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
工程上实现工业机器人(贯流风叶检测机),贯流风叶从入口进入,电子摄像头(2个)采集旋转的贯流风叶的表面图像,通过检测算法,将风叶识别为有无瑕疵(若有瑕疵,机器记录是何种瑕疵),分别从机器输出端两个出口输出。检测算法,基于yolov-5算法,建立基础数据集,训练出检测模型,实时快速检测风叶瑕疵,检测率
100C++机器深度学习
功能介绍本项目实现了一个完整的信号处理与分析系统,能够对含噪信号进行频谱分析和滤波处理:1.多频信号合成-生成单频、双频、多频叠加的复合信号-支持自定义各频率成分的幅值和相位-可灵活设置采样频率和信号时长2.噪声叠加与仿真-添加高斯白噪声模拟真实环境-支持不同信噪比(SNR)的噪声水平-可对比分析噪
130Python教育校园
本项目实现了一个完整的4自由度机械臂运动仿真系统,具有以下核心功能:1.正向运动学计算根据4个关节角度(q1,q2,q3,q4)实时计算机械臂各连杆和末端执行器的空间位置支持任意时刻的关节位置查询可视化展示机械臂当前姿态2.逆向运动学求解输入目标末端位置(x,y,z)和姿态角度自动反解出4个关节的目
170Python机器深度学习
实现VAD切割、说话人分离、视觉特征提取,构建文本‑音频‑视觉三路混合索引。微调BERT意图分类(4分类F1=0.92),LLM策略路由(直接检索/HyDE/子查询拆解)。融合BM25+语义向量+Cross‑Encoder精排,并构建Neo4j认知图谱。
190Python人工智能
采用A2A宏观上的调度+LangGraph微观上的react执行,使用RedisStreams实现分布式消息总线,编辑与安全Agent并行审核。
140Python人工智能
本项目主要实现科研实验数据的读取、清洗、分析和可视化展示。支持对Excel、CSV、TXT等格式数据进行导入与整理,可完成缺失值处理、异常值检查、重复值删除、数据归一化、标准化处理和指标计算。在图表绘制方面,可根据实验需求生成折线图、柱状图、散点图、预测值与真实值对比图、loss曲线、RMSE/MA
330Python机器深度学习
本项目主要完成航空发动机多传感器退化数据的处理、建模与结果可视化。功能包括:原始数据读取与整理、发动机RUL标签构建、传感器特征筛选、数据归一化与标准化处理、滑动窗口样本构造、训练集与测试集划分、深度学习模型训练、预测结果输出和评价指标计算。项目可实现对发动机剩余寿命的预测,并通过RMSE、MAE、
380Python机器深度学习
项目主要包括气象数据采集模块、深度学习预测模块、台风路径分析模块、风险预警模块、可视化展示模块以及业务管理模块。系统可实时接入卫星云图、雷达数据、海温数据及历史气象数据,通过LSTM、Transformer等模型对台风路径、风力等级、降雨量进行预测分析;同时结合GIS地图实现动态轨迹展示与影响区域分
240Python人工智能
1.支持Qwen、Llama等主流开源大模型本地部署和推理;2.提供RAG知识库问答功能,支持文档上传和智能检索;3.内置API接口,支持第三方应用集成;4.支持多轮对话、文本生成、代码生成等功能;5.提供图形化管理界面,支持模型切换和参数配置。
340Python人工智能
1.使用YOLO11-OBBONNX定位车牌旋转框2.使用旋转框四点透视矫正车牌3.使用LPRNet/CRNNONNX识别车牌号4.PyQt5专业界面显示检测框、裁剪图、识别结果、置信度5.支持中文路径读取图片6.支持保存结果图
260Python机器深度学习
