python豆瓣读书爬虫
2024-05-09 21:42:54 52KB python 爬虫
1
一、汉诺塔问题 1. 问题来源   问题源于印度的一个古老传说,大梵天创造世界的时候做了三根金刚石柱子,在一根柱子上从下往上按照大小顺序摞着64片黄金圆盘。大梵天命令婆罗门把圆盘从下面开始按大小顺序重新摆放在另一根柱子上。并且规定,在小圆盘上不能放大圆盘,在三根柱子之间一次只能移动一个圆盘。 2. 问题阐述   塔内有三个座A、B、C,A座上有64个盘子,盘子从上到下逐渐变大,最下面的盘子最大。目前要把A座的64个盘子从A座移到C座,并且每次只能移动一个盘子,移动过程中三个座保持大盘子在下,小盘子在上,要求输出盘子的移动过程。 二、问题解析 1. 解决方法:递归方法 2. 解题过程   (1)
2024-05-09 20:23:25 110KB python 汉诺塔 汉诺塔游戏
1
随机森林 介绍和 python代码算法实现
2024-05-09 20:08:30 137KB 随机森林 python
1
for i in range(len(tables)): tb = tables[i] # 获取表格的行 tb_rows = tb.rows # 读取每一行内容 ws = wb.create_sheet("test"+str(i)) for j in range(len(tb_rows)): row_data = [] row_cells = tb_rows[j].cells # 读取每一行单元格内容 k = 1 for cell in row_cells: row_data.append(cell.text) # 单元格内容 # 设定t为当前行 t = j # c为当前行、当前列的表格的内容 c = cell.text # 判断当前格内容是否为空,若当前表格为空,则t-1取上一行的该列的值 wh
2024-05-09 11:53:35 2KB python
1
1、内容概要: 此程序是利用Python写的,打包成exe可执行程序,任何电脑直接双击运行 附带保姆级使用说明书 2、适合人群: 需要将多个文件中的每一个sheet进行合并的人群,老少咸宜,皆可下载 3、使用场景: 本程序下载完,双击即可使用,内置说明书,言简意赅
2024-05-08 23:24:58 34.23MB Python excel
1
1. 这是作者花费一周的时间,使用python写出的策略迭代和值迭代强化学习算法,以一个完整的项目发布,为解决“已知马尔科夫决策过程五元组,求最优策略”这类问题提供了算法与通用框架 2. 项目采用面向对象架构和面向抽象编程,用户可以在抽象类基础上,利用继承机制,定义新的具体环境类,测试该算法的有效性。项目还给出了unittest.Testcase的测试代码。 3. 在该项目中算法名称分别对应类:ValueIterationAgent和PolicyIterationAgent(都继承自MdpAgent),马尔科夫决策模型已知的环境抽象类MdpEnv 4. 为展示该算法的有效性,定义了一个GridWorldEnv的具体类,实现了作者博文中“在格子世界中寻宝”的最优策略的学习,并定义了一个GridWorldUI类可视化最优策略及基于最优策略的,用户可以运行住文件main.py 5. 该项目源码的最大特点是:架构合理,可维护性好,可读性强。你不断能学到这两个强化学习算法的精髓,也能够学到什么是好的python程序架构。 6.注意先阅读里面的readme.txt文件。
2024-05-08 21:56:25 329KB 强化学习 策略迭代 面向对象 python
1
用于搅拌机的Rokoko Studio Live插件 是一款功能强大且直观的软件,用于记录,可视化和导出运动捕捉。 使用此插件,您可以将Rokoko Studio中的动画数据直接流到Blender中。 它还使您可以轻松地录制动画并重新定位动画。 要求 Blender 2.80或更高 对于实时流数据:Rokoko Studio 1.18.0b 特征 实时流数据: 最多五个演员,可以同时包含身体,面部(52个混合形状)和手指数据 相机数据 道具数据 在Blender中控制Rokoko Studio 轻松地重新定位运动捕捉动画 流媒体入门 确保模型已准备好用于Studio Live Blender中的角色必须在T姿势中: 对于SmartGloves:确保角色的手和手指的姿势尽可能靠近以下姿势,以最佳地重新分配手指动画的方向。 所有手指均应笔直,并且拇指应与另一只手指旋转45度。 启用R
2024-05-08 12:06:57 10.08MB Python
1
源程序+ 数据集+ 实验报告 问题描述: 理解序列数据处理方法,补全面向对象编程中的缺失代码,并使用torch自带数据工具将数据封装为dataloader 分别采用手动方式以及调用接口方式实现RNN、LSTM和GRU,并在至少一种数据集上进行实验 从训练时间、预测精度、Loss变化等角度对比分析RNN、LSTM和GRU在相同数据集上的实验结果(最好使用图表展示) 不同超参数的对比分析(包括hidden_size、batch_size、lr等)选其中至少1-2个进行分析 ps:用户签到数据实验的难度会稍高一些,若在实验中选用,可酌情加分
2024-05-08 11:05:31 18.51MB 深度学习 pytorch python
1
课程设计-基于树莓派的平衡小车项目源码+开发手册资料.zip 【资源介绍】 平衡小车配置 霍尔电机:编码器精度=500;电机减速比=30 树莓派:4B8g 陀螺仪:JY901 陀螺仪精度 JY901传感器与实验室传感器使用振动台进行对比 【开发手册包括】 1.WHEELTEC B570 平衡小车上手使用.pdf 2.WHEELTEC B570 平衡小车开发手册.pdf 3.基于平衡车的电机PID控制开发教程.pdf 4.WHEELTEC B570 平衡小车数学模型和LQR控制开发手册.pdf
2024-05-07 19:20:35 13.66MB 课程设计 树莓派4B python
机器学习人脸识别简单项目,有数据集,可运行代码,说明文档
2024-05-07 18:56:17 11.74MB python 机器学习 人脸识别
1