MNIST应该是最简单，也是最好的起始数据集，使用极为简单的分类器就可以达到不错的泛化准确率（何为泛化？即我们的模型对于没有进入训练集的判断能力，反应了模型能否正确或是鲁棒），实际上，基本上由图像各密集像素区的简单分布就可以达到分类手写数字识别的目的（特别是限制了手写范围，数字一般处于居中的位置的时候）。
此为其下载的脚本文件，此外，只需要一次下载后即可无须下载立刻使用，具体请看我的教程。
此为其下载的脚本文件，此外，只需要一次下载后即可无须下载立刻使用，具体请看我的教程。
2019/9/19 21:57:15
1KB
1
高斯牛顿.datasets.py-非线性回归问题。
gaussnewton.py简单的非线性最小二乘问题求解器。
graph.py图形生成脚本。
img/-由graph.py生成的graph.py。
要求Python2.7NumPy意味Matplotlib
gaussnewton.py简单的非线性最小二乘问题求解器。
graph.py图形生成脚本。
img/-由graph.py生成的graph.py。
要求Python2.7NumPy意味Matplotlib
2020/9/18 3:40:16
46KB
1
讨论区Python语言中的BranchandBound算法实现它包含r_tree子模块，因而使用--递归选项进行克隆gitclone--recursivehttps://github.com/sudkumar/bbs_implementation用法$pythonskyline.py＃例如pythonskyline.pyquery2.txtsample2.txt参数文件<查询文件＞添加了两个示例查询文件，分别名为query2.txt和sample_query.txt。
第一行包含我们要在其上计算天际线的维，不包括第一列（id），并且从1开始第二行包含磁盘上的page_size第三行包含以空格分隔的pointer_size和key_size
第一行包含我们要在其上计算天际线的维，不包括第一列（id），并且从1开始第二行包含磁盘上的page_size第三行包含以空格分隔的pointer_size和key_size
2017/5/17 19:42:17
151KB
1
1、 训练数据准备所有数据均放置于Sample\Build\下，其中Build为数据类型，根据本人需要进行修改，本示例数据为512*512大小GF2建筑，训练数据按照:Sample\Build\train\IMG_T1-----------------------\IMG_LABEL-----------------\val\IMG_T1-----------------------\IMG_LABEL2、 训练参数设置参数和运行皆在dp0_train.py中，主要参数包括：（1） num_epochs，训练批次（2） learning_rate，学习率（3） dataset，步骤一本人构建的数据集名称（4） band，输入数据通道数（波段数）（5） n_class,模型输出通道数（类别）设置好后点击run即可3、 训练模型位置模型结构放与net文件中，生成模型文件pt位于Checkpointspath\4、 预测使用填写参数Checkpointspath，模型位置名称Dataset，待预测数据文件夹Outputpath，输出数据文件夹
2021/11/14 23:13:06
526.96MB
1
代码说明CBC模式的全称是CipherBlockChaining模式，即密文分组链接模式，之所以叫这个名字，是因为密文分组像链条一样相互连接在一起。
在CBC模式中，首先将明文分组与前一个密文分组进行异或运算，然后再进行加密。
填充提示攻击是一种利用分组密码中填充部分来进行攻击的方法。
在分组密码中，当明文长度不为分组长度的整数倍时，需要在最后一个分组中填充一些数据使其凑满一个分组长度。
在填充提示攻击中，攻击者会反复发送一段密文，每次发送时都对填充数据进行少许改变。
由于接收者（或者说服务器）在无法正确解密时会前往一个错误信息，攻击者通过这一错误消息就可以获得与明文相关的信息。
（这一攻击并不仅限于CBC模式，还适用于所有需要进行分组填充的模式）。
填充提示攻击成立有两个重要前提：1.攻击者能够获得密文，以及附带在密文前面的iv（初始化向量）；
2.攻击者能够出发密文的解密过程，且能够知道密文的解密结果。
运行指导将源码clone到本地运行Padding_Oracle_Attack.py程序即可。
软件环境：VisualStudio2019硬件环境：PC机
在CBC模式中，首先将明文分组与前一个密文分组进行异或运算，然后再进行加密。
填充提示攻击是一种利用分组密码中填充部分来进行攻击的方法。
在分组密码中，当明文长度不为分组长度的整数倍时，需要在最后一个分组中填充一些数据使其凑满一个分组长度。
在填充提示攻击中，攻击者会反复发送一段密文，每次发送时都对填充数据进行少许改变。
由于接收者（或者说服务器）在无法正确解密时会前往一个错误信息，攻击者通过这一错误消息就可以获得与明文相关的信息。
（这一攻击并不仅限于CBC模式，还适用于所有需要进行分组填充的模式）。
填充提示攻击成立有两个重要前提：1.攻击者能够获得密文，以及附带在密文前面的iv（初始化向量）；
2.攻击者能够出发密文的解密过程，且能够知道密文的解密结果。
运行指导将源码clone到本地运行Padding_Oracle_Attack.py程序即可。
软件环境：VisualStudio2019硬件环境：PC机
2018/5/21 17:08:33
844KB
1
代码说明使用python代码实现了一个基于RSA的CET成绩证明系统，主要架构分为CET_prove_system模块，CET_com官方模块，RSA模块和md5模块。
RSA模块和md5模块包含了RSA和md5的底层函数打包，CET_com官方模块里存储着所有学生的id和CET成绩，CET_prove_system模块担任组装各模块最终实现CET成绩证明系统。
运行指导将源码clone到本地运行CET_prove_system.py即可开始。
软件环境：VisualStudio2019硬件环境：PC机
RSA模块和md5模块包含了RSA和md5的底层函数打包，CET_com官方模块里存储着所有学生的id和CET成绩，CET_prove_system模块担任组装各模块最终实现CET成绩证明系统。
运行指导将源码clone到本地运行CET_prove_system.py即可开始。
软件环境：VisualStudio2019硬件环境：PC机
2020/7/15 18:06:22
3KB
1
文件包含一个数据集（csv文件）和一个可执行代码（py文件），是对红酒数据集的分类训练与测试。
