///// 快书 这些笔记本介绍了深度学习， 和 。 fastai是用于深度学习的分层API； 有关更多信息，请参见。 此回购协议中的所有内容均受版权保护，由Jeremy Howard和Sylvain Gugger于2020年开始。 这些笔记本用于 ，构成了 的基础，目前可以购买。 它没有与该草案相同的GPL限制。 GPL v3许可证涵盖了笔记本和python .py文件中的代码； 有关详细信息，请参见LICENSE文件。 其余部分（包括笔记本和其他散文中的所有降价单元）均未经许可可用于任何重新分发或更改格式或媒介的行为，除了复制笔记本或为您自己的私人使用而分叉此存储库外。 禁止用于商业

JupyterHub - 支持多用户服务器版 Jupyter notebooks 技术概览 | 安装 | 配置| 码头工人 | 贡献 | 许可证 | 帮助和资源 JupyterHub 使用 JupyterHub，您可以创建一个多用户集线器，它生成、管理和代理单用户 Jupyter 笔记本服务器的多个实例。 Jupyter 项目创建了 JupyterHub 以支持许多用户。 Hub 可以为学生班级、企业数据科学工作组、科学研究项目或高性能计算组提供笔记本服务器。 技术概述 JupyterHub 的三个主要参与者： 多用户 Hub（tornado 进程）可配置的 http 代理（node-http-proxy） 多个单用户 Jupyter notebook 服务器（Python/Jupyter/tornado） 操作的基本原则是：Hub 启动一个代理人。 默认情况下，代理将所有请求转发到 Hub。 集线器处理登录，并按需生成单用户服务器。 集线器配置代理以将 url 前缀转发到单用户笔记本服务器。 JupyterHub 还提供了一个 REST API 来管理 Hu

偏二元神经网络 该存储库包含三个Jupyter笔记本，说明了通过神经网络（NN）求解偏微分方程（PDE）的不同方法。 笔记本用作纸的补充材料： 神经网络求解偏微分方程的三种方法-综述 摘要：越来越多地使用神经网络来构造偏微分方程的数值求解方法。 在本说明性综述中，我们介绍和对比了三种重要的近期方法，这些方法在其简单性和对高维问题的适用性方面具有吸引力，它们是：物理信息神经网络，基于Feynman-Kac公式的方法和Deep BSDE求解器。 本文随附Jupyter笔记本电脑形式的一套说明软件，其中逐步解释了每种基本方法，从而可以快速进行同化和试验。 大量的书目总结了最新技术。 关键词：偏微分方程; Hamilton-Jacobi-Bellman方程； 神经网络，维数诅咒，Feynman-Kac，后向微分方程，随机过程 arXiv预印本： : 引文： @misc{blechsc

网页设计-Bootstrap / HTML 数据共享时功能更强大！ 很高兴与您分享我对纬度对天气状况的影响的分析。 在这个用户友好的网站上，您将看到我的天气状况与纬度的关系的图表和表格插图。 该网站具有很高的交互性，并具有实时动画以及能够在页面之间以多种方式链接的功能。 它还会根据您在其上查看的尺寸屏幕来更新格式的比例！ 请享受！ 目录 技术领域 HTML 引导程序 CSS 导航栏 在我的网站顶部，有导航栏。 为了创建此栏，我使用了BootStrap代码。 导航栏包括： 每页上都有一个主页按钮，它将使您返回到摘要登录页面 地块下拉菜单，其中包含指向我的4个天气摘要的链接 指向该页面的“比较”链接显示了一个页面，其中包含所有4种天气摘要的网格形式 数据链接可带您到带有用于绘制我的结果的数据表的页面 导航栏的代码来自Bootstrap文档页面。 我在.css文件中添加了格式设置，以更改

jupyter_notebooks