BERT歌词生成 使用预训练的BERT模型生成English Rock歌词（Devlin，J. et al。，2018）。 数据是从Kaggle 380,000+歌词数据集中获得的。 使用langdetect Python库来过滤除英语以外的其他语言的歌曲。 用于发音的Python库用于搜索诸如电话，音节和押韵单词之类的单词的属性。 使用预训练的BERT MLM进行掩码预测，使用预训练的BERT NextSentence进行连续性预测。 很少有结果： 使用BERT MLM仅在目标歌词中预测最后一个字- 编号 歌词 预测词 真话 1个 我必须清空脑袋 我想把这个地方变成我的[面具]

吴恩达深度学习第一第二课课后编程作业答案-版本二-更详细-jupyter note版本。由于整个文件较大，超过600M，所以分了4次上传。这是第一和二课的程序文件

斯克莱恩评估 机器学习模型评估变得容易：绘图，表格，HTML报告，实验跟踪和Jupyter笔记本分析。 支持Python 3.6及更高版本。 安装 pip install sklearn-evaluation 产品特点 （混淆矩阵，特征重要性，精度调用，ROC） 报告生成（ ）

主要介绍了解决jupyter notebook 出现In[*]的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

CNN-DICOM-分段：在Tensorflow中使用CNN进行DICOM图像分割

在 Jupyter Notebook 上用 Python 实现多元线性回归，包括源代码和数据，以供大家学习参考使用.

在jupyter notebook运行的页面内，找到如下图片下载格式，选择相应下载格式就可下载保存到本地文件。 补充知识：jupyter notebook的project管理——.ipynb中调用.py文件 做课题和数据挖掘竞赛用python比较多，比较常用的是在服务器终端输入jupyter notebook –ip 0.0.0.0，打开jupyter notebook的一个后台，并在本地windows电脑浏览器进入该服务端写python代码。 将.ipynb和.py结合，可以使得jupyter notebook的工程文件目录更有条理，一些函数可以定义在.py文件中，需要调用这些文件时，就导

１、远程服务器上安装jupyter notebook(配置jupyter_notebook_config.py文件) sudo pip install jupyter ２、远程服务器(8890端口,没有下面括号中内容默认在服务器8888端口打开jupyter notebook，下面将使用默认端口8888)启动jupyter notebook jupyter notebook (–no-browser –port=8890 –ip=127.0.0.1 –allow-root) ３、将远程jupyter(8888)与本地(8889)端口绑定 ssh -f -N -L 8889:localh

适用于 Python 的 ArcGIS API ArcGIS API for Python 是一个 Python 库，用于处理地图和地理空间数据，由 Web GIS 提供支持。 它为深度学习、复杂的矢量和栅格分析、地理编码、地图制作、路由和方向以及组织和管理具有用户、组和信息项的 GIS 提供了简单而有效的工具。 除了使用您自己的数据之外，该库还允许访问来自 Esri 和其他权威来源的即用型地图和精选地理数据。 它还与科学的 Python 生态系统很好地集成，包括对 Pandas、Scikit-Learn、Fast.ai 等和 Jupyter notebook 的丰富支持。 要了解有关 API 的更多信息，请访问的产品页面。 您可以在的社区页面与 API 的开发人员和其他像您一样的用户取得联系。 包括什么 此 SDK 存储库包含以下项目： API 参考文档。 可以在找到托管版本。

预报_未来_销售 这项挑战是“如何赢得数据科学竞赛” Coursera课程的最终项目。 在本竞赛中，您将使用具有挑战性的时间序列数据集，其中包括每日销售数据，该数据集由俄罗斯最大的软件公司之一-1C公司提供。 我们要求您预测下个月每个产品和商店的总销售额。通过解决这一竞争，您将能够应用和增强您的数据科学技能 系统会为您提供每日历史销售数据。任务是预测测试集在每个商店中售出的产品总数。请注意，商店和产品的清单每月都会略有变化。创建可以处理此类情况的可靠模型是挑战的一部分。 文件描述：sales_train.csv-训练集。 2013年1月至2015年10月的每日历史数据。 test.csv-测试集。您需要预测这些商店和产品在2015年11月的销售情况。 sample_submission.csv-格式正确的示例提交文件。 items.csv-有关项目/产品的补充信息。 item_ca