Python爬取豆瓣电影top250 使用flask框架可视化数据 ##项目技术栈:Flask框架、Echarts、WordCloud、SQLite ##环境:Python3 目录结构说明 │ app.py ----- flask框架 文件 │ movie.db ----- 数据库 │ README.md │ requirements.txt ----- 依赖包环境版本 │ spider.py ----- 爬取数据 文件 │ testCloud.py ----- 词云生成 文件 ├─static ----- 静态页面 ├─templates ----- HTML页面 └─venv ----- 虚拟环境 项目展示: 项目笔记: 页面展示 学习资料:
2021-11-09 14:25:12 11.67MB Python
1
在10分钟内用Flask作为Web App部署Keras模型 一个漂亮且可自定义的Web应用程序,可轻松部署DL模型 10分钟入门 克隆此仓库 安装要求 运行脚本 转到 做完了! :party_popper: :backhand_index_pointing_down: 屏幕截图: 新的功能 :fire: 增强的,适合移动设备的UI 支持图像拖放 使用原始JavaScript,HTML和CSS。 删除jQuery和Bootstrap 默认情况下切换到TensorFlow 2.0和 将Docker基本映像升级到Python 3(2020年) 如果您需要使用Python 2.x或TensorFlow 1.x,请签出快照 与Docker一起运行 使用 ,您可以在数分钟内快速
2021-11-08 21:59:57 22KB flask deep-learning deployment tensorflow
1
后端采用flask框架,前端采用Jinja模板、jquery、Bootstrap。除了常见的二手商城的功能之外,还提供了,基于用户搜索来向用户推荐商品的功能,降价通知的功能
2021-11-08 10:43:23 74.7MB flask框架
1
本篇文章主要介绍了CentOS 部署 flask项目的方法,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
2021-11-07 15:40:15 151KB CentOS 部署 flask flask项目部署
1
代码如下 _init_.py from flask import Flask, request, url_for, redirect, render_template app = Flask(__name__) @app.route('/') def index(): return render_template('index.html') @app.route('/cool_form', methods=['GET', 'POST']) def cool_form(): if request.method == 'POST': # do stuff when the for
2021-11-06 21:45:10 34KB AS fl fla
1
主要介绍了Python flask框架实现浏览器点击自定义跳转页面,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2021-11-06 21:14:28 63KB Python flask框架 浏览器 自定义
1
简单的 Flask 音乐流媒体应用 用于流媒体音乐的简单 Flask 应用程序 入门 这些说明将为您提供一份项目副本,并在您的本地机器上运行,用于开发和测试目的。 先决条件 您需要什么东西来安装软件以及如何安装它们 Python 3 Flask Tornado Web Server 安装 安装依赖 pip install -r requirements.txt 下载并安装所有软件包后,运行。 python app.py 运行测试 打开浏览器并访问 http://localhost:5000
2021-11-06 15:30:18 5.44MB python streaming music-player python3
1
嘿,杰森! 自动语音识别推理 布莱斯·沃克(Brice Walker) 该项目在Keras / Tensorflow中构建了一个可扩展的,基于注意力的语音识别平台,以便在Edge上针对AI的Nvidia Jetson嵌入式计算平台进行推理。 自动语音识别的这种实际应用是受我以前在心理健康领域的职业启发的。 该项目开始了为构建实时治疗干预推断和反馈平台的旅程。 最终目的是构建一个工具,该工具可以为治疗师提供有关其干预效果的实时反馈,但是设备上的语音识别在移动,机器人或其他不希望基于云的深度学习的领域中具有许多应用。 该项目的重点是应用数据科学而不是学术研究。 最终的生产模型由一个深度神经网络组成,该网络具有3层扩张的卷积神经元,7层双向递归神经元(GRU细胞),一个单注意层和2层时间分布的密集神经元。 该模型利用了CTC损失函数,Adam优化器,批量归一化,扩张卷积,递归辍学,双向层和基于注意的机制。 该模型在Nvidia GTX1070(8G)GPU上进行了30个时期的训练,总训练时间约为6.5天。 该模型的预测与测试集中的地面真实转录的整体余弦相似度约为78%(验证集中为80%)
2021-11-04 17:57:23 1.87GB css python html flask
1
一个flask环境。没什么特别的
2021-11-04 14:00:29 20KB flask
1
自己翻译的中文版flask_admin-1.5.3文档,原文:flask_admin官方网站 https://flask-admin.readthedocs.io/en/latest/introduction/#customizing-builtin-views
2021-11-04 08:48:31 17KB python flask
1