titanic大数据数据分析案例，jupyter notebook 原码说明非常详细，带有数据集，代码，分析图表，特征工程分析

绍 该存储库包含有关如何使用量子计算解决优化问题的教程的代码。我在本教程中使用了旅行商问题，尽管想法是，在完成它之后，您应该能够实现任何类似的优化问题。 本教程适合您吗？ 我在创建本教程时考虑了特定的受众。这意味着人们，他们： 对量子计算感到好奇， 没有任何量子物理学背景， 有一定的编程经验， 真的很想学习这个话题。

分析神经时间序列 2021年1月更新：我将清理现有文件，更新为python3，并在有时间的时候完成其余章节。 要求：Python> = 3.6，numpy> = 1.15，scipy> = 1.5，matplotlib> = 3.2，scikit-image> = 0.17 分析神经时间序列（2012）的Python（Jupyter笔记本）实现。 迈克·科恩（Mike Cohen）撰写的《分析神经时间序列》是一本很棒的书，专为处理连续神经数据的神经科学家撰写。 尽管看起来这本书主要是为脑电图分析而写的，但我发现书中的主题很容易翻译成需要连续数据信号处理的任何领域。 每章介绍一种新技术，重点放在概念而不是严格的数学上，甚至在每章末尾都有摘要，并在本文的“方法”部分中介绍了如何描述分析的技巧。 如果有什么问题，请告诉我。 去做： 第6章清理 第9章清理 第10章清理 第11章清

SVM支持向量机分类鸢尾花数据集iris（jupyter实现） 附带可视化图片

使用face_recognition实现人脸检测、人脸关键点检测、人脸识别。压缩包中包含ipynb文件和图片素材，上传到python.jupyter.vip就能运行，也可以在自己电脑搭建jupyter环境运行。 使用face_recognition实现人脸检测、人脸关键点检测、人脸识别。压缩包中包含ipynb文件和图片素材，上传到python.jupyter.vip就能运行，也可以在自己电脑搭建jupyter环境运行。 使用face_recognition实现人脸检测、人脸关键点检测、人脸识别。压缩包中包含ipynb文件和图片素材，上传到python.jupyter.vip就能运行，也可以在自己电脑搭建jupyter环境运行。

使用Kubernetes从零到JupyterHub 此仓库包含JupyterHub的Helm图表和使用指南。 它们共同使您能够为大量用户（例如大学的教职员工和学生）提供JupyterHub。 导游 提供了用户友好的步骤，以使用和在云上部署 。 该指南是很好补充。 舵图 JupyterHub Helm图表使用户可以在云环境中的Kubernetes集群上创建可复制且可维护的JupyterHub部署。 已发布的图表可在我们的。 历史 本文档的许多初始基础是从UC Berkeley的JupyterHub和Kubernetes在程序中的成功使用中学到的信息。 致谢 感谢以下贡献者： 亚伦·库里奇（Aaron Culich） 卡罗尔·威林 克里斯·霍尔德格拉夫 埃里克·桑德尔 瑞安·洛夫特（Ryan Lovett） Yuvi Panda 洛朗·戈德雷（Laurent Goderre） 鼓励未来的贡献者也将自己添加到此README文件中。 发牌 该存储库获得了Apache2（与上游Kubernetes存储库匹配）和三子项BSD（与Project Jupyter存储库的其余部分匹配

使用深度学习框架的红外和可见光图像融合 - Pytorch 实现

检索图像问题的一般解法 DeepEmbedding空间使用第一个搜索空间研究（DeepMetric）深度哈希（DeepHash）的空间映射函数，将空间空间的学习映射到低维嵌入引擎的空间映射函数。抽取特征，即本次实验研究的第二个问题，第二个问题为特征搜索问题 关于本项目的使用 1.下载相应训练的数据集 2.采用不同的损失类型对模型进行运行train cub200模型 nohup python train_mx_ebay_margin.py --gpus=1 --batch-k=5 --use_viz --epochs=30 --use_pretrained --steps=12,16,20,24 --name=CUB_200_2011 --save-model-prefix=cub200 > mycub200.out 2>&1 & 运行火车 stanford_online_product nohup python train_mx_ebay_margin.py --batch-k=2 --batch-size=80 --use_pretrained --use_viz --gpus

双击文件即可。之后在任意文件夹下，右键选择Jupyter打开，即可显示当前目录的jupyter，而不必激活 Anaconda 环境启动 Jupyter Notebook，显示的反而在默认路径下。 Note：本文件的Anaconda安装在D:\Anaconda3，若你的不同则需修改路径。 以上

吴恩达传统机器学习作业代码（python jupyter）：线性回归、逻辑回归、神经网络、SVM、Kmeans决策树和自动调参数 吴恩达老师的机器学习课后习题Python 包含有8个单元，附带数据集，轻松入门机器学习。 适合人工智能专业初期的同学