用Python实现L-LDA模型（标签潜在Dirichlet分配模型） 参考： 标记的LDA：多标签语料库中信用归因的受监管主题模型Daniel Ramage ... 文本分析的参数估计，Gregor Heinrich。 潜在的Dirichlet分配，David M. Blei，Andrew Y. Ng ... 基于Gibbs采样的有效实现 以下描述来自标签LDA：多标签语料库中信用归因的受监督主题模型Daniel Ramage ... 介绍： 标记的LDA是通过定义LDA潜在主题和用户标签之间的一一对应关系来约束潜在Dirichlet分配的主题模型。 带有标签的LDA可以直接学习主题（标签）对应关系。 吉布斯采样： 标记的LDA的图形模型： 标记LDA的生成过程： 吉布斯采样方程式： 用法 新的llda模型 训练 ？is_convergence 更新 推理 将模型保存到

编译成python2模块的包 直接放到包site-packages目录下即可

NS3的python插件，适用于python-2.7.6，直接将压缩包中的NS目录放到python-2.7.6\lib\site-packages目录下即可使用

主要介绍了Python实现读取txt文件并画三维图简单代码示例，具有一定借鉴价值，需要的朋友可以参考下。

tensorflow-1.5.0rc1-cp27-cp27m-linux_armv7l.whl python2.7 在armv7上编译的tensorflow1.5

由于开发板上自带的python缺少很多库，在网上查找资料后，重新移植移植了python，主要是针对resoure库

给大家共享一个python2.7+pywin2.7的包，内有使用说明

1.1python软件的安装 先安装python软件优先，因为其他步骤如果用到sudo apt-get update 会导致python程序不是py2而是py3，就用不了我们的程序了 树莓派鼓励用户使用python和C++作为其开发语言，所以原则上可以不用安装python的编译器，但是树莓派自带的python(IDLE)和Thonny python IDE都过于简陋，不太适合python使用者进行复杂的OpenCV开发。在这里推荐Spyder作为树莓派的python IDE。这种编译器相对上述两种编译器略显笨重，但是对内核和运算值的控制更加灵活。   树莓派安装Spyder非常的方便，在命令行输入： sudo apt-get install spyder 下载时间可能比较长，因为在安装spyder3的同时很多python开发开发必要的依赖也一并被安装到树莓派里了，这也说明牺牲一定的空间下载spyder3是值得的。此时，我们已经可以在树莓派的开始菜单-programming中看到编译器了。注意： 1、 在下载spyder之前请不要输入 “sudo apt-get update/upgrade”, 否则会下载适用于python3.6的spyder，无法正常使用，比如图1-0中的spyder的python版本就是3.6，说明下载出现错误。 2、 如果看不到编译器说明安装过程出错，尝试重新执行：sudo apt-get update和 sudo apt-get install spyder3两条命令。   图 1-0下载完成后，在“start”中已经能看到Spyder编译器了     图 1-00 Spyder3的Python3.6版本 我们可以在preference/syntax coloring scheme中更换自己喜欢的主题，怎么样?是不是已经觉得树莓派和普通PC一样方便了呢？现在我们已经可以用在树莓派上舒适的开发python了。

python2.7_批量掩膜提取数据

python2的htmlrunner.py