Python编程快速上手—让繁琐工作自动化（源码）

利用python实现bp神经网络，采用误差逆传播算法训练模型，并在一个toy set上进行了验证

逻辑回归

如果需要太阳，地球图片，下载好了放到一个名为res的文件夹里，取名sun.png, earth.png

支持向量机的实验指导

CNKICrawler# 中国知网爬虫## 可以爬取文章的全部信息,包括文章名、作者、作者单位、被引用次数、下载次数、文章来源、文章关键词、文章摘要、文章参考文献，文章详情页面url## 需要安装的工具有：BeautifulSoup， xlwt### 使用python3.x### 运行spider_main.py即可，生成的结果文件为：data_out.xls，配置文件为Config.conf

【实例简介】yolov5目标检测模型训练网络实例类（Python）

python下载网易云音乐(仅供参考学习)

【实例简介】

适读人群 ：对自然语言处理感兴趣的普通程序员、算法工程师，计算机专业本科生，低年级研究生。 配套代码集成到广受欢迎的自然语言处理工具包 HanLP 中，Java 与 Python 代码双实现，适合培训。 你一定能看懂的自然语言处理（NLP）入门教程！ 这是一本把读者阅读体验放在首位的中文 NLP 图书，作者采用从问题到算法再到工程实现的写作思路，只允许必不可少的公式出现，降低了读者学习的门槛，通俗易懂、容易上手。是一本可以在地铁上也能学会 NLP 开发的图书。 全书有以下特点： 1. 图文并茂，算法、公式、代码相互印证，Java 与 Python 双实现。 2. 学习路径清晰，问题导向、算法实现、工程实战，简单易懂好上手，双色印刷阅读体验佳。 3. 业内专家——工业界周明、李航、刘群、王斌、杨攀，学术界宗成庆、刘知远、张华平 联合推荐。 4. 作者何晗（@hankcs）兼具一线实战经验与硬核学术背景。自然语言处理开源项目 HanLP 作者（GitHub Star 数远超宾夕法尼亚大学的 NLTK、斯坦福大学的 CoreNLP 以及哈工大的 LTP）埃默里大学计算机博士生，研究方向是句法分析、语义分析与问答系统。 【文件目录】 《自然语言处理入门》随书代码 ├── README.url├── hanlp-java.zip└── hanlp-python.zip0 directories, 3 files

一、俄罗斯方块DQN算法实验报告1. 网络结构图1 DQN网络结构2. 超参数 GAMMA = 0.99  # decay rate of past observations 设置增强学习更新公式中的累计折扣因子 OBSERVE = 500.  # timesteps to observe before training 设置观察期的迭代次数 EXPLORE = 500.  # frames over which to anneal epsilon 设置探索期的观察次数 FINAL_EPSILON = 0.002  # final value of epsilon 设置ε的最终最小值 INITIAL_EPSILON = 10.0  # starting value of epsilon 设置ε的初始值 REPLAY_MEMORY = 5900  # number of previous transitions to remember 设置replay memory的容量 BATCH = 32  # size of mini batch 设置每次网络参数更新世用的样本数目 K = 1  # only select an action every Kth frame, repeat prev for others，设置几帧图像进行一次动作， # K越大让控制台输出的速度变慢，游戏画面速度变快，机器人动作的速度变越迟缓。ACTIONS = 6  # number of valid actions 游戏动作数3.实验结果训练前期的self.score分数很低150左右，EPSILON=1.0，Q_MAX= 2.061341e-02：图2 EPSILON=1.0设置超参数EPSILON=0.05在1000步迭代之后：EPSILON固定在0.04999999999999416  Q_MAX = -1.163765e-01Self.score有明显的提升，但是之后无论训练多久都没有明显提升了。图3 EPSILON=0.05设置超参数EPSILON= 0.002在1001步迭代之后：EPSILON固定在0.000004 Q_MAX = 1.728995e 02Self.score可以轻松达到200以上。图4 EPSILON=0.000004设置超参数EPSILON= 0.000001在1001步迭代之后：EPSILON固定在-0.001998997999987482  Q_MAX = 1.899879e 03Self.score可以轻松达到200以上。图5 EPSILON=-0.002 【核心代码】用DQN来玩俄罗斯方块 tetrix_DQN ├── Wrapped Game Code│   └── tetris_fun.py├── deep_q_network.py├── logs_tetris│   ├── hidden.txt│   └── readout.txt└── saved_networks    ├── tetris-dqn-10000.data-00000-of-00001    ├── tetris-dqn-10000.index    ├── tetris-dqn-10000.meta    └── tetris-dqn-316600003 directories, 8 files