使用详情见 本人博客【深度学习模型训练】使用自己的数据训练 Fast r-cnn Faster r-cnn YOLOv3 或是文件里的 DOREAD.txt

GitHub搜索API 一个简单的Python脚本可获取GitHub上任何搜索查询的前1000个最佳匹配结果的详细信息 生成的CSV是通过管道分隔的（|） 标题如下 储存库名称 仓库描述 储存库星号 仓库观察者数量 存储库叉数 仓库许可证 存储库问题计数 存储库相关性分数查询 储存库的主要语言 存储库中使用的语言词典以及每种语言的％份额 去做： 在终端中添加进度条添加对其他搜索参数的支持

热血江湖基址搜索器易语言编写需要的下载 浅蓝编写主要针对网络游戏热血江湖

这是一个执行 K 近邻搜索的小而有效的工具，具有广泛的科学和工程应用，例如模式识别、数据挖掘和信号处理。 代码最初是通过矢量化实现的。 在与 John D'Errico 讨论后，我意识到我的算法会遇到大值数据的数值精度问题。 然后，在尝试了几种方法之后，我发现使用 JIT 加速的简单循环是最有效的解决方案。 现在，即使后者编码在 mex 文件中，代码的性能也可以与 kd-tree 相媲美。 代码非常简单，因此也适合初学者学习knn搜索。

跳跃点搜索 Matlab中的跳转点搜索

14年6月份在《Science》期刊上发表的的一篇论文，论文中提出了一种非常巧妙的聚类算法

https://drive.weixin.qq.com/s?k=ALgAlQcOAAs3Ew2TMx

临时制TSP 这是使用蒙特卡洛树搜索（MCTS）解决旅行商问题（TSP）的源代码。 纸 如果您想了解更多详细信息，请参阅我们的论文“通过蒙特卡罗树搜索TSP的扩大邻域目标抽样” 。 依存关系 gcc> = 4.8.5 计算平台：Linux 快速开始 为了使用MCTS解决具有20个节点的TSP实例： cd $download -dir cd TSP-20-50-100 bash solve-20.sh 32 用法 数据集 我们的模型分别在两个数据集TSP-20-50-100和TSPLib上进行了测试，可从以下网站下载该数据集： 多线程 如果更快地解决TSP实例，则可以充分利用CPU。 默认情况下，我们基于32个线程来处理它们： cd $download -dir cd TSP-20-50-100 bash solve-20.sh 32 顺便说一下，我们的多线程方案仅适用于TSP-2

模拟selenium框架原理：通过Postman向chromedriver发送HTTP请求来控制浏览器，实现WEB UI自动化

Pytorch-seq2seq-光束搜索 带有注意力和贪婪搜索/波束搜索的Seq2Seq模型，用于在PyTorch中进行神经机器翻译。 此实现着重于以下功能： 用于其他项目的模块化结构 最少的代码以提高可读性 充分利用批处理和GPU。 解码方法贪婪搜索 解码方法波束搜索 此实现依赖于来最大程度地减少数据集管理和预处理部分。 Seq2Seq型号说明 seq2seq的主要结构采用 编码器：双向GRU 解码器：具有注意机制的GRU 注意力 解码方式 贪婪的搜索 光束搜索 要求 CUDA Python 3.6 PyTorch 1.4 火炬文本 空间 麻木 智慧（可选） 通过这样做下载令牌生成器： python -m spacy download de python -m spacy download en 去做 添加日志 更改为支持gpu和cpu，目前是基于gpu的代码实现