▍1. python,django,员工信息管理系统
实现了增删改查等基本操作 运行环境:python 3.9 django==3.24 mysql 8.0 开发环境:Pycharm
实现了增删改查等基本操作 运行环境:python 3.9 django==3.24 mysql 8.0 开发环境:Pycharm
双曲嵌入作为一种捕获层次信息的方法被提出,可以将丰富的结构信息与现代机器学习分布式表达中所青睐的连续表示相融合。本实例将ICD编码嵌入双曲空间得到表征。下面是代码结构和结果分析: 1)数据预处理——数值向量化 将文本数据转换成数值向量,使用split函数将原本连接的文本数据分开,每个文本我们都会得到一个列表,构成词典。 2)主要程序代码 从上到下分别是建立整个网络模型的,构建网络参数的,和训练网络模型的。 3)参数的传入 训练的时候,这些参数的设置,batchsize是64,batchsize就是每轮训练的时候传入的是64个样本,dim 10表示维度是10,epoch 100表示训练了100轮,chechpoint-freq 是10 表示每过10个epoch保存一次模型。 4)训练过程 这个是训练过程中每一个epoch的loss值,MAP是评价指标
LSTM入门学习,正弦波序列预测 for i, input_t in enumerate(input.chunk(input.size(1), dim=1)): h_t, c_t = self.lstm1(input_t, (h_t, c_t)) h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2)) output = self.linear(h_t2) # output.shape:[batch,1] outputs = [output] # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1], for i in range(future): # if we should predict the future h_t, c_t = self.lstm1(output, (h_t, c_t)) h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2)) output = self.linear(h_t2) # output.shape:[batch,1] outputs = [output] # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1], outputs = torch.stack(outputs, 1).squeeze(2) # shape after stack:[batch, n, 1], shape after squeeze: [batch,n] return outputs
目 录 1 实验整体步骤 2 1.1 Main函数 2 1.2 Canny算法 2 1.3 Hough算法 2 2 算法介绍 3 2.1 Canny算法 3 2.1.1 使用高斯滤波器滤波 3 2.1.2 计算图像的梯度图并获得梯度方向 3 2.1.3 对梯度图进行非极大化抑制 3 2.1.4 使用双阈值法获得最终的边缘图 4 2.2 Hough算法 4 2.2.1 建立参数空间 5 2.2.2 依据边缘点的梯度方向对参数空间进行投票 5 2.2.3 依据预设定的投票阈值筛选出初步结果 5 2.2.4 对已筛选出的结果进行非极大化抑制 5 3 代码实现 5 3.1 Main函数 6 3.2 Canny算法 6 3.3 Hough算法 10 4 实验结果与分析 12 4.1 实验结果 12 4.2 各个参数对于最终定位结果的影响 14 4.2.1 Canny算法 14 4.2.2 Hough算法 14 附录 15
python采集【东方财富网 > 行情中心 > 沪深指数 > 上证系列指数】数据 解压后直接运行,本地产出.xlsx