基于Python3.7实现手写识别功能，调用KNN算法。
包括源程序、训练数据、测试数据和测试结果。
包括源程序、训练数据、测试数据和测试结果。
2024/6/2 10:21:52
548KB
1
基于selective_search源码对手写数字串进行过滤分割，并基于tensorflow在mnist训练好的模型进行识别。
环境：Windows10+tensorflow1.2+python3.5+cv2程序： example/demo.py---对手写数字图片的分割，并将每个数字做成28*28的黑底白字图片，保存在本地image_data.npy example/mnist_model.py---对手写体mnist数据集进行训练，训练好后读取数据进行识别 example/camera.py---是调用计算机摄像头获取图片用的，按q退出拍照 selectivesearch/selectivesearch.py---是选择性搜索的源代码注意：手写数字的图片尽量不要太大（太大会显得数字写的太细，调大数字粗细度），每个数字大小不要差太多，可以在画板上写的一个数字长宽在50像素左右效果不错，其他的没有测试过。
环境：Windows10+tensorflow1.2+python3.5+cv2程序： example/demo.py---对手写数字图片的分割，并将每个数字做成28*28的黑底白字图片，保存在本地image_data.npy example/mnist_model.py---对手写体mnist数据集进行训练，训练好后读取数据进行识别 example/camera.py---是调用计算机摄像头获取图片用的，按q退出拍照 selectivesearch/selectivesearch.py---是选择性搜索的源代码注意：手写数字的图片尽量不要太大（太大会显得数字写的太细，调大数字粗细度），每个数字大小不要差太多，可以在画板上写的一个数字长宽在50像素左右效果不错，其他的没有测试过。
2024/6/2 10:30:06
49KB
1
完整可运行的python代码。
数据过滤，清洗，分割，特征选择，训练词向量模型，测试等等，每行都有注释，真实的数据集超过20w条，是个不错的nlp入门例子。
数据过滤，清洗，分割，特征选择，训练词向量模型，测试等等，每行都有注释，真实的数据集超过20w条，是个不错的nlp入门例子。
2024/6/2 1:43:38
79.61MB
1
keras-finetuning,使用你自己的数据集训练基于InceptionV3的图像分类器使用你自己的数据集训练InceptionV3-based图像分类器基于在的新集合中的微调(InceptionV3)，在https://keras.io/applications/中的例子依赖项最新的(来自源的＞=1.0
2024/5/30 13:44:55
143KB
1
广告主设计和投放广告：广告生命周期开始广告主的目的获取目标用户，将ROI最大化系统将对广告进行学习训练，得到估计点击率(pCTR)广告通过pCTR、pCVR、CPC等feature计算出ecpm参与竞价广告展示在媒体(QQ/Qzone/微信)上，获用户点击，为广告主带流量用户在广告主网站的行为例如下单，也会回馈到系统当广告主引流达到预期，广告主会下线广告：广告生命周期结束和广告主相关的一些feature，对应的pCTR、pCVR会记录在系统，用于下一次广告优化
2024/5/29 14:52:34
1.26MB
1
已标注好的数据集，已经分割好。
可直接用于训练模型。
已做好标注。
分为license_province,license_number,license_province
可直接用于训练模型。
已做好标注。
分为license_province,license_number,license_province
2024/5/29 11:50:33
9.47MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB