这个Jupyter notebook文件包含完整的基于tensorflow进行线性回归的示范， 每个操作都有具体的注释说明，跟B站的视频资源对应。

Jupyter Notebook 的本质是一个 Web 应用程序，便于创建和共享文学化程序文档，支持实时代码，数学方程，可视化和 markdown。 用途包括：数据清理和转换，数值模拟，统计建模，机器学习等等

emnist：使用卷积神经网络对EMNIST数字进行分类

今天在intellij调试spark的时候感觉每次有新的一段代码，都要重新跑一遍，如果用spark-shell，感觉也不是特别方便，如果能像python那样，使用jupyter notebook进行编程就很方便了，同时也适合代码展示，网上查了一下，试了一下，碰到了很多坑，有些是旧的版本，还有些是版本不同导致错误，这里就记录下来安装的过程。 1.运行环境 硬件：Mac 事先装好：Jupyter notebook，spark2.1.0，scala 2.11.8 (这个版本很重要，关系到后面的安装） 2.安装 2.1.scala kernel 从github下载 git clone https:/

英伟达显卡385.41版本驱动程序，适合win10,64位操作系统的笔记本用户下载安装，需要新版本只需下载这个版本，即可在本地计算机上更新到最新版的驱动

风力发电机分类 用于快速异常检测的“正常”风力涡轮机运行行为规范：通过使用机器学习算法 由Nithiya Streethran（gmail.com的nmstreethran） 文件说明 该存储库是为我的硕士论文创建的文件的存档，该存档已于2017年5月至8月之间在赫瑞瓦特大学和自然动力顾问公司完成。 这也是我的第一个Python项目。 毫不奇怪，这些文件需要某种格式来提高可读性，这是我毕业后所做的。 我没有对代码或文档进行任何重大更改，因此此存储库仍包含一堆独立脚本而不是程序包。 current分支具有格式化的代码和学位论文。 论文可在查看[ ]。 可以使用或下载（也可在）访问原始提交。

最近在学习文本分析处理中的句法分析时需要导入斯坦福的stanfordcorenlp模块，然后我在cmd中pip install stanfordcorenlp -i https://pypi.tuna.tsinghua.edu.cn/simple 进入jupyter载入模块时候仍提示了ModuleFoundError，如下图：  经过一番查询，有的用复制粘贴把模块移动到指定路径下，只是从表面上解决了问题，像我这种打破砂锅问到底的性格这种答案显然是无法打动我的。最后在我的不懈努力终于明白了其中的奥妙。 这里涉及了两个路径 一个是在Anaconda中jupyter中的python编译路径，我们可

视频异常检测 目的 具有多种算法的视频异常检测系统，并提供实时支持。 目前实施的方法 对于每种方法，都应该有一个jupyter笔记本，评估支持（进行样本测试并输出是否异常）和实时支持。 方法 笔记本状态 评估支持 实时支持 去做 做完了 去做 做完了 去做 去做 构型 通过复制Config.py.example创建一个新的Config.py，其中包含以下参数。 DATASET_PATH ：USCDped1 / Train目录的路径。 SINGLE_TEST_PATH ：要运行的测试样本。 RELOAD_DATASET ：布尔参数。 如果是第一次读取数据库，则设置为True否则从缓存中读

更新：不会再有更新。 不幸的是，我停止了与 Google Earth Engine 相关的项目。 谷歌地球引擎 Python API 示例 用于 API 的的集合。 适用于 Google Earth Engine 的 Jupyter Notebook 教程 001 Landsat 8 TOA 影像的土地覆盖分类 Landsat 8 的分类示例，包括多个植被指数和对象特征提取。 此示例基于 S.Gebhardt 等人的科学著作“ ”。 al 2014。最终您无法访问训练数据。 如果您对训练数据感兴趣，请随时与我联系。 002 Landsat 8 TOA 图像的缨帽变换 Landsat 8 TOA 图像的流苏帽变换基于 M.Baigab、L.Zhang、T.Shuai 和 Q.Tong 的科学著作“基于 Landsat 8 卫星反射率的流苏帽变换的推导”（2014 年）。 003 Proba

PRML中英文原书+PPT+笔记+书中图片实现notebook代码。