基于BP神经网络实现共享单车数据预测， 可以运行，还有详细的注释 环境：anaconda+jupyter notebook。 文件包含代码+数据集

CS：APP实验室 这个项目是《 CS：APP》第三版的相关实验解答和笔记，实验的所有实验室已经上传在下，来源是。 目录： 包含所有的lab文件，以及CMU给的参考文档，也包含我写的解答文件，我的实验环境是Ubuntu 16.04 amd-64，其中保存了所有lab的原文件； 是我写的笔记： 涉及到位运算，补码和浮点数等内容，都是C语言程序设计题。 清除二进制炸弹，可以大大提升看汇编代码的能力。 这个实验室主要涉及了栈随机化，不可执行等栈保护的方法和使栈溢出，ROP攻击等内容。 Architecture Lab，涉及了Y86-64指令集，以及SEQ和PIPE的实现方式，以及程序优化等内容，可以熟悉汇编和硬件语言HCL。 这个实验室在CMU已经被Cache Lab取代了，考虑到Cache Lab比较难，可以先做这个lab练练手，虽然这个也有困难。基于书上第五，六章对程序进行优化，主要用了循环分块消除缓存不命中和消除分支预测错误等方法。 A部分要求写一个缓存模拟器，B部分要求优化矩阵转置函数，减少缓存不命中数。这个实验室可以加深对缓存的理解。已写完A部分。

操作步骤 进入命令行环境。我使用的是conda。有两种方式进入命令行。 方法1：通过anconda navigator界面，选择environments，选择对应环境名，选择open terminal 方法2：直接使用cmd或者terminal等终端进入命令行。激活你想要配置代码补全的环境（如果是默认环境不用激活） 1.安装nbextensions  pip install jupyter_contrib_nbextensions -i https://pypi.mirrors.ustc.edu.cn/simple jupyter contrib nbextension install --

Spotify笔记本 这是Spotify的主要内容的Python部分，主要探讨python的数据分析技术和表示样式。 这是创建仪表盘的基础。 归纳法 这是通过名为Spotify.ipynb的文件中的python和jupyter notbook完成的数据可视化和分析 了解类别 内容 “ data.csv”文件包含从Spotify Web API收集的170,000首歌曲，您还可以在其他数据集中找到按艺术家，年份或流派分组的数据。 该数据集由Kaggle用户YamaçEren Ay上传，您可以在这里找到原始数据集 主： id（Spotify生成的轨道的ID） 数值： 声音（范围从0到1） 舞蹈性（范围从0到1） 能量（范围从0到1） duration_ms（整数通常为200k至300​​k） 工具性（范围从0到1） 价（范围从0到1） 受欢迎程度（范围从0到100） 速度（

python语言对于计算机专业的学生，不管是计算机软件还是物联网，都是很重要的一种编程语言，python未来在人工智能方向上是会有很大的贡献程度的，不仅体现在语言灵活多变，还能处理很多文件、图片、图像、等数据。 本次博客，林君学长主要带大家了解python中以下的方面 理解筛选法求解素数的原理 理解列表切片操作 熟练运用内置函数 enumerate() 熟练运用内置函数 filer() 理解序列解包工作原理 初步了解选择结构和循环结构 例题： 编写程序，输入一个大于 2 的自然数，然后输出小于该数字的所有素数组成的列表 python学习—–使用列表实现筛选法求素数目录一、列表实现筛选法求素数的

使用机器学习预测足球比赛结果：在Jupyter Notebook中使用机器学习算法进行足球比赛预测

概率论中各分布函数的图像绘制，解释详细，也可以作为其他图像绘制的参考。 可以用jupyter notebook打开此文件

20个新闻组文本分类 本笔记本包含使用数据集、使用和库的文本分类实现，以及使用库的一些模型解释。 本笔记本随附的博客文章：

肝分割项目 目的：目的是通过计算机视觉在患者扫描时自动描绘肝脏。 所使用的方法来自研究论文 在此项目中，我们将这种方法应用于本研究论文描述的肝图像分割。 数据 提供NifTi格式的数据。 该数据集包含20种3D医学检查，我们为每项检查都提供了源图像以及肝脏分割的遮罩。 我们使用nibabel库（ ）来读取关联的图像和蒙版。 模型 我们训练了一个U-net架构，一个完全卷积的网络。 该体系结构的原理是在通常的签约网络中添加带有上采样运算符的层而不是池。 这允许网络学习上下文（契约路径），然后学习本地化（扩展路径）。 由于跳过连接，上下文信息被传播到更高分辨率的层。 因此我们拥有与输入相同大小

建议下载pyecharts(0.5.xx)版本，如果使用 pip install pyecharts 默认安装V1版本(如1.7.1)会出现如下报错： 1、Bar模块导入问题 from pyecharts import Bar 报错： cannot import name ‘Bar’ 解决办法： from pyecharts.charts import Bar 2、Bar 使用报错 from pyecharts import Bar bar =Bar("我的第一个图表", "这里是副标题") #标题 bar.add("服装", #标签 ["衬衫", "羊毛衫", "雪纺衫"