收据 创建人:Corina Geier,赖富杰,楼爱德,赛穆克特维,周安德 这是我们的Web应用程序: 背景 对许多人来说,根据冰箱中的食物弄清楚该吃什么可能是一件艰巨的任务。 当某人试图健康饮食时,这项任务将变得更加艰巨。 RecipEat旨在通过提供健康的食谱来解决此问题,该食谱可以用某人手上的食物制成。 RecipEat结合用户的饮食限制和营养目标来提供与用户最相关的食谱建议。 RecipEat还可以对配方进行可视化比较,以便用户可以快速决定自己想制作哪种配方。 模组 bag_of_ingredients.py 维护用户的配料袋的类。 用户可以: 在他们的袋子里加配料。 删除/更新包中的成分。 recipe_recommender.py 一个类,具有用于搜索具有给定输入的配方的方法: 所需成分(即鸡肉,土豆等) 营养需求(即卡路里,碳水化合物,蛋白质和脂肪) 不容忍
2021-12-28 16:08:24 2.23MB HTML
1
采用java技术构建的一个管理系统。整个开发过程首先对系统进行需求分析,得出系统的主要功能。接着对系统进行总体设计和详细设计。总体设计主要包括系统功能设计、系统总体结构设计、系统数据结构设计和系统安全设计等;详细设计主要包括系统数据库访问的实现,主要功能模块的具体实现,模块实现关键代码等。最后对系统进行功能测试,并对测试结果进行分析总结。 包括程序毕设程序源代码一份,数据库一份,完美运行。配置环境里面有说明。如有不会运行源代码私信。
2021-12-24 18:32:13 9.99MB 陕菜食谱网站
1
本书提供了在诸如Apache Commons,Apache Lucene和Apache Velocity之类的项目中使用基于Java的实用程序的专家提示。
2021-12-24 18:28:37 2.79MB Java和Java EE (J2EE)
1
上市 Oluwaseyi Adebayo Awoga(Tony)撰写的Python固定收益评估食谱
2021-12-22 15:46:10 370KB Python
1
物联网人工智能手册 这是Packt出版的《 的代码库。 超过70种配方,可为智能家居,工业物联网和智能城市构建AI解决方案 这本书是关于什么的? 人工智能(AI)正在各种垂直行业中Swift找到实际应用,而物联网(IoT)就是其中之一。 开发人员正在寻找使IoT设备更智能,使用户生活更轻松的方法。 借助此AI指南,您将能够使用IoT数据实施智能分析,以获取见识,预测结果并做出明智的决定,并涵盖有助于在各种IoT应用程序中进行分析和学习的高级AI技术。 本书采用基于配方的方法,将带您完成基本过程,例如数据收集,数据分析,建模,统计和监视以及部署。 您将使用来自智能家居,工业物联网和智能设备的真实数据集来训练和评估简单到复杂的模型,并使用经过训练的模型进行预测。 后面的章节将带您了解在实现机器学习,深度学习和其他AI技术(如自然语言处理(NLP),计算机视觉和用于构建智能IoT系统的嵌
2021-12-10 11:04:02 60.12MB HTML
1
上述食谱问题就是一个典型的线性规划问题, 寻求以线性函数的最大(小)值为目标的数学模 型. 它是指在一组线性的等式或不等式的约束条件下,
2021-11-20 16:08:10 2MB 数学建模
1
Vue.js 3食谱 这是Packt发行的的代码存储库。 探索使用最新的Vue.js和TypeScript构建现代Web应用程序的可行解决方案 这本书是关于什么的? Vue.js是一个渐进式Web框架,用于为Web应用程序构建专业的用户界面。 使用Vue.js 3,前端框架通过体系结构增强,新的基本语言,新的渲染过程和分离的核心组件得到了增强。 本书涵盖以下激动人心的功能: 使用Vue.js 3的最新功能设计和开发大型Web应用程序 使用Vuetify,Buefy和Ant Design创建令人印象深刻的UI布局和页面 通过动态表单和自定义规则验证扩展您的Vue.js应用程序 将状态管理,路由和导航添加到您的Web应用程序 使用Nuxt.js将Vue.js应用扩展到服务器端 如果您觉得这本书适合您,请立即获取! 说明和导航 所有代码都组织在文件夹中。 例如,Chapter02。
2021-11-18 23:49:51 3.45MB Vue
1
RecipeSearchEngine 搜索引擎的食谱
2021-11-14 15:13:13 146.74MB Python
1
美食食谱网uml设计及web前端设计原型.zip下载,可用作大作业,部分毕业设计
2021-11-13 17:10:05 6.96MB uml
1
Python深度学习食谱 这是发布的的代码库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 深度学习正在彻底改变各种行业。 在许多应用中,深度学习已被证明可以做出更快,更准确的预测,从而胜过人类。 本书提供了自上而下和自下而上的方法,以演示针对不同领域的现实问题的深度学习解决方案。 这些应用程序包括计算机视觉,自然语言处理,时间序列和机器人技术。 Python深度学习食谱提供了针对所提出问题的技术解决方案,以及对解决方案的详细说明。 此外,提供了有关使用诸如TensorFlow,PyTorch,Keras和CNTK的流行框架之一实施建议的解决方案的利弊的讨论。 这本书包括与神经网络的基本概念有关的食谱。 所有技术以及经典网络拓扑。 本书的主要目的是为Python程序员提供详细的配方列表,以将深度学习应用于常见和不常见的场景。 说明和导航 所有代码都组织在文件夹中。 每个
2021-11-04 16:23:44 5.71MB JupyterNotebook
1