朱庇特 将自定义CSS样式应用于jupyter笔记本。 欢迎捐款！ 通过以下方式混合和匹配主题： 布局（示例： wide ） 排版（例如： serif ） 颜色（例如： night ） 您始终可以恢复为默认值： 安装 pip install jupyter-themer 要么 python setup.py install 用法 注意：可能需要删除旧的ipython配置文件，例如默认的~/.ipython ，以使jupyter使用正确的文件。 usage: jupyter-themer [-c COLOR, --color COLOR] [-l LAYOUT, --layout LAYOUT] [-t TYPOGRAPHY, --typography TYPOGRAPHY] [-f CODE_FONT, --font CODE_FONT] [-b BACKGROUND, --background

这是windows版本下的jupyter的scala内核，可以方便安装。

最近在使用 Python notebook时老是出现python崩溃的现象，如下图，诱发的原因是“KERNELBASE.dll”，异常代码报“40000015”。 折腾半天，发现我启动notebook时是用自定义startup.bat方式方式启动的，bat文件的内容为 start C:\Anaconda3\python.exe “C:/Anaconda3/Scripts/jupyter-notebook-script.py” 平时双击这个bat文件就行了，如果报这个莫名的错误，是因为权限不对，需要用管理员方式运行，如图，问题解决！ 补充知识：jupyter notebook占用内存空间过大

d2l火炬 首先感谢《动手学深度学习》的原作者和贡献者为我们提供了一本本极为优秀的书籍。如果您对框架没有特定偏好或需求，不妨尝试MXNet，则极为优秀的深度学习框架。原书地址：http: ，原书视频教程： ， 本书在原书（19年5月20日版本）基础上将所有代码改用PyTorch进行实现，并以注解的形式对部分内容的进行了解释与扩展。因为PyTorch与MXNet在设计上存在不同，对原书部分内容进行了删改。 请按照目录中的顺序阅读学习。 如果您喜欢这本书，请给本项目点个star，并购买原书纸质版支持原作者及贡献者。 项目未来短期内不再更新，如需要计算性能，计算机视觉两章可使用项目 。如有疑问欢

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。

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

偏二元神经网络 该存储库包含三个Jupyter笔记本，说明了通过神经网络（NN）求解偏微分方程（PDE）的不同方法。 笔记本用作纸的补充材料： 神经网络求解偏微分方程的三种方法-综述 摘要：越来越多地使用神经网络来构造偏微分方程的数值求解方法。 在本说明性综述中，我们介绍和对比了三种重要的近期方法，这些方法在其简单性和对高维问题的适用性方面具有吸引力，它们是：物理信息神经网络，基于Feynman-Kac公式的方法和Deep BSDE求解器。 本文随附Jupyter笔记本电脑形式的一套说明软件，其中逐步解释了每种基本方法，从而可以快速进行同化和试验。 大量的书目总结了最新技术。 关键词：偏微分方程; Hamilton-Jacobi-Bellman方程； 神经网络，维数诅咒，Feynman-Kac，后向微分方程，随机过程 arXiv预印本： : 引文： @misc{blechsc