_19

转移学习 使用VGGNet对花朵图像进行分类。

HDR成像 要求 python3（或更高版本） opencv 3.0（或更高版本） 您将需要使用pip3安装一些软件包： 麻木 matplotlib 用法 $ python HDR-playground.py < input img dir > # for example $ python ./HDR-playground.py taipei taipei.hdr 我还提供了一个jupyter版本（ HDR-playground.ipynb ），其功能与HDR-playground.py相同。 jupyter非常适合开发python程序！ 输入格式 输入目录应具有： 一些.png图像 image_list.txt文件应包含： 文件名 接触 1 /快门速度 这是image_list.txt的示例： # Filename expos

卷积神经网络的纹理合成 Tensorflow实现的论文-“使用卷积神经网络进行纹理合成” 在此笔记本中，我们将基于给定的纹理生成新的纹理。 输出将从刮擦噪声图像生成。 该过程的步骤如下。 同样，创建笔记本是为了便于自学。 步骤1：预处理输入图像 步骤2：计算输入图像所有图层的输出。 步骤3：什么是损失函数，并计算损失函数。 步骤4：运行Tensorflow模型以最小化损耗并优化输入噪声变量。 步骤5：后期处理并显示图像。 第6步：自动化处理流程 步骤7：绘制成功结果。 结果： 档案： helper.py-用于预处理图像和后处理图像 tf_helper.py-用于计算给定纹理样本图像

图论于Python 图论算法是在python中实现的。 Jupyter Notebook用于演示该概念，Networkx库在多种算法中用于可视化图形。

jupyter多语言翻译

乳房X光造影质量分类 客观的 该项目使用不同的机器学习算法（包括支持向量机，逻辑回归，决策树，朴素贝叶斯，人工神经网络等）将乳腺肿块分类为良性或恶性。 为每条曲线绘制ROC曲线，以识别问题的最佳分类算法。 问题 乳房X线照相术是当今可用的最有效的乳腺癌筛查方法。 然而，由于乳房X线照片解释导致的乳房活检的低阳性预测价值导致大约70％的不必要的活检具有良性结果。 为了减少不必要的乳房活检的数量，最近几年提出了几种计算机辅助诊断（CAD）系统，这些系统可以帮助医生决定对乳房X光检查中发现的可疑病变进行乳房活检或进行而是进行短期随访检查。 数据集 已使用UCI储存库中的“乳腺摄影质量”公共数据集。 （来源： : ）该数据集可用于根据BI-RADS属性和患者的年龄。 属性数量：6（1个目标字段：严重性，1个非预测性：BI-RADS，4个预测性属性） 属性信息： BI-RADS评估：1到5

Jupyter Notebook + Reveal.js 介绍 Microsoft PowerPoint很酷。 我喜欢！ 这就像顾问的瑞士军刀。 您可以用它制作漂亮的幻灯片。 但是在代码方面，PowerPoint很烂。 真！ 解决方案是使用 。 很酷。 您可以使用Markdown突出显示代码。 它React灵敏，但像LaTeX一样，可能很乏味。 另一种使用reveal.js的方法是通过Jupyter Notebook。 您只需创建一个笔记本，然后使用nbconvert即可获取reveal.js幻灯片。 但是，标准输出很无聊。 我是认真的！ 因此，此回购尝试通过使用自定义的颜色和图像来弥合这一差距。 此外，我们生活在具有云原生生活方式，云原生存储，云原生解决方案的云原生世界中。 那为什么不拥有云原生演示幻灯片呢？ 此回购协议也只需使用cf push即可解决此问题。 入门 创建conda环境： conda env create -f environment.yml 您可以在static文件夹中找到一个笔记本模板，其中包含一些示例，例如封面和分隔幻灯片，降价语法等等。 这是有关使用Ju

I2 NoteBook8.5 在做社会网络分析时还是很牛的，以前但从数据表中很难看出社会关系，但是I2表现得很直观（动画显示），关键是还能分析出紧密度和权重。 我经常会分析实体之间的链接次数，了解其频繁度。还会根据其位置判断是否是核心人物，这个在分析传销或金融诈骗时用得比较多。当然还有就是结合时间序列和地点轨迹进行分析。效果非常好！ I2系列软件最大的弱点就是不能进行复杂的统计运算，有的数据只能用类似如SPSS的软件来实现。 社会网络分析方法是由社会学家根据数学方法﹑图论等发展起来的定量分析方法，近年来，该方法在职业流动、城市化对个体幸福的影响、世界政治和经济体系、国际贸易等领域广泛应用，并发挥了重要作用。社会网络分析是社会学领域比较成熟的分析方法，社会学家们利用它可以比较得心应手地来解释一些社会学问题。许多学科的专家如经济学、管理学等领域的学者们在新经济时代——知识经济时代，面临许多挑战时，开始考虑借鉴其他学科的研究方法，社会网络分析就是其中的一种。

使用PyTorch进行情感分析 存储库将引导您完成构建完整的情感分析模型的过程，该模型将能够预测给定评论的极性（无论表达的观点是肯定的还是负面的）。 要在其上训练模型的数据集是流行的IMDb电影评论数据集。 目录 第一个笔记本涵盖了从原始数据集中加载数据，特征提取和分析，文本预处理以及训练/验证/测试集准备的过程。 第二篇教程包含有关如何设置词汇对象的说明，该对象将负责以下任务： 创建数据集的词汇表。 根据稀有词出现和句子长度过滤数据集。 将单词映射到其数字表示形式（word2index）和反向（index2word）。 启用预训练词向量的使用。 此外，我们将构建BatchItera