QuTiP笔记本 这些文件是用于测试QuTiP不同部分的。 与作为QuTiP的一部分安装的单元测试套件相比，这些测试的目的有所不同。 这些笔记本不是小型的隔离（单元）测试，而是更像是集成测试，它使用QuTiP代码库的较大部分来确保不同部分按预期工作，或者使用模块中各个相关部分的测试。一个位置。 要打开这些文件，请通过在包含文件的目录中运行以下命令来启动IPython Notebook服务器： $ jupyter notebook 或者，如果您安装了旧版本的IPython $ ipython notebook 这将在Web浏览器中打开一个新页面，显示带有所有笔记本索引的IPython笔记本仪表板页面。 较旧的笔记本为v3格式。 较新的笔记本为v4格式。 如果使用的IPython Notebook版本不支持v4格式。 （版本为v3.0.0或更低版本），则可以使用以下方式转换这些笔记

使用TensorLy的Python中的Tensor方法 该存储库包含一系列有关张量学习的教程和示例，以及使用在Python中的实现以及如何使用 ， 和框架作为后端将张量方法与深度学习结合在一起。 安装 您将需要安装TensorLy的最新版本才能按照说明中的运行这些示例。 最简单的方法是克隆存储库： git clone https://github.com/tensorly/tensorly cd tensorly pip install -e . 然后只需克隆此存储库： git clone https://github.com/JeanKossaifi/tensorly_notebooks 您准备好出发了！ 目录 1-张量基础 2-张量分解 塔克分解 3-张量回归 低秩张量回归 4-Tensor方法和MXNet后端的深度学习 通过梯度下降的塔克分解 张量回归网络 5-使用PyT

Python for Signal Processing Featuring IPython Notebooks

声卡配置工具 CLOVER.NOTEBOOKS.100.200.300声卡配置工具 CLOVER.NOTEBOOKS.100.200.300声卡配置工具 CLOVER.NOTEBOOKS.100.200.300声卡配置工具 CLOVER.NOTEBOOKS.100.200.300声卡配置工具 CLOVER.NOTEBOOKS.100.200.300声卡配置工具 CLOVER.NOTEBOOKS.100.200.300声卡配置工具 CLOVER.NOTEBOOKS.100.200.300声卡配置工具 CLOVER.NOTEBOOKS.100.200.300声卡配置工具 CLOVER.NOTEBOOKS.100.200.300声卡配置工具 CLOVER.NOTEBOOKS.100.200.300声卡配置工具 CLOVER.NOTEBOOKS.100.200.300声卡配置工具 CLOVER.NOTEBOOKS.100.200.300声卡配置工具 CLOVER.NOTEBOOKS.100.200.300声卡配置工具 CLOVER.NOTEBOOKS.100.200.300声卡配置工具 CLO

声卡配置工具 CLOVER.NOTEBOOKS.SERIES.CHIPSET声卡配置工具 CLOVER.NOTEBOOKS.SERIES.CHIPSET声卡配置工具 CLOVER.NOTEBOOKS.SERIES.CHIPSET声卡配置工具 CLOVER.NOTEBOOKS.SERIES.CHIPSET声卡配置工具 CLOVER.NOTEBOOKS.SERIES.CHIPSET声卡配置工具 CLOVER.NOTEBOOKS.SERIES.CHIPSET声卡配置工具 CLOVER.NOTEBOOKS.SERIES.CHIPSET声卡配置工具 CLOVER.NOTEBOOKS.SERIES.CHIPSET声卡配置工具 CLOVER.NOTEBOOKS.SERIES.CHIPSET声卡配置工具 CLOVER.NOTEBOOKS.SERIES.CHIPSET声卡配置工具 CLOVER.NOTEBOOKS.SERIES.CHIPSET声卡配置工具 CLOVER.NOTEBOOKS.SERIES.CHIPSET声卡配置工具 CLOVER.NOTEBOOKS.SERIES.CHIPSET声卡配置工具

state_space_model_notebooks 用于状态空间建模的R / Python代码和笔记本

///// 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

Squidpy-Python中的空间单细胞分析 Squidpy是用于分析和可视化空间分子数据的工具。 它建立在和基础之上，从中继承了模块化和可伸缩性。 它提供了可利用数据的空间坐标以及组织图像（如果可用）的分析工具。 请访问我们的以获取安装，教程，示例等信息。 手稿 请参阅我们在bioRxiv上的以了解更多信息。 Squidpy的关键应用 从空间坐标构建和分析邻域图。 计算细胞类型和基因的空间统计。 利用有效地存储，分析和可视化大型组织图像。 探索和大型组织图像 。 安装 通过运行以下命令通过PyPI安装Squidpy： pip install squidpy 为Squidpy做贡献 我们为您的贡献感到高兴！ 在开始之前，请查看我们的。

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