可作为人工智能、机器学习初学者的学习资料。
模型训练基于逻辑回归算法，数据集和测试集按照8:2的比例进行划分。
数据集前11列为红酒的属性，最初一列是红酒的分类标签，此处红酒总共有六类（标签分别为3、4、5、6、7、8），每一行为一个红酒样本。
通过对机器学习分类模型输入特征值，得出此红酒的种类。
需要Python版本3.8及以上；
需要引入第三方库pandas和sklearn。
可作为人工智能、机器学习初学者的学习资料。
模型训练基于逻辑回归算法，数据集和测试集按照8:2的比例进行划分。
数据集前11列为红酒的属性，最初一列是红酒的分类标签，此处红酒总共有六类（标签分别为3、4、5、6、7、8），每一行为一个红酒样本。
通过对机器学习分类模型输入特征值，得出此红酒的种类。
需要Python版本3.8及以上；
需要引入第三方库pandas和sklearn。
2020/10/4 16:03:38
27KB
1
机器学习FileTypeIdentifier：一种机器学习算法，用于自动识别文件编写的编程语言类型。
要求Python模块：theano、numpy、scipy、scikit-learn(sudo)pipinstalltheanonumpyscipyscikit-learn用法现在，您可以通过以下命令运行脚本：pythonmain.py或者pythoncode_identifier.py并按照帮助信息（使用部分。
）。
code_identifier.py是用Theano实现的，而main.py是用Scikit-Learn实现的。
PS：这个工具的使用还是有点小技巧的，在near功能上应该愈加人性化。
要求Python模块：theano、numpy、scipy、scikit-learn(sudo)pipinstalltheanonumpyscipyscikit-learn用法现在，您可以通过以下命令运行脚本：pythonmain.py或者pythoncode_identifier.py并按照帮助信息（使用部分。
）。
code_identifier.py是用Theano实现的，而main.py是用Scikit-Learn实现的。
PS：这个工具的使用还是有点小技巧的，在near功能上应该愈加人性化。
2017/4/9 7:23:07
399KB
1
看懂java源码GetSmellsGetSmells使用提取Java源代码中的代码味道。
先决条件GetSmells被编写为可在Windows或MacOS上运行（在Windows7和MacOS10.12上进行了测试）理解：您必须已在本地安装才能运行脚本。
它应该安装在操作系统的默认位置（对于Windows为C:\ProgramFiles\SciTools\或在MacOS上为/Applications/Understand.app）；
如果它不在默认位置，则可以在understandapi.py和understandcli.pycli.py的顶部都修改路径。
您可以申请1年教育许可证，以了解Python3.4+：该脚本是为Python3.4+编写的，在Windows上，您的32位/64位版本的Python3应该与您的Understand安装（使用Python3.664位开发）的位数相婚配。
Python库：pip3installnumpy用法python3getsmells.py[sourcePath][outputPath(optiona
先决条件GetSmells被编写为可在Windows或MacOS上运行（在Windows7和MacOS10.12上进行了测试）理解：您必须已在本地安装才能运行脚本。
它应该安装在操作系统的默认位置（对于Windows为C:\ProgramFiles\SciTools\或在MacOS上为/Applications/Understand.app）；
如果它不在默认位置，则可以在understandapi.py和understandcli.pycli.py的顶部都修改路径。
您可以申请1年教育许可证，以了解Python3.4+：该脚本是为Python3.4+编写的，在Windows上，您的32位/64位版本的Python3应该与您的Understand安装（使用Python3.664位开发）的位数相婚配。
Python库：pip3installnumpy用法python3getsmells.py[sourcePath][outputPath(optiona
2017/9/27 18:41:35
8KB
1
matlabdir源代码Crop_DiseasesCropDiseasesDetection代码源于Google识别API，根据数据情况做了少许修改。
深度学习框架Tensorflow1.9密码:yq30生成TFrecords运行process.py将数据图像压缩生成TFRecords类型的数据文件，可以提高数据读取效率#修改process.py主函数路径，改为本人的下载后压缩的路径pythonprocess.py训练模型#配置train.sh参数#生成的TFrecords路劲(根据本人的实际修改，下同)DATASET_DIR=/media/zh/DATA/AgriculturalDisease20181023/tf_data#训练过程产生的模型，迭代保存的数据位置TRAIN_DIR=/media/zh/DATA/AgriculturalDisease20181023/check_save/resnetv1_101_finetune#定义预训练模型定义(预训练模型下载地址上面有给出)CHECKPOINT_PATH=/media/zh/DA
深度学习框架Tensorflow1.9密码:yq30生成TFrecords运行process.py将数据图像压缩生成TFRecords类型的数据文件，可以提高数据读取效率#修改process.py主函数路径，改为本人的下载后压缩的路径pythonprocess.py训练模型#配置train.sh参数#生成的TFrecords路劲(根据本人的实际修改，下同)DATASET_DIR=/media/zh/DATA/AgriculturalDisease20181023/tf_data#训练过程产生的模型，迭代保存的数据位置TRAIN_DIR=/media/zh/DATA/AgriculturalDisease20181023/check_save/resnetv1_101_finetune#定义预训练模型定义(预训练模型下载地址上面有给出)CHECKPOINT_PATH=/media/zh/DA
2017/8/5 16:52:45
720KB
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