注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. folium-geospatial-visualisation-源码

  2. Folium：地理空间可视化库 库是一个leaflet.js库，它允许生成html地图而无需编写单个javascr ipt代码。 总体而言，Folium在功能，可定制性和易于编程之间取得了很好的平衡。 与GeoPlotlib的相似之处 geo-plotlib API的灵感来自于matplotlib编程模型和语法，这是python中数据可视化的实际标准。 这使matplotlib用户更容易上手。 可视化画布最初是空的，并且每个命令都会添加一个新的图形层。 调用show（）时，将显示geoplot

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：56kb
    • 提供者：weixin_42101237

  1. TNS_upload:将年轻的SN候选人上传到TNS的工具-源码

  2. TNS_upload 将年轻的SN候选人上传到TNS的工具。 请克隆此存储库以访问下面的笔记本。 包含有关如何在SN猎人中检查候选者以及如何将其发送到瞬态名称服务器（TNS）的说明 用于选择主机星系，准备报告并发送到TNS 用于收集有关发送给TNS的候选人的统计信息 在创建了alerce_tns对象 每日候选者将保存在目录中。请谨慎使用。 请注意，某些笔记本需要TNS API密钥文件。

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：13mb
    • 提供者：weixin_42143806

  1. cf-for-k8s:Kubernetes上Cloud Foundry的开源部署清单-源码

  2. cf push进入Kubernetes Kubernetes的Cloud Foundry（cf-for-k8s）将流行的CF开发人员API与Kubernetes，Istio和其他开源技术相结合。 该项目旨在提高使用Kubernetes的组织的开发人员生产力。 cf-for-k8s可以在数分钟内安装在任何符合标准的环境中。 Cloud Foundry是一个开源云平台即服务（PaaS），开发人员可以在该平台上构建，部署，运行和扩展应用程序。 有关Cloud Foundry是什么以及它如何帮助开发

  3. 所属分类：其它

  1. light-tensor-源码

  2. 张量框架（l-十） 用于快速神经网络训练和推理的低开销框架 比libtorch更快（PyTorch的C ++后端） 快速转变网络架构和超参数搜索 快速高效地推论生产 特征 自动差异化 流行的网络层类型 热门优化器 与libtorch类似的API int8量化（仅适用于线性层） Python前端即将推出 演示版 Colab笔记本演示了如何构建L张量库和运行测试 无人机动力学模拟器 基准测试 十人vs libtorch训练和推理（MNIST） 十人vs libtorch训练与自卑（语音命令）

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：103kb
    • 提供者：weixin_42121905

  1. Deep-Learning:Algunos笔记本深度学习控制Tensor Flow，Principalmente con la api Keras-源码

  2. 深度学习 深度学习基础知识的Algunos笔记本，Tensor Flow的图像，usando la api Keras的图像。

  3. 所属分类：其它

  1. GraphLog:用于访问GraphLog数据集的API-源码

  2. 图形日志 与GraphLog数据集接口的API。 GraphLog是使用基于一阶逻辑的规则构建的多用途，多关系图数据集。 | 消息 GraphLog的Core Generator逻辑现在在其自己的存储库发布了！该存储库将包含GLC的特定实例，可用于创建GraphLog的各种设置。敬请期待更多的更新！ 安装 支持的Python版本：3.6、3.7、3.8 从安装PyTorch 从安装pytorch-geometric（和其他依赖项）。确保pytorch和pytorch-geometric等的cpu

  3. 所属分类：其它

  1. toolbox-1:精选的库列表可加快机器学习工作流程-源码

  2. 工具箱 精选库可加快工作流程 阶段：数据 注解 图片： 文字： ， 数据集 文本： ，， ， ， ， 图片： 数据集搜索引擎： ， 撷取资料 音频： 视频： 图片： 新闻： PDF：， 远程文件： 搜寻： ， ， Google表格： Google云端硬碟： 数据集的Python API： Google地图位置数据： 数据扩充 文字： 图片： ， ， 阶段：探索 资料准备 缺少值： 将图像拆分为训练/验证/测试： 班级不平衡： 在笔记本中进行实验 通过CLI查看Jupyt

