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
本项目是一个面向大规模区块链交易网络的智能分析与风险识别框架,旨在利用图神经网络技术挖掘比特币交易网络中的复杂关联关系,实现交易实体分类与高风险节点识别。项目支持超大规模交易图数据处理、图结构建模、节点分类、风险排序及模型评估等核心功能。基于PyTorch与PyTorchGeometric构建图机器
440Python科学研究
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。
630C++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
980Python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
1120Python机器深度学习
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
620Python人工智能
带领团队基于Olist电商数据集(约9.5万条已交付订单)搭建端到端机器学习流程,预测订单延迟配送并分析其对客户满意度的影响。完成多表数据整合与特征工程,结合订单、客户、卖家、支付、评价及地理信息构建物流特征与卖家历史表现特征。设计基于时间顺序的滚动统计特征,避免数据泄漏,并使用时间划分方式完成训练
620Python人工智能
基于Clip模型使用Python实现的一个简单的以图搜图功能,搜索结果按相似值由大到小排序显示;支持动态新增、删除图片特征库;前端web采用的React+Antd实现。需要支持CUDA的英伟达显示,虽然在CPU也能勉强运行,但速度非常的慢。
780Python人工智能
1.数据采集模块:从Open-MeteoAPI拉取某城市15年的的逐日气象数据模型训练模块:杂交LSTM架构:共享Encoder(lstm1→lstm2),温度走自回归decoder,湿度/风速/降水走直接多步输出Web可视化面板:前端展示模型评估,未来天气预测,历史数据分析和AI聊天助手页面2.预
800Python机器深度学习
RoadMC开源项目
RoadMC的功能主要包括三部分:一是合成点云数据生成,基于路面统计先验和病害几何模型,模拟裂缝、坑槽等11类病害并生成带逐点标签的LiDAR场景;二是点云分割模型,提供Swin3D与PointMamba骨干网络,结合mHC通道混合和GAN风格变换进行病害识别;三是训练与评估工具链,支持二分类预训练
580Python科学研究
为响应工贸企业安全生产责任保险(安责险)的智能化监管要求,本项目拟建设一套基于**AI视频分析+IoT传感器联动**的智能监控系统,对工贸企业生产经营过程中的9大类风险场景进行7×24小时不间断智能巡检与自动告警。本demo采用机器语言加深度学习,使用yolo8增对特定场景进行训练,对工业生产施工场
720Python人工智能
独立开发的开源智能数据处理平台。用户拖拽Excel/CSV即可自动完成数据清洗、统计分析、AI洞察报告生成。功能覆盖:自动编码检测(GBK/UTF-8)、7类数据问题检测、5种缺失值填充策略、Z-score异常值检测、列级可视化质量面板、AI自然语言清洗、AI数据问答、HTML交互报告、操作历史撤销
1160Python人工智能
PrAlmodel开源项目
从零构建一个全新的、与现有所有AI架构无关的类脑认知系统。不预设任何功能模块,模拟大脑皮层的Pr-Al分子梯度轴,让网络在与环境和任务的交互中自发分化出不同功能区域。核心创新创新 说明 人脑对应层级预测编码 4层网络,每层独立预测,预测误差驱动学习 皮层分层结构(V1→V2→V4→IT)Pr-Al功
981C++人工智能
–使用Pandas,NumPy和TensorFlow/Keras构建端到端分类模型,预测泰坦尼克号乘客的生存情况。–进行了全面的探索性数据分析(EDA)和特征工程(处理缺失值、编码性别/登船港口/舱位等级),并使用Matplotlib和Seaborn可视化了关键生存因素。–通过Gemini辅助的超参
870Python人工智能
本地RAG开源项目
项目简介:本项目是一个基于本地大模型的智能文档问答系统。你可以上传自己的文档(目前仅支持txt文件),大模型将会根据文档内容回答你的问题。整个过程完全在本地进行,无需联网,保障隐私安全。核心功能:-文档上传与管理:支持上传'.txt'文件,并自动构建数据库。-智能问答:你可以显式指明"根据文档内容进
1090Python人工智能
论文翻译开源项目
基座冻结训练:冻结大模型基底权重,仅开放部分参数参与训练,降低显存开销,避免通用能力灾难性遗忘。LoRA参数微调:使用低秩矩阵对模型做垂直微调,定向学习计算机学术论文句式与专业术语,强化学术翻译精度。模型指针调用:设计模型权重指针映射,动态指向微调后的LoRA分支与原始基座分支,按需切换推理权重。R
980Python人工智能
1.数据加载与预处理模块功能:读取JSONL格式的原始评论数据,提取评论文本和评分。关键步骤:将评分1–2星映射为“负面”(negative),3–5星映射为“非负面”(non-negative)。进行文本清洗(如正则匹配单词、去除标点)。计算文本统计特征(词数、句长、词频、词汇量等)。生成词云等可
940Python机器深度学习
Aprogramaimstorecognizethemodelofcivilairlinersthroughtheirside-lookingpictures常见民航客机识别程序(主要识别侧视图片)首先使用yolo算法实现飞机定位和裁切,通过引入注意力通道的卷积神经网络实现细粒度的飞机型号分类。
1300C人工智能
Smile2Unlock开源项目
合作开发前端+独立研发后端,分为前端捕获、后端跨语言多架构模型融合深度学习处理识别和Windows自动登录验证三大模块,主要为不支持windowsHello摄像头的电脑提供快速便捷而准确的人脸识别解锁电脑,详细请加QQ:1790070573细聊.
3400C++人工智能
AI文生图开源项目
基于StableDiffusion开源接口构建的AI视觉创作平台,在交互与功能层面实现全链路优化:前端采用Vue框架打造直观流畅的操作界面,用户可轻松完成参数配置、模型选择与生成预览;模型应用支持双模式——既提供经过性能优化的系统预置模型,满足快速出图需求;也开放用户自定义训练通道,允许上传专属数据
3150Python人工智能
本项目是一个面向计算机视觉领域的算法库,聚焦于图像分类任务,旨在为科研开发者提供简洁、可复用的模型实现与实验基础。其主要功能模块包括:核心模型集:提供多种经典卷积神经网络实现,包括LeNet、AlexNet、VGG、GoogLeNet、ResNet、Inception系列、DenseNet等,涵盖从
6660Python人工智能
当前共194个项目more
×
寻找源码
源码描述
联系方式
提交