Python

Python是一门诞生于1991年的高级、解释型编程语言,由吉多·范罗苏姆创造。其核心设计哲学强调代码的极简性和可读性,尤其依赖清晰的缩进来定义代码结构,这使得它语法接近英语,非常易于学习和使用。作为动态类型语言,它为快速开发和原型设计提供了极大的灵活性,并支持面向对象、命令式、函数式等多种编程范式。Python的巨大优势在于其拥有一个由庞大活跃社区支撑的丰富第三方库生态系统(PyPI),覆盖了几乎所有应用领域:无论是Web开发(Django, Flask)、数据科学(Pandas, NumPy, Matplotlib)、人工智能(TensorFlow, PyTorch)还是自动化脚本和系统运维,都能找到成熟高效的工具库。这种“开箱即用”的特性使其成为解决各类实际问题的“瑞士军刀”,兼具强大的功能与简单的语法。
Python语言框架
Python是一门诞生于1991年的高级、解释型编程语言,由吉多·范罗苏姆创造。其核心设计哲学强调代码的极简性和可读性,尤其依赖清晰的缩进来定义代码结构,这使得它语法接近英语,非常易于学习和使用。作为动态类型语言,它为快速开发和原型设计提供了极大的灵活性,并支持面向对象、命令式、函数式等多种编程范式。Python的巨大优势在于其拥有一个由庞大活跃社区支撑的丰富第三方库生态系统(PyPI),覆盖了几乎所有应用领域:无论是Web开发(Django, Flask)、数据科学(Pandas, NumPy, Matplotlib)、人工智能(TensorFlow, PyTorch)还是自动化脚本和系统运维,都能找到成熟高效的工具库。这种“开箱即用”的特性使其成为解决各类实际问题的“瑞士军刀”,兼具强大的功能与简单的语法。
开发组织  吉多·范罗苏姆
本项目围绕锂电池状态智能估计构建了五大算法功能模块:①数据预处理与特征工程模块——对充放电电压、电流、温度、容量曲线进行清洗、归一化与特征提取,内置基于模糊信息测度的SOC特征选择(DMRCmRC)与基于小波变换(DTCWT)的多尺度特征编码。②SOH健康状态估计模块——集成物理信息神经网络(EM-
120C++人工智能
该系统围绕“精准匹配”与“全流程服务”设计,核心功能模块如下:智能岗位推荐:基于协同过滤与内容推荐算法,综合分析学生的专业背景、技能标签、项目经历及求职偏好,为其精准推送高度契合的岗位,同时支持按薪资、地域、行业等多维度筛选。企业招聘管理:企业可发布岗位、管理职位信息,系统运用大数据分析主动筛选并推
150Java教育校园
程序启动后持续截取游戏画面,利用YOLO模型实时检测特定目标(如敌人头部),筛选出FOV内且置信度最高的目标,计算其与屏幕中心的偏差,进而通过相对移动指令驱动鼠标准星平滑跟随。整个过程在50ms内完成单帧闭环,实现近似实时的自动瞄准效果。用户可调整FOV、置信度阈值和帧率等参数以适应不同场景。
390C++人工智能
系统是一个带图形界面的中文情感分析机器人:1)支持导入中文情感语料数据集,自动完成平衡性检查与难例样本分析;2)基于Chinese-BERT-wwm预训练模型微调训练,实现文本情感二分类;3)对话式交互,用户输入文本后实时返回情感倾向及正面/负面概率;4)支持模型的一键保存与加载,训练成果可复用;5
300Python人工智能
mcp-ocr-tools是一个OCR全家桶MCP服务器,为AI客户端(ClaudeCode、Cursor、ClaudeDesktop等)提供文档识别能力。主要功能模块:1)ocr_image图片文字识别:截图、照片、扫描件一键转纯文本;2)extract_doc结构化提取:小票、发票、表单自动解析
800Python机器深度学习
img2excel是一个图片表格转Excel的命令行工具,基于PaddleOCR开发。主要功能模块:1)表格图片识别:支持拍照、扫描件、长截图等多种图片格式,自动识别表格结构;2)行列还原:智能重建单元格坐标,输出与图片一致的行列结构;3)Excel导出:支持多工作表、自定义表头、格式规范化;4)批
860Python机器深度学习
1.数据处理模块:支持Excel试验数据导入、异常值清洗、数据集划分,搭配RSM响应面法生成虚拟样本实现小样本数据增强;2.建模预测模块:搭建BP-ANN神经网络模型,可自定义隐藏层神经元数量,完成材料抗压强度等指标回归预测,输出R²精度评价指标;3.多目标优化模块:基于响应面模型开展配合比参数优化
370Python机器深度学习
1.AI视觉智能核验(核心亮点)动态装箱监控:通过部署在工位上方的工业相机,实时捕捉工人投料动作。系统内置深度学习目标检测算法,能精准识别数百种KD件的SKU特征。BOM自动比对:系统实时读取当前车辆的VIN码对应的BOM(物料清单),当工人放入零件时,AI自动判断该零件是否属于当前车辆,并计数。异