1碰撞检测模块:预测物体会不会碰撞+碰撞后如何检测出来已经碰撞2目标检测模块:使用传统或深度学习检测具体的货物容器(托盘,货架,料笼),厂区的行人,头盔,车辆等3避障检测模块:360°雷达检测避障,可对高于8cm的静态物体进行检测,不针对特定物体,不依赖数据集,移动物体通过多传感器相机和雷达融合输出
250C++自动驾驶
项目主要功能一、插件化宿主平台提供统一的WebShell运行时,通过标准化的plugin.yaml合同实现插件的自动发现、加载和编排。支持四种插件类型:UI插件(前端界面)、能力插件(后端服务)、卡片插件(数据嵌入卡片)和AI插件(智能能力)。插件支持依赖声明、拓扑排序加载和循环依赖检测,并提供脚手
280Python人工智能
AI问数系统产品系统
(1)自然语言理解:用户通过自然语言描述数据需求,如“统计上月各渠道销售额”或“查找ARPU高于200的流失风险极高用户数量”。(2)智能SQL生成:系统自动将用户输入转化为对应SQL查询语句,并可针对多表、多条件复杂查询生成高效语句。(3)数据查询执行:自动连接数据库执行SQL,返回查询结果。(4
291Python人工智能
系统由数据接入层、解析索引层、检索问答层、前端层四大模块构成:1)数据接入:公开渠道券商研报爬虫+主流财经新闻爬取+ObsidianVault本地笔记同步三类数据源,支持增量去重、定时调度、异常重试。2)文档解析:pdfplumber处理原生PDF(含嵌入图表的文字版研报,可完整提取正文、标题层级、
430Python人工智能
风速预测产品系统
系统主要实现风电功率时间序列预测功能,包括原始数据清洗、异常值处理、滑动窗口样本构建、功率序列分解、深度学习预测和误差指标评估等模块。系统先对风电功率数据进行预处理,再利用CEEMDAN和EWT方法将复杂功率信号拆分为多个更稳定的子序列,随后分别训练LSTM模型进行预测,最后将各子序列预测结果重构为
330C++机器深度学习
UAVagent1.0产品系统
本项目的核心创新并非单一算法的修修补补,而是在系统架构层面重新审视了无人机智能感知任务的执行范式。传统无人机视觉系统通常遵循一种固定的流水线——检测然后跟踪然后依据预设逻辑做出响应——这种模式在面对复杂多变的自然语言指令或未曾预见的边缘场景时显得僵硬而脆弱。UAVagent1.0通过引入异构多智能体
391Python人工智能
1.数据处理与特征工程:自动构建生存分析数据集,利用空间索引算法计算历史路径依赖、地理决定论等多维时空特征,并进行数据清洗与平滑处理。2.混合建模与竞赛优选:内置Cox模型竞赛引擎,自动筛选最优理论模型;集成随机生存森林与梯度提升算法,实现高精度风险预测。3.结果评估与解释:提供C-index交叉验
630Python人工智能
本项目主要包含目标检测、骨架提取、位姿解算和视频流处理四大功能模块,主要功能描述如下:1、系统基于YOLO-OBB算法,实现对目标工件的高精度掩膜提取。2、利用Ada-LSN网络,系统能够在复杂工况环境下精准提取出单工件的骨架点集。3、通过内置的多边形求交与拟合算法,系统能够高精度地量测出工件的倾斜
630Python人工智能
核心技术:YOLO视觉算法(YOLOv5/v7/v8),针对跌倒检测优化功能:通过实时视频流识别跌倒、触发警告、降低安全风险性能:端到端检测,30+帧/秒,准确率超过95%
540Python机器深度学习
本系统包含三大核心功能:检测:支持图片、视频、摄像头三种模式,创新性地实现了置信度自适应处理和参数可调检测,检测结果会生成AI治理建议。训练:支持用户上传自己的数据集进行模型训练,可调节多种参数,后台异步执行。资源储蓄:模型库和数据集支持上传、下载、收藏、点赞,检测结果自动存储并支持收藏延长保存期。
570Python人工智能
当前共127个项目more
×
寻找源码
源码描述
联系方式
提交