搜索资源列表
twogtp
- 用于两个GNUGO围棋程序通过进程间通讯进行对弈的程序。使用python语言开发，需要安装这个语言开发环境才能运行。
canopy
- 一种新的聚类方法，结合k-means，用Python作为开发工具-a kind of clustering
svm-master-(1)
- 使用python语言开发的支持向量机（SVM）-Using python language support vector machine (SVM)
FaceRecognition_CNN(olivettifaces)
- 将CNN应用于人脸识别的流程，程序基于Python+numpy+theano+PIL开发，采用类似LeNet5的CNN模型，应用于olivettifaces人脸数据库，实现人脸识别的功能-CNN is applied to the process of face recognition. The program is based on Python+ numpy+ theano+ PIL development, and uses CNN model like LeNet5, which is
zh_cnn_text_classify-master
- 基于卷积神经网络(CNN)的中文垃圾邮件检测，很好的学习程序，基于python开发，需要配置Tensorflow。-Based on convolutional neural network (CNN) of Chinese spam detection, good learning program, python-based development, you need to configure Tensorflow.
SVD++
- 简单的SVD基于movielens的开发python程序(this is a simple SVD write by python base on movielens dataset)
CWSS17.1.1.4
- 基于隐马尔科夫模型的中文分词系统，上交ieee专业大一作业，界面一般，主要用于学习，在此分享，注：开发环境python3.5(Based on Hidden Markov model of Chinese word segmentation system, on the IEEE professional freshman job, interface is common, mainly used for learning, in this share, note: development en
python基础+核心
- PYTHON开发，Python基础和核心资料(PYTHON development, Python foundation and core information)
python_3.4官方入门指南中文版
- Python 是一门简单易学且功能强大的编程语言。它拥有高效的高级数据结构，并且能够用简单而又高效的方式进行面向对象编程。Python 优雅的语法和动态类型，再结合它的解释性，使其在大多数平台的许多领域成为编写脚本或开发应用程序的理想语言。(Python is a simple and powerful programming language. It has an efficient high-level data structure and can be used in object-ori
TensorFlowv1.2
- google开发的python深度学习框架的官方手册，中文版。(tensorfloe user guide in chinese)
TextRank4ZH-master
- 完成一个简单的功能的设计，这个是使用Python 语言开发出来的一个简单的应用(this programming is just done a simple function)
face_recognition-master
- USB摄像头人脸检测与识别，实时分析，实时获取人脸部信息，python语言开发。(Face detection and recognition of USB camera and real-time analysis.)
Python神经网络编程.pdf+代码
- 本书首先从简单的思路着手，详细介绍了理解神经网络如何工作所必须的基础知识。第一部分介绍基本的思路，包括神经网络底层的数学知识，第2部分是实践，介绍了学习Python编程的流行和轻松的方法，从而逐渐使用该语言构建神经网络，以能够识别人类手写的字母，特别是让其像专家所开发的网络那样地工作。第3部分是扩展，介绍如何将神经网络的性能提升到工业应用的层级，甚至让其在Raspberry Pi上工作。(This book begins with a brief introduction to the basi
python基础数据分析实例
- 假设要分析的数据包括属性age。数据元组的年龄值为（按递增顺序）13、15、16、19、20、20、21、22、22、25、25、25、25、25、30、33、35、35、35、36、40、45、46、52、70。另外，假设一家医院用上述年龄属性对所选样本受试者的年龄和体脂数据进行测试，得到结果，并执行下列操作： 1、将上述数据保存在逗号分隔值文件中。 2、将逗号分隔值文件中的数据读入R中的变量。 3、年龄和脂肪百分比的平均、中等和标准差是多少？ 4、这个时代的模式是什么？评论数据的形式（即双峰