python-escpos-用于操纵ESC / POS打印机的Python库 描述 Python ESC / POS是一个库，通过该库，用户可以从Python应用程序访问由Epson定义的ESC / POS命令处理的所有那些打印机。 该库尝试实现ESC / POS命令集提供的功能，并支持将文本，图像，条形码和二维码发送到打印机。 文本可以对齐/对齐，字体可以根据大小，类型和粗细进行更改。 此外，该模块还处理一些硬件功能，例如裁纸，控制字符，打印机重置和类似功能。 由于支持的命令因打印机而异，因此该软件会尝试为您设置的打印机自动应用正确的设置。 这些设置由处理，也在。 依存关系 该库使用： 用于USB打印机的 图像打印 用于生成QR码 串行打印机的 用于生成条形码 文档和用法 基本用法是： from escpos . printer import Usb """ Seiko

适用于Python的Binance期货API库 用于币安期货和币安期货测试网的Python库 （更新将在2022年发布或永远不会发布） 该库仅包含代码描述。 如果您想知道某些函数使用什么并返回什么，可以在上找到更多信息 要从github安装Python软件包，您需要克隆该存储库（尚未安装）。 git clone https://github.com/morozdima/BinanceFuturesPy.git 然后只需从该目录运行setup.py文件， sudo python setup.py install 例子 发出新订单： api_key = 'STxyXUP45HPK68ZUaZkZ6AJkMjFTVFzq' secret_key = '398E491767030BD8A2FF6EA6D0BCB862' client = Client ( api_key = api_key

segyio, SEGY文件的快速 python 库 segyio readthedocs索引简介特性摘要正在开始运行。快速入门获取 segyio生成 segyio教程基本插件模式模式示例目标： 。示例常见问题：历史记录简介

FTD2XX ftd2xx是使用ctypes围绕FTDI的的简单python包装器。 基于Pablo Bleyer Kocik的扩展的API。 1.1.0版与Python 3兼容。请确保已安装FTDI驱动程序，或在链接程序用于查找共享库的位置可用（例如Windows上的PATH，LD_LIBRARY_PATH或Linux上的标准库目录） 我没有时间维护这个项目，所以我正在寻找维护者。 还提供了另一个库，该库看起来更加活跃，并支持较新的设备，并且可能会更好地满足您的需求。 另外，Jeremy Bentham撰写了有关使用此库的。

Python SEC 目录 概述 当前版本： 0.1.2 证券交易委员会（SEC）拥有大量免费的商业数据供个人使用。 但是，获得这些免费数据的最大障碍归结为两个挑战： 弄清楚它在哪里 弄清楚如何提取它 Python的SEC库（ edgar ），旨在使收集和SEC数据快速，轻松的提取。 该库是围绕以下一些目标设计的： 以实用的方式使EDGAR搜索系统的使用更加直观。 使查询的定义更具可定制性，同时仍保持库的整体清晰度。 标准化返回的内容，以便一致地组织内容，并确保可以动态完成导航到其他目录或文件的方式来填充或扩展数据中的空白。 简化XBRL文件的解析，以便可以更轻松地处理数据。 设置 设置-PyPi安装： 要安装该库，请在终端上运行以下命令。 pip install python-sec 设置-PyPi升级： 要升级该库，请在终端上运行以下命令。 pip install

DFT工具 DFT工具是一个帮助python软件包，用于解析，操作和显示与密度泛函理论（DFT）代码有关的文本数据。 更多信息和文档： :

干货合集│最好用的 python 库都在这.doc

资源分类：Python库 所属语言：Python 资源全名：pytorch3d-0.4.0-cp37-cp37m-macosx_10_9_x86_64.whl 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059

一、FastDup 简介 二、安装 FastDup库 三、使用 FastDup 3.1 相似性度量 3.2 测试代码 3.3 测试结果 四、查看 FastDup源码 五、更改 FastDup源码的参数 5.1 源码研读 5.2 如何只查找重复或相似图像 六、FastDup 的算法原理

对抗性鲁棒性工具箱（ART）v1.5 对抗性鲁棒性工具箱（ART）是用于机器学习安全性的Python库。 ART提供的工具使开发人员和研究人员可以针对逃避，中毒，提取和推理的对抗性威胁捍卫和评估机器学习模型和应用程序。 ART支持所有流行的机器学习框架（TensorFlow，Keras，PyTorch，MXNet，scikit-learn，XGBoost，LightGBM，CatBoost，GPy等），所有数据类型（图像，表格，音频，视频等）和机器学习任务（分类，对象检测，语音识别，生成，认证等）。 了解更多 --- ----- -， --- 该图书馆正在不断发展中。 欢迎反馈，错误报告和贡献