文件夹包括data子文件夹（里面是用于训练卷积神经网络的CIFAR-10数据集）、CIFAR-10.ipynb（里面是卷积神经网络的实现代码，在jupyter里运行它便可以训练自己的卷积神经网络）。文件夹中其他文件是写代码时我做测试用，不影响对最后的结果，可以不看。代码准确无误，下载后直接运行，不需要改动。

Pytorch和Jupyter Notebook中的YoloV3 该存储库旨在在Pytorch和Jupyter Notebook中创建YoloV3检测器。 与其他现有的实现相比，我正在尝试采用一种“ oop”方法，后者通过在读取配置文件来迭代地构建体系结构。 该笔记本旨在用于学习和练习，许多想法和代码段摘自各种论文和博客。 我会尽量发表评论。 您应该只需按Shift键即可进入笔记本的末尾并查看结果。 要求 Python 3.6.4 火炬0.4.1 Jupyter笔记本电脑5.4.0 OpenCV 3.4.0 图片0.2.6 Pycocotools CUDA支持 使用说明 $ gi

神经网络：用Python语言从零开始实现的卷积神经网络，LSTM神经网络和神经网络

python-api-challenge 天气预报 概述， WeatherPy：运行代码，数据，分析报告，信息图 VacationPy 概述， VacationPy：运行代码，地图 使用的技术 天气预报 概述 WeatherPy在此示例中，您将创建一个Python脚本以可视化世界上距赤道不同距离的500多个城市的天气。 为此，您将利用一个简单的Python库，OpenWeatherMap API和一些常识来创建世界各地城市的代表性天气模型。 您的第一个要求是创建一系列散点图，以展示以下关系： 温度（F）与纬度 湿度（％）与纬度 多云（％）与纬度 风速（mph）与纬度 在每个情节之后添加一个句子或也解释什么是代码并进行分析。 您的第二个要求是对每个关系进行线性回归，仅这次将它们分为北半球（大于等于0度纬度）和南半球（小于0度纬度）： 北半球-温度（F）与纬度 南半球-温度（F）与纬度

拓扑数据分析教程 KAJI静夫撰写 这本Jupyter笔记书是为以下在线活动准备的：2020年6月18日至19日举行的 。 主要例子 单击在Google Colaboratory中打开Jupyter笔记本。 这包括 使用持久同源性从各种类型的数据（点云，图形，图像，体积，时间序列）中提取特征 使用拓扑特征进行回归/分类 降维保留拓扑特征 可视化揭示数据的形状 深度学习X TDA 展示如何将深度学习和持久同源性相结合。 NLP示例（矢量化和可视化） 作为自然语言处理的一个例子，我们看一下arXiv上的数学论文。 本示例仅在本地运行，而不在Google Colab上运行。 我没有认真调整参数，但是我希望这个示例可以作为更严肃的NLP应用程序的起点。 如果您没有gensim和nltk，请安装它们 conda install gensim nltk pip install kma

卡尔曼滤波 使用python的卡尔曼滤波器的基本实现

jupyterlab交互式仪表板编辑器 在JupyterLab中交互式创建和自定义仪表板 附加的Gif 点击展开直接在笔记本电脑上在仪表板上添加和重新排列输出。 添加多个笔记本的输出。 立即查看更改。 预览您的仪表板并在当前模式下与小部件进行交互。 撤消并重做。 也添加降价促销。 将仪表板保存到文件中， 加载它们， 并再次编辑它们！ 要求 JupyterLab> = 2.0 安装 注意：您将需要NodeJS来安装扩展。 pip install jupyterlab_interactive_dashboard_editor jupyter lab build 安装 jlpm命令是JupyterLab随JupyterLab一起安装的固定版本。您可以使用yarn或npm代替下面的jlpm 。 # Clone the repo to your local environment # Move

张量流-lstm回归 这是基于循环网络的回归器的示例： 目的是根据以前使用LSTM架构的观察结果，在本示例中预测连续值，sin和cos函数。 本示例已更新为与tensrflow-1.1.0兼容的新版本。 这个新版本使用了一个库 ，该库提供了一个API，可基于张量流创建深度学习模型和实验。 安装并运行 创建一个虚拟环境 建议您为安装程序创建一个virtualenv，因为此示例高度依赖于需求文件中设置的版本。 使用python3 $ mkvirtualenv -p python3 ltsm (ltsm) $ 使用python2 $ mkvirtualenv ltsm (ltsm) $ 安

LUNA16对象检测 为Luna16数据集上的肺结节检测任务开发一个记录良好的存储库。 这项工作的灵感来自于“ ”。 肺癌是世界上最常见的癌症。 每年死于肺癌的人数多于乳腺癌，结肠直肠癌和前列腺癌的总和。 肺结节检测是检测肺癌的重要过程。 提供健壮模型的工作很多，但是，目前还没有确切的解决方案。 （以下简称DSB）是全球首屈一指的社会公益竞争数据科学，创建于2014年，由Booz Allen Hamilton和Kaggle提出。 数据科学碗汇聚了各行各业的数据科学家，技术专家和领域专家，以应对全球数据和技术挑战。 在DSB2017中，举行了寻找肺结节的比赛。 grt123团队通过实施基于3

自动车牌识别 :India: 表中的内容 演示版 总览 这是一个分为四个阶段的对象检测项目，主要致力于检测车辆的车牌，从而读取车牌号并将其保存在文本文件中，以供有关当局使用。该深度学习项目使用YOLOv4（您只看一次）作为神经在名为Darknet的框架之上构建的网络架构，然后使用Tensorflow Lite进行部署准备就绪，使其兼容在各种边缘设备中使用，例如android，iOS，树莓派等。 动机 由于许多实际应用，例如自动收费，交通执法，私人空间出入控制和道路交通监控，自动车牌识别（ALPR）一直是研究的一个频繁主题。 ALPR系统通常分为三个阶段：车牌（LP）检测，字符分割和字符识别。 较早的阶