深度学习，代码示例，用一个简单的一层网络实现鸢尾花分类，经过500次传播，准确率可以达到90%以上。最后实现了准确率和损失值的可视化。

ros_h264_streamer 一个简单的ROS节点通过UDP / TCP套接字流式传输/接收h.264编码的图像

VueSSE VueSSE通过为基础提供高级接口，可以轻松使用。 安装 # npm npm install --save vue-sse # OR yarn yarn add vue-sse // in main.js import VueSSE from 'vue-sse' ; // using defaults Vue . use ( VueSSE ) ; // OR specify custom defaults (described below) Vue . use ( VueSSE , { format : 'json' , polyfill : true , url : '/my-events-server' withCredentials : true , } ) ; 快速开始 this . $sse . create ( '/my-events-serv

WebGL茶壶 它是犹他州的茶壶，可以拉回原来的高度。 具有纹理，阴影，凹凸贴图和所有令人敬畏的特性。 Javascript代码，按重要性排列 main.js：代码的入口点。 将各个部分粘合在一起 teapot.js：绘制茶壶并保持其状态的代码 streetview.js：用于绘制全景图并保持其状态的代码 pipeline.js：透视图的实现-Modelview矩阵管道以及其他样板 objparser.js：用于波前.obj文件的解析器 utils.js：简单的库函数 着色器 目的 着色器 茶壶 potshader.frag potshader.vert 全景图 panoshader.frag panoshader.vert 阴影 shadowshader.frag shadowshader.vert 特征 基于环境亮度的具有动态光强度的Phong照明 纹理贴图 街景或Goo

ArcGIS中用一个图层批量剪切多个批量

用python的PIL库和os库；实现功能：将某一文件夹下所有图片合并为一个pdf；使用步骤：1.将所有图片放在一个空文件夹下（不包含其他文件）2.更改photo_path = r'F:\python_learn\票据原件'，在' '内填入文件夹绝对路径 3.更改im1.save(r'F:\python_learn\myImages.pdf', save_all=True, append_images=imagelist)，在原'F:\python_learn\myImages.pdf'处填入pdf文件保存路径 4.运行img2pdf.py即可

OpenNMT: 开源神经机器翻译系统OpenNMT的Pytorch一个移植 OpenNMT-py：开源神经机器翻译 这是 OpenNMT 的 Pytorch 端口，OpenNMT 是一个开源 (MIT) 神经机器翻译系统。 它旨在便于研究，在翻译、摘要、图像到文本、形态学和许多其他领域尝试新想法。 OpenNMT-py 作为一个协作开源项目运行。 它目前由 Sasha Rush（剑桥，马萨诸塞州）、Ben Peters（萨尔布吕肯）和 Janyu Zhan（深圳）维护。 原始代码由 Adam Lerer (NYC) 编写。 代码库接近稳定的 0.1 版本。 如果您想要稳定的代码，我们目前建议分叉。 我们喜欢贡献。 请查阅问题页面以获取任何“欢迎贡献”标记的帖子。 目录 要求 功能快速入门 高级引用要求 pip install -r requirements.txt 功能 实现了以下 OpenNMT 功能： 多层双向 RNN，具有注意力和丢失数据预处理从检查点保存和加载 带有批处理和波束搜索的推理（翻译） 上下文gate 多源和目标 RNN (lstm/gru) 类型

用VC 6.0的程序生成一个简单的文字动画，围绕圆心转动的文字，同时文字的字体是可以自己定义的，如果你是一名VC新手的话，就赶紧下载吧。

yii2-umeditor UMeditor，简称UM，是一个简单版的ueditor。 满足我们的门户网站简单的发布回复框框架和定制的在线富文本编辑器的需求。 安装 安装此扩展的首选方法是通过 。 要么跑 php composer.phar require --prefer-dist shiyang/yii2-umeditor "*" 或添加 "shiyang/yii2-umeditor": "*" 到composer.json文件的 require 部分。 用法 安装扩展后，只需通过以下方式在代码中使用它： <?php use shiyang\umeditor\ Umeditor ; ?> <?php $ form = ActiveForm :: begin (); ?> <?= $ form -> field ( $ model , 'content' )-> widget

是一个由58k条精心挑选的评论组成的语料库，从Reddit网站上提取了27种情绪类别或中性情绪，并配有人工注释。其中包含了训练测试验证分割测试数据集的大小5,427。验证数据集的大小5,426。情感的分类是钦佩、娱乐、愤怒、烦恼、认可、关心、困惑、好奇、渴望、失望、反对、厌恶、尴尬、兴奋、恐惧、感激、悲伤、快乐、爱、紧张、乐观、骄傲、实现、宽慰、悔恨、悲伤、惊讶。