  3. 所属分类：其它

  1. TSLA-Forecasting-源码

  2. TSLA预测 目录 概述 该存储库包含jupyter笔记本，用于使用Reddit上最古怪的投资社区的情绪数据（ ）预测TSLA的价格。 分析分为三类： 数据收集-使用PRAW从Reddit抓取用户评论，并从Yahoo Finance收集TSLA的每日收盘价。 情绪分析-从用户评论中获得工程评分，以衡量投资者的情绪。 预测-使用技术指标和来自情绪分析的功能来预测TSLA的未来价格。 数据采集 Reddit 我们将使用scraping_reddit_comments.ipynb笔记本从r / wa

  3. 所属分类：其它

  1. api-training:使用jupyter笔记本进行一些RESTful API培训-源码

  2. API培训 使用 Notebooks进行的一些RESTful API培训。 内容 请参阅下面的，然后： demo-clientid-client 以下是一些笔记本电脑，它们演示了如何使用demo-clientid API和OAuth 2.0客户端凭据授权： demo-clientid-client-js.ipynb（node.js Javascr ipt） （必须正在运行jupyter notebook ） demo-clientid-client-jquery.ipynb（node.js

  3. 所属分类：其它

  1. dor_indexing_app:斯坦福大学数字对象存储库的索引API-源码

  2. Dor索引应用 dor_indexing_app是用于将DOR对象索引到Argo索引中的主要API。 有关字段及其用途的更多信息，请参见： : 开发人员设置 为了在笔记本电脑上运行dor_indexing_app（例如，在运行Argo时），您需要 创建目录config/certs并（最好）创建指向dor_indexing_app的shared_configs certs的符号链接。 在config/settings/创建一个指向development.local.yml的符号链接（也可以在

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：99kb
    • 提供者：weixin_42104778

  1. leonardo：笔记本服务-源码

  2. 列昂纳多 Leo通过设置Spark集群，并在其上安装和 。 它还可以将最终用户连接代理到Jupyter接口，以便为特定用户提供授权。 有关更多信息和概述，请参见 。 我们使用JIRA代替Github上的问题页面。 如果您想了解我们在做什么，可以访问我们的或JIRA上的。 您需要设置一个帐户才能访问，但该帐户对公众开放。 Swagger API文档： : 授权提供者 Leo提供了两种开箱即用的授权方式： 按白名单 通过 ，Workbench IAM服务 希望使用自己的授权机制的用户可以

  3. 所属分类：其它

  1. API-源码

  2. Rangi Ruru女子学校苗条模板 这是使用构建和运行应用程序的起始模板。 安装 在笔记本电脑上下载并安装 。 NodeJS使您可以在浏览器外部（例如在开发笔记本电脑上）运行Javascr ipt代码。 像这样的也使用它在其托管服务器上运行Javascr ipt。 您将使用它来自动从源代码构建和显示应用程序，以便可以在浏览器中查看和测试它。 您只需要两个命令-接下来说明。 在打开一个新终端（Ctrl + Shift +`），选择保存该项目的文件夹，然后输入并运行此命令。 npm inst

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：33kb
    • 提供者：weixin_42104906

  1. 笔记本API-源码

  2. 去污 该项目旨在了解和实践使用Ruby on Rails开发的API的结构。 该项目正在使用gem 调整协议以符合的规范。 依存关系 Ruby 2.6.3版 Rails版本6.0.3 开始使用 要配置环境，请按命令运行： rails db:create db:migrate db:seed 脚本将删除数据库（如果已创建），创建数据库，运行迁移并填充表 运行测试 要配置测试环境，请按以下命令运行： rails db:migrate RAILS_ENV=test 并使用以下命令运行测试：

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：185kb
    • 提供者：weixin_42140710

  1. ML-learnings：有关我学到的不同内容的小片段笔记本教程-源码

  2. 机器学习 关于我学到的与ML相关的不同内容的小片段笔记本教程 keras，TF2.0 最近，在工作中，我们决定从TF1.0迁移到TF 2.0和keras。 Keras提出了很多漂亮的方法来简化生活。 但是，随着API级别的提高，使用适当的抽象级别的责任也随之提高。 这是一系列教程（几乎类似于默认的keras教程，但按照我认为有用的顺序进行了调整和安排） 凯拉斯你好世界 Keras不同的API创建模型 Keras创建一个自定义图层 tf.function Keras亏损经理 凯拉斯培训经理

