Qt编写的一些开源的demo，预计会有100多个，一直持续更新完善，代码简洁易懂注释详细，每个都是独立项目，非常适合初学者，代码随意传播使用，拒绝打赏和捐赠，欢迎留言评论！
参考网址：https://gitee.com/feiyangqingyun/QWidgetDemo
2021-10-25 10:39:35
13.4MB
1
nonebot插件
一些NoneBot即开即用的插件
:fire:使用最多| :rocket:热门插件| :NEW_button:最新插件
生命的尽头 :exclamation_mark:
由于酷Q暂时停止运营，本项目暂存，您可以fork保存或寻找其他兼容的替代品。
Twitter推
稳定的推动关注用户的Twitter最新动态到群内
自定义表情包 :fire:
新颖的自制表情包工具，沙雕图生产效率高
复读机
兼备复读，精确回复，模糊回复的仿生人
Bestdori自制谱作图器
一步查询，获取谱面完整图片，让你的谱面活灵活现
圣杯战争
兴趣使然的简单游戏演示
营销号文案生成
一键生成简洁的营销号文案（含cpk版/ nonebot版）
早晚安 :rocket:
关注睡眠时间，灵活调整生物钟
小故事
应群友要求制作的无聊cp小故事
一言
闲情雅致，闲的没事
图片旋转
随机性的随机角度旋转发送的图片，带点内味
Pixiv看图
按画师收集所有图片后查看，一般.jpg
仿生回复
测试插件
V运势 :rocket:
喜欢的vtb带来你每天的运势
网易云Mlog视频下载
测试插件
丢人爬 :NEW
2021-10-24 16:49:53
21.55MB
1
自考11441计算机及应用 视频教程和一些历年真题，网盘下载， 文档下载后再打开，在浏览器直接打开可能会乱码
2021-10-24 12:43:55
116B
1
介绍
码云微信小程序(第三方服务)是一个基于微信小程序+码云OpenAPI的代码仓库管理小工具，实现在微信小程序上对码云一些常用功能的移动端操作体验。
项目说明
本项目小程序客户端部分除页面UI基于WeUI以及Markdown采用了第三方库以外，未集成任何开发框架，纯微信小程序原生代码实现；直接与码云官方API () 通信，没有任何的第三方服务端数据存储和缓存服务。
为了用户更安全放心的使用这个小程序，我们推荐使用码云的 进行授权。
使用说明
1. clone 本项目至本地 导入微信小程序并修改为自己的APPID
2. 编译并运行小程序开发版 即可预览效果
特色功能
1. 手机端查看代码提交记录，评论变更的文件
2. 手机端查看码云通知/私信
3. 手机端查看/合并/关闭PR
4. 方便发起Issue、管理、查看Issue状态等
5. 查看用户主页、用户开源仓库和用户关注的仓库
6. 搜
2021-10-23 14:33:30
1.16MB
1
matlab
绘图的形状代码
Q学习的
Matlab
实现
本项目是基于迷宫环境.
与最短路径算法不同,
Q学习算法使agent能够通过与环境交互(采取四个方向的动作),
计算从给定的起点到固定的终点的最短路径.
文件结构
readMaze.m:
读取迷宫数据,
目前存储为矩阵的形式
q_learning.m:
Q学习的核心算法
plotMaze.m:
绘制平均路径,
地图和各个点的最佳方向
actions.m:
定义动作空间
plotQ.m:
单独保存某一次迭代的Q矩阵图像,
默认保存为目录下的images文件夹
main.m:
执行主要功能
说明
如果需要修改起始点,
并绘制相关的路径,
可以在main.m运行完q_learning函数之后,
修改start并运行
start
=
[2,3];
plotMaze(OM,
Q,
HA,
HP,
start,
dest,
seed,
gamma,
alpha,epsilon,lambda);
代码即可绘制其他起点的图像.
结果
输出的Q值矩阵(迭代1000次):
各个状态的采取的最优的行为:
最优的路径:
平均的回报:
需求
基于
Ma
2021-10-22 19:04:07
135KB
1
自动白平衡的一些算法AutoWhiteBalance..rar
自动白平衡的一些算法AutoWhiteBalance..rar
2021-10-22 18:18:02
2.05MB
1
CCD相机与CMOS相机的区别；面阵相机与线阵相机；模拟相机与数字相机；与摄像机相关的一些基本概念
2021-10-22 14:08:47
98KB
1
ML之FE：特征工程中常用的一些处理手段(缺失值填充、异常值检测等)及其对应的底层代码的实现
目录
特征工程中常用的一些处理手段(缺失值填充、异常值检测等)及其对应的底层代码的实现
缺失值填充
fillna(self, value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)
特征工程中常用的一些处理手段(缺失值填充、异常值检测等)及其对应的底层代码的实现
缺失值填充
df = pd.read_csv('test01.csv')
print(df['feature01']
2021-10-22 12:28:59
28KB
1