710Python工业互联网
系统以Web端交互为核心,主要功能模块如下:图像上传与预览:支持本地图片拖拽/选择上传,实时显示原图。一键推理:点击Submit后,后端调用训练好的ResNet模型完成前向推理,并在右侧绿色结果区直接输出预测类别(如cat)。示例快速体验:底部提供多张预置示例图(狗、爬行动物、鱼、马等),点击即可自
560Python人工智能
具有完整的登录注册模块,可以发布,购买,下架商品,包括查询订单等模块附带完整后台管理系统,可以对用户的账号进行封禁等处理,也可以通过后台管理用户上传的商品信息
1290Java电商
搭建可复现的数据处理流程,整合YahooFinance、CoinMarketCap与DefiLlama的500天市场、情绪和链上数据。完成数据清洗与特征工程,构造收益率、移动平均、波动率等特征,用于周度涨跌趋势预测。基于时间顺序划分训练/测试集,训练逻辑回归与随机森林模型,并输出混淆矩阵、概率分布和
550Python人工智能
项目分为本地模型调度模块、知识库向量检索模块、对话交互模块、文档解析模块。支持本地开源大模型加载运行,能够上传文档构建私有知识库;支持多轮对话、长文本摘要、信息提取;内置提示词模板管理、会话历史保存、输出结果导出功能,实现离线环境下人工智能文本处理业务。
550Python人工智能
?数据│数据集概览、统计描述、强度分布直方图、特征相关性热力图,直观了解数据全貌││探索││├─────────┼─────────────────────────────────────────────────────────────────────────────────────────────
470Python机器深度学习
角色风格复刻:微调后的模型能够高度还原ATRI角色的语言风格、性格特征和说话习惯,对话内容自然流畅,角色一致性高高质量数据合成管线:OCR提取→大模型风格化生成→Levenshtein+n-gram双重去重→质量过滤,形成一套可复用的角色数据集构建流程低成本高效训练方案:LoRA+Unsloth加速
1081PHP人工智能
本项目包含四大核心功能模块:图像预处理模块、字符分割模块、CNN识别模块和系统测试模块。图像预处理负责对验证码图片进行灰度化、二值化、去噪和形态学操作,提升图像质量;字符分割采用投影法与连通域分析相结合的方式,将四位验证码切割为单个字符;CNN识别模块基于PyTorch搭建卷积神经网络,通过多层卷积
420Python机器深度学习
1.数据探索与清洗模块:支持对阿里天池母婴数据集进行自动化读取,提供缺失值处理、异常值检测及用户画像特征提取功能。2.流失预测模型引擎:内置XGBoost/LightGBM等机器学习算法,自动训练模型并输出用户流失概率评分,准确识别潜在流失客户。3.SHAP模型解释器:集成SHAP值分析,量化各特征
520Python机器深度学习
一、用户端(主页+桌面客户端)1.账号体系:邮箱注册与登录,验证码发送与校验,找回密码功能“记住我”功能,支持长Token自动登录2.智能检索:支持模型库与贴图库之间的切换检索,关键词搜索,支持按资源ID和名称进行查找,以图搜图,支持上传图片、拖拽图片或使用Ctrl+V粘贴图片进行搜索3.资源预览:
830Python开发工具
项目包含视觉目标检测模块、3D目标定位模块、机械臂运动控制模块、柔性夹爪驱动模块、人机交互监控模块五大核心模块。系统通过工业相机采集传送带上小龙虾图像,AI模型完成小龙虾检测与姿态识别,解算出小龙虾三维抓取坐标;机械臂接收坐标指令规划运动轨迹,控制柔性夹爪自适应完成抓取、投放动作;配套上位机界面实现
860Python机器深度学习
系统提供一站式微博舆情监测与可视化服务。用户可实时查看热点话题的情感极性分布、互动量预测走势、地区舆情热力图及主题词云,支持多维度榜单筛选与文章详情下钻分析。后端基于SpringBoot与大数据组件,前端采用Vue3结合ECharts和Three.js构建3D数据大屏,实现毫秒级检索与动态交互,帮助
590Java企业服务
该系统是为配套硬件定制的一套包含硬件控制、用户管理、数据管理、图像检测、AI检测子系统等多功能于一体的软件系统。硬件控制模块通过以太网、串口、USB等方式实现与硬件控制单元的通讯,如PLC、X-Ray发射器、X-Ray成像控制器、异常执行机构等,从而实现对硬件设备的操控;用户管理模块实现了角色分配与
780C++机器深度学习
当前共88个项目more
×
寻找源码
源码描述
联系方式
提交