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

DFT的matlab源代码pycdcd 修正DFT计算固体中点缺陷的方法 安装 pycdcd需要pymatgen软件包。 源代码 如果尚不可用，请使用以下步骤。 如果您的系统尚未打包，请安装。 使用以下命令下载pydii源代码： git clone https://github.com/mbkumar/pycdcd.git 安装 导航到pycdcd根目录： cd pycdcd 使用以下命令安装代码： python setup.py install 该命令尝试获取所需的软件包及其依赖性，并自动安装它们。 如果不使用virtualenv可能需要访问root用户。 ＃可以使用以下命令将软件包安装在非标准位置： python setup.py install --prefix PYCDCD_ROOTDIR 其中PYCDCD_ROOTDIR是您选择的目录。 在UNIX / Linux环境中，通过以下命令将PYCDCD_ROOTDIR添加到PATH和PYTHONPATH变量中： export PATH=$PATH:PYCDCD_ROOTDIR export PYTHONPATH=$PYTHONPA

pySPM pySPM是一个python库（python3，但应与python2兼容），以便读取，处理和绘制扫描探针显微镜（SPM）图像以及ToF-SIMS数据。 目前，它支持以下格式： Nanoscan .xml文件格式 布鲁克 Iontof ToF-SIMS文件格式： ITA 信息技术 它的 Nanonis SXM文件 重要的 该库按原样提供，并且仍在开发中。 请注意，读取原始数据是通过逆向工程和猜测完成的，而不是手动操作，因为文件格式是专有的。 这似乎与这个库的开发者所使用的数据很好地工作，但我们无法保证此库将与自己的特定数据正常工作。 如果发现错误和问题，请向开发人员报告： : 依存关系 该库需要以下软件包 强制性的 麻木 科学的 matplotlib 用于PCA scikit学习 大熊猫 用于GUI pyQT5 显示进度条（将prog = True参数传递给

Nyc-Taxi-Kaggle-挑战 目标 Kaggle竞赛预测纽约出租车的行驶时间。 该项目的报告在capstone.pdf。 （在这个项目中，我提供了许多链接，如果您是初学者，可以通过这些链接来弄清楚您的概念，如果不理解的话，可以通过project和readme中提供的链接和pdf来了解。） 问题陈述 在本报告中，我们使用来自纽约市出租车和高级轿车委员会的数据来考察Kaggle竞赛，该竞赛要求竞争对手预测纽约市出租车旅行的总行驶时间（trip_duration）。 Kaggle提供的数据是作为CSV文件提供的结构化数据。 CSV文件中的数据包括多种格式：时间戳，文本和数字数据。 这是回归分析，因为输出（总行驶时间）是数字。 我将使用几种机器学习方法来完成预测任务，这些方法是线性回归，k最近邻回归，随机森林和XGBoost。 将使用均方根对数误差对模型进行评估。 总览 我使用Jupyter_Notebook在dekstop上执行此项目，并且在使用python的远程服务器上也无需使用Jupyter_notebook来执行。 软件和库 Python 3 Scikit-learn：Pyt

麦克蒙 micmon是一个由ML支持的库，用于检测来自文件或音频输入的音频流中的声音。 其开发的用例是创建了一个自建的婴儿监视器，以通过RaspberryPi + USB麦克风检测我的新生儿的哭声，但如果与便携式计算机一起使用，它应该足以检测任何类型的噪音或音频。训练有素的模型。 它通过将音频流分成短段进行工作，为每个段计算FFT和频谱仓，并使用此类频谱数据来训练模型以检测音频。 它适合于声音足够大以至于可以从背景中脱颖而出（例如，可以很好地检测到闹钟的声音，而不是飞蚊子的声音），而声音的大小要比块的大小长得多（非常短）声音将在音频块的频谱中留下很小的痕迹），甚至更好，如果它们的频率带宽与其他声音没有太多重叠（这很容易检测到婴儿的哭声，因为他/她的声音具有音调高于您的音调，但可能无法检测到同一年龄段的两名成年男子的声音在频谱特征上的差异）。 相反，如果您尝试使用它来检测语音，它的性能将不

3D箱包装 基于3D Bin Packing实现。 该代码基于Go中的实现。 特征 对垃圾箱和物品进行排序： [bigger_first=False/True]默认情况下，所有垃圾箱和物品从最小到最大排序，反之亦然，以这种顺序进行包装。 物品分配： [distribute_items=True]从垃圾箱和物品的列表中，将物品放入垃圾箱，至少一个物品位于一个可以容纳的垃圾箱中。 即，将所有物品分配到所有箱柜中，以便将它们包含在内。 [distribute_items=False]从垃圾箱和物品的列表中，尝试将所有物品放入每个垃圾箱，最后，它在每个垃圾箱中显示所有适合的物品和不适合的物品。 小数位数： [number_of_decimals=X]定义输入和输出的小数位数限制。 默认为3。 安装 pip install py3dbp 基本说明 Bin和Items具有相同的创建参数：

python库。 资源全名：nsepython-0.0.93.tar.gz

python库。 资源全名：nsmr-0.1.1.tar.gz