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：125kb
    • 提供者：weixin_42122986

  1. bitcoin-market-2017：适用于DataCamp的Jupyter笔记本项目-源码

  2. 比特币市场2017 适用于DataCamp的Jupyter笔记本项目。 这着眼于2017年普通加密货币的市值。该数据来自于2020年私有化的coinmarketcap API，并且不再可用。

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：133kb
    • 提供者：weixin_42176612

  1. lux：用于智能可视数据发现的Python API-源码

  2. 用于智能视觉发现的Python API Lux是一个Python库，可通过自动化数据浏览过程的各个方面来简化数据科学。 即使用户对所要查找的内容不清楚时，Lux仍可加快数据的实验速度。 可视化通过显示，允许用户直接在Jupyter笔记本中快速浏览大量可视化集合。 这是一个介绍Lux，以及来自更广泛讨论的。 您可以在Jupyter笔记本电脑中自己尝试Lux！ 入门 要开始使用Lux，只需在熊猫输入中添加一个额外的import语句即可。 import lux import pandas as

  3. 所属分类：其它

  1. oanda-api-v20：OANDA REST-V20 API包装器。 通过oandapyV20软件包轻松访问OANDA的REST v20 API。 检出Jupyter笔记本！-源码

  2. oanda-api-v20：OANDA REST-V20 API包装器。 通过oandapyV20软件包轻松访问OANDA的REST v20 API。 检出Jupyter笔记本！

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：152kb
    • 提供者：weixin_42126865

  1. folium-demo：将Python用于基本GIS：Folium，Flask，Heroku和开放数据API-源码

  2. 概要 演示/ 通过链接，注释和示例（包括GeoJSON / choropleths和Walk Score API）深入了解交互式笔记本。 您可以单击徽章在Google Colaboratory上浏览代码，但是如果没有API密钥，则某些实时数据功能将无法使用。 您还可以在nbviewer上查看静态版本： 追踪器/ 一个准系统的Flask应用程序，它使用WMATA API演示了一些基本的Folium功能。 此确切的存储库托管在Heroku的。 它采用了一个演示示例，并展示了如何通过Web浏览器

  3. 所属分类：其它

  1. 分析新闻标题中的趋势：通过使用IBM的Watson NLU API抓取网站并提取每个新闻标题的元数据，对新闻标题进行数据分析。 通过绘制图表来探索数据以发现模式和趋势。 将我所有的发现记录在Jupyter笔记本中-源码

  2. 分析新闻头条趋势 对新闻头条进行数据分析 搜刮网站和 使用IBM的Watson Natural Language了解API为每个新闻标题提取元数据 通过绘制图表以发现模式和趋势来探索数据 将结果记录在Jupyter笔记本中 笔记本的可视化 总有改进的余地... 改进代码 这是我第一次使用Python模块，例如matplotlib ， pandas和numpy 。 为了得到所需的图表，使用pandas操作了数据集。 用于操纵数据集的方法不是最理想的。 我的计划是缩短代码，并提高我对datafra

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：788kb
    • 提供者：weixin_42137723

  1. 分层dnn解释：使用论文《神经网络预测的分层解释》中的复制ACD（ICLR 2019）-源码

  2. 从神经网络预测的层次解释论文中使用/复制ACD的官方代码（ICLR 2019 ）。 该代码为神经网络所做的单个预测生成层次解释。 注意：此存储库正在积极维护。 如有任何疑问，请提出问题。 例子/文档 安装： pip install acd （或克隆并运行python setup.py install ） 示例： 文件夹包含带有许多演示的笔记本 api ： 提供可用功能列表 src ： 文件夹包含方法实现的源 通过更改超参数允许进行不同类型的解释（在示例中进行了说明） 使用python3和

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：23mb
    • 提供者：weixin_42140846
« 12 3 4 5 6 7 8 9 10 ... 14 »