深层 一个Tensorflow DL框架，用于使用兆碱基规模的DNA序列预测Hi-C染色质相互作用。 描述 该存储库包含核心deepC python代码，R脚本和用于下游分析的功能，以及教程和示例数据的链接。 核心代码在python（v3.5 +）和tensorflow（v1）中实现。 对于下游分析和可视化，我们使用R和自定义函数来处理HiC数据和deepC预测。 要求 python 3.5 + 张量流（tensorflow-gpu） GPU支持对于预测是更可取的，对于培训来说是必不可少的 其他python模块： numpy（v1.16.4或以上） pysam（已通过v0.15.2测试） pybedtools和已安装的兼容版本的bedtools R版本3.4.4 + 套餐： tidyverse（v1.2.1或更高版本） RColorBrewer（v1.1-2或更高版本）

Web-3D-HMI-演示 带有node.js，Three.js和Nodes7的基于Web的3D Roboter动画演示 这是为机器人手臂创建基于Web的3D HMI的演示，可以从S7控制器进行控制。 机器人模型是从Kuka KR300 CAD模型（STEP格式）创建的，该模型使用FreeCAD软件分成了单个部分。 单个零件以OBJ格式导出，以我的经验，在相对较小的文件大小的情况下，可获得最佳效果。 然后，由three.js附带的OBJLoader加载OBJ格式的零件。 从S7程序中读取5个轴中每个轴的设定值。 通过robot.html上的一些Java脚本将旋转到所需的设定点。 可以从Web GUI配置轴跟随设定点的转速。 安装 必需的Javascript模块是通过npm下载并安装的。 在工作目录中调用： npm install 会下载它们并将其中的three.js文件复制到公共目录

数学编辑器 MathEditor 是用 Javascript 和 HTML 开发的 LaTeX、AscciMath 和 MathML 编辑器。 它在网络上或本地独立运行。 它具有许多功能和菜单，可帮助输入方程式并允许其发布和备份。 ##Molded by Adnan Shafique

薪水预测-烧瓶部署 这是一个演示项目，用于详细说明如何使用Flask API在生产环境中部署机器学习模型 先决条件 您必须安装Scikit Learn，Pandas（用于机器学习模型）和Flask（用于API）。 项目结构 该项目包括四个主要部分： model.py-这包含我们的机器学习模型的代码，以预测hiring.csv文件中训练型数据上缺少的员工薪水。 app.py-包含Flask API，这些API通过GUI接收员工详细信息，根据我们的模型计算推定值并返回。 模板-此文件夹包含HTML模板，允许用户输入员工详细信息并显示预测的员工薪水。 运行项目 确保您在项目主目录中。 通过运行以下命令来创建机器学习模型- python model.py 这会将我们模型的序列化版本创建到文件model.pkl中 使用以下命令运行app.py以启动Flask API python app.

echarts-bigScreen echarts学习之数据大屏展示 大屏数据展示 中间地图背景酷炫效果实现 中间地图点位的移动 右侧最后一栏的地图添加可控组件 柱状图数据背景设为数据对应的图片 主题更换

纯CSS实现div弹出对话框 可以应用于C#，.net 里面。 页面比较好看。

用css实现简单的对话框的样式

窗口应用 与PyQt集成的Flask窗口应用程序

仿B站登录拼图滑块验证,代码结构清晰注释全。

DreamWeaver使用教程，自己做的课件，分享给大家，有想用的拿去~