LeNet web 做CIFAR10 的图像分类

mqtt-camera-streamer 简介：将所连接的摄像机或MJPEG / RTSP流中的帧发布到MQTT主题，并使用在另一台计算机上的浏览器中查看提要。 详细介绍：物联网/科学领域的典型任务是将一台摄像机连接到一台计算机，并且想要在另一台计算机上查看该摄像机的提要，并且可能在将图像保存到磁盘之前对其进行预处理。 我一直发现这比预期要付出更多的努力。 特别是，使用相机流可能会变得非常复杂，并且可能使您尝试使用学习曲线陡峭的Gstreamer和ffmpeg等工具。 相比之下，与的合作非常简单，并且对IOT感兴趣的人通常都很熟悉。 此mqtt-camera-streamer使用MQTT以较低的每秒帧数（FPS）通过网络从摄像机发送帧。 提供了一个查看器，用于在网络上的任何计算机上查看摄像机流。 可以将帧保存到磁盘以进行进一步处理。 也可以通过使用on_message(topic)将M

内有csv文件和源码，只需改读取路径即可稳定运行。需要的库streamlit。

股票市场分析-数据科学和机器学习的顶点 该项目演示了使用数据科学和机器学习以及交互式仪表板对股票市场数据进行的分析。 :backhand_index_pointing_left: 请从侧边栏中选择数据分析或预测以继续并与该应用进行交互

项目目的 在此项目中，您将构建一个Data Web App，以提供可行的见解和数据驱动的建议，以分析花卉概况并提高植物学现场团队的生产力水平 外部用户的目标 数据Web应用程序的涉众（特殊花分裂小组）有兴趣了解每种花的物种之间如何不同以及如何加快物种识别的工具。 数据网络应用所有者的目标 该Data Web App的目标是帮助Botanic Garden转变为数据驱动型组织。 业务需求 作为植物园的数据分析师，Special Flower部门要求您开发一种能够区分3种不同鸢尾花物种的系统。 他们在XYZ森林的下一个野外任务被正式宣布为受污染地区，并且在现在的中间。 该小组将收获花朵并存放在盒子上，但每个盒子应有1种硬币。 该任务将从今天开始的10天内进行，总共需要25天。 1-我们想研究花朵的萼片和花瓣尺寸在不同物种之间的差异。 2-我们有兴趣根据即时花瓣和萼片的大小来识别花的种类 将

使用卫生保健数据预测抑郁 作者：Vivienne DiFrancesco 可以在找到用于探索该项目中使用的数据的配套仪表板 该存储库的内容是对使用机器学习模型来预测使用医疗保健数据的人的抑郁症的分析。 希望可以使工作更易于访问和复制，从而进行详细的分析。 储存库结构 README.md：此项目审阅者的顶级自述文件 first_notebook.ipynb：从数据清理阶段开始在jupyter笔记本中进行分析的叙述性文档 second_notebook.ipynb：在项目的探索阶段清理数据之后开始的叙述性文档的延续 PredictingDepressionSlides.pdf：项目演示幻灯片的PDF版本 project_functions文件夹：包含编写用于first_notebook和second_notebook的自定义函数 仪表板文件夹：包含用于创建此项目的配套仪表板的文件的文件夹 抽

Streamlit演示：Udacity自动驾驶汽车图像浏览器 该项目将和演示到交互式应用程序中。 完整的演示并说明了Streamlit的所有主要构建块。 如何运行这个演示 pip install --upgrade streamlit opencv-python streamlit run https://raw.githubusercontent.com/streamlit/demo-self-driving/master/streamlit_app.py 问题？ 注释？ 请在提问。

描述 该存储库包含一个允许运行流式Web应用程序的docker映像。 它可用于测试应用程序和/或部署到云服务，例如Google Cloud，Heroku，Amazon AWS 运行Docker容器 只需输入以下命令即可运行您的应用程序 docker run -ti --rm aminehy/docker-streamlit-app:latest 当地发展 将工作文件夹安装在容器中 docker run -ti --rm -v $(pwd):/app aminehy/docker-streamlit-app:latest 如果您的主文件名与main.py不同（例如app.py ） docker

py型文件 CMD中输入“streamlit run 路径” 即可打开 注：首次进入需下载对应CSV文件且需修改CSV文件相对位置

streamlit对应CSV文件，保存后需在py中修改对应路径