[Python] line_profiler-3.0.2-cp37-cp37m-win32.whl

说明：已编译的Python line_profiler库。适用于Windows操作系统，Python 3.7 32位版本
<u011195887> 上传 | 大小：46kb

[Python] Python For Data Science Cheat Sheet

说明：Python For Data Science Cheat Sheet Python数据科学备忘录 原地址：https://www.datacamp.com/community/data-science-cheatsheets
<qq_41729780> 上传 | 大小：8mb

[Python] 安装并开始使用.ipynb

说明：anaconda 的安装与jupyter notebook使用简介，博文地址：https://blog.csdn.net/qq_35318838/article/details/105440110
<qq_35318838> 上传 | 大小：66kb

[Python] omniORBpy-4.2.0-win64-py27.zip

说明：corba的python支持库，可编译corba的idl文件。corba资源较少，放在这里方便大家下载。
<wxffxwqwe> 上传 | 大小：2mb

[Python] omniORBpy-4.2.2-win64-python2.7.zip

说明：corba的python支持库，可编译corba的idl文件。corba资源较少，放在这里方便大家下载。
<wxffxwqwe> 上传 | 大小：2mb

[Python] 爱家租房配置.doc

说明：此文件为flask爱家租房网站的基本配置，参考这个文件配置可以让程序跑起来，还在找毕业设计的同学何不试试这个呢。 需要windows和linux双系统
<geek_xiong> 上传 | 大小：792kb

[Python] python扫描项目工具

说明：python扫描项目工具
<pangrui201> 上传 | 大小：16kb

[Python] docs-scrapy-org-en-1.8.zip

说明：Scrapy是快速的高级Web爬网和Web爬网框架，用于爬网网站并从其页面中提取结构化数据。它可以用于从数据挖掘到监视和自动化测试的广泛用途。
<weixin_42856871> 上传 | 大小：11mb

[Python] myatm.zip一个更加完善的ATM机器简单程序，使用python

说明：注册时，判断用户名是否已存在，密码长度要大于等于6位，如果输入错误要有相应提示。登录时，要求用户输入用户名和密码，只有当用户名和密码均正确才能提示用户登录成功，否则提示用户名或密码错误。注意，不管是注册阶段还是登录阶段，一旦用户输入错误，都将提示用户重新输入，直到正确为止。 注意：存取款要求只能是100的整数倍。
<weixin_39731450> 上传 | 大小：4kb

[Python] Bytes_SVM_决策树实现代码.zip

说明：Step 1：根据目录分别把图像信息进行读取。 Step2：处理图像数据，先进行尺度变换到256*256，然后进行灰度化处理，再把灰度化处理后的数据进行归一化，把数据保存到矩阵X中；对读取的文件的名字进行处理，截取数字进行除100取商进行标签处理，把得到的标签保存到矩阵Y中。 Step3：根据原数据集的信息分别对0-9进行命名。 Step4：把处理后的数据X，Y按照Y中的比例进行分割处理，其中测试集为20%，训练集为80%。 Step5：建立模型（bytes、决策树、SVM） Step6：把训练
<wws_2017> 上传 | 大小：105kb

[Python] CNN实现图片分类.zip

说明：数据预处理：将数据集按照类别进行分组处理，分别对应的目录为0-9，读取图片，保存数据集； 将数据集和标签按照相同的种子进行打乱处理，然后按照标签的比例进行分割数据集，80%作为训练集（训练集中的10%作为验证集，查看是否过拟合），20%作为测试集。 构建CNN模型，这里是基于TensorFlow2.0进行搭建的，具体代码如图所示： 其中包括输入层（32*32的图像，3通道），两个卷积层，1个池化层，重复一次，展平经过全连接层，最后输出层，除了输出层的激活函数是softmax，其他的都是rel
<wws_2017> 上传 | 大小：304kb

[Python] LSTM实现新闻分类.zip

说明：在本次实例的过程中，采取的数据集为50000条已经标注好的新闻文本信息，其中新闻的种类分别为：体育、娱乐、家居、房产、教育、时尚、时政、游戏、科技和财经，保存在cnew.txt文件中。 把文件读取出来，把文本信息和标签信息分别存储在sentences和labelbanes中，由于标签信息为中文，在模型训练的过程中，不能传入非结构化的数据，所以进行向量化，定义label2id将标签和序号相对应，并且把labelnames中的文字信息转化为数字存储在labels。具体的操作如图2所示。
<wws_2017> 上传 | 大小：218kb