自述文件 YOLOv1的实现 来自 必需的： pytorch 1.1.0 火炬视觉 numpy的> 1.16.2 opencv 3.4.1 VOC2012数据集 此回购现在可以做什么 使用VOC2012数据集进行训练 推理（测试图像） 结果 去做： 添加mAP指标

酷欧天气Jetpack版 酷欧天气的Jetpack版本实现，采用了MVVM架构。 这里我先给出一张酷欧天气Jetpack版的架构设计图，这张图是模仿Google Codelabs的Sunshine项目画出来的。拥有良好架构设计的项目都是可以用简洁清晰的架构图表示出来的，而一个杂乱无章没有架构设计的项目则很难用架构图表示出来。 上述架构图可能一开始看你会找不着重点，其实这张架构图非常清晰，我来带大家解读一下。 首先我们通过这张架构图成功将程序分为了若干层。 绿色部分表示的是UI控制层，这部分就是我们平时写的Activity和Fragment。 蓝色部分表示的是ViewModel层，ViewModel用于持有和UI元素相关的数据，以保证这些数据在屏幕旋转时不会丢失，以及负责和仓库之间进行通讯。 黄色部分表示的是仓库层，仓库层要做的工作是自主判断接口请求的数据应该是从数据库中读取还是从网络中获取

UNET-ZOO 包括unet，unet ++，attribute-unet，r2unet，cenet，segnet，f​​cn。 环境 window10（Ubuntu可以）+ pycharm + python3.6 + pytorch1.3.1 如何运行： 您唯一要做的就是输入dataset.py并更正数据集的路径。 然后运行〜示例： python main.py --action train&test --arch UNet --epoch 21 --batch_size 21 结果 经过训练和测试后，将创建3个文件夹，分别是“结果”，“ saved_model”，“ saved_predict”。 saved_model文件夹： 训练后，保存的模型在此文件夹中。 结果文件夹： 在结果文件夹中，有指标的日志和折线图，例如： saved_predict文件夹： 在此文件夹中，

TensorFlow版本：1.9.0 Keras版本：2.0.2 我的博客： :

婚礼邀请函小程序 基于微信小程序的婚礼邀请函，项目可专属定制 基础 截图 技术点 小程序使用了云开发和云函数，所以就没有后台的什么事了 相册、留言等数据都是使用云开发，云数据库来存储， 所以在开发前务必学习和掌握小程序的云开发， 在clone项目之后需要开通小程序的云开发功能， 并且去开发者工具的云开发去创建属于自己的数据库， 然后创建对应的表并赋予对应的权限（学过数据库的很好懂的） 云开发入口 数据库配置 说明 小程序分为五个模块 邀请函 相册 地图 祝福 留言 体验码如下： github地址 github： 个人博客： Build Setup # install dependencies npm install # serve with hot reload at localhost:8080 npm run dev # build for production with minifi

python-danmu-analysis 这是一个基于python的弹幕爬取+可视化分析的项目。 爬取弹幕 可以看我之前写的这篇文章： 代码 # download.py '''依赖模块 pip install requests ''' import re import requests url = input('请输入B站视频链接: ') res = requests.get(url) cid = re.findall(r'"cid":(.*?),', res.text)[-1] url = f'https://comment.bilibili.com/{cid}.xml' res = requests.get(url) with open(f'{cid}.xml', 'wb') as f: f.write(res.content) 输入 B站番剧《花丸幼稚园》第六集视频播放地址

词嵌入的情感分析 介绍 张量流中CNN和长期短期记忆方法的情感分析。 数据集 大电影eview数据集（有时称为IMDB数据集）中的电影评论。 在此任务中，给定电影评论，模型会尝试预测它是正面的还是负面的。 这是一个二进制分类任务。 下载资料 cd数据方向并运行以下命令。 tar -xvzf negativeReviews.tar.gz tar -xvzf positiveReviews.tar.gz 如何使用 train.py训练文件。 code_test.py测试文件。 test_one_review.py判断一项评论的情绪是积极的还是消极的。 其中npy文件： ://pan.baidu.com/s/1NgaZrA-XyA7HKHDdowHFDw提取码：n5ya

#RC4 对于RC4算法加解密文件的简单实现，同时实现了对于较大文件的加解密测速功能。有一个简单的交互窗口

- 基于opencv模板匹配的车牌识别，有简单的GUI，软件环境是python3.8,opencv4.2。用pycharm写的。 由于是识别字符采用的是模板匹配，模板比较多，所以运行时间比较长，识别一张车牌大概20s，并且准确度不高，有可能出现无法得出结果或者识别的结果错误，因为识别车牌对输入的图片的分辨率和色偏有关系。总之，这是一个比较粗糙简单的车牌识别项目，我做这个是为了应付课程设计。 识别的结果是车牌号码和牌照颜色。 算法主要步骤是：定位车牌，矫正车牌，识别颜色，分割字符，识别字符。 算法和GUI都有借鉴别人的博客 refer1是模板，function.py是算法,gui.py是界面 refer1请先解压

前言 tensorflow的一些练习demo 目录 CNN验证码识别 RNNmnist训练集识别 RNN古诗词生成模型 GANmnist训练集图片生成 DCGAN动漫头像生成 Skip-Gram的Word2Vec生成 Skip-Thought-Vector的Sentence2Vec网络 SiameseCBOW模型 历史版本 2019.04.18 增加SiameseCBOW模型 2017.10.09 暂停，思考一下人生 2017.09.26 增加Skip-Thought-Vector的Sentence2Vec网络 2017.09.13 增加Skip-Gram的Word2Vec生成 2017.09.06 增加DCGAN动漫头像生成 2017.08.31 增加GANmnist训练集图片生成 2017.08.29 增加RNN古诗词生成模型 2017.08.21 增加RNNmnist训练集识别 20