要解决的是一个医学图像的二分类问题，有AK和SK两种病症，根据一定量数据，进行训练，对图像进行预测。
给定图片数据的格式：解决思路整体上采用迁移学习来训练神经网络，使用InceptionV3结构，框架采用keras.具体思路：读取图片数据，保存成.npy格式，方便后续加载标签采用one-hot方式，由于标签隐藏在文件夹命名中，所以需要自行添加标签，并保存到.npy文件中，方便后续加载将数据分为训练集、验证集、测试集使用keras建立InceptionV3基本模型，不包括顶层，使用预训练权重，在基本模型的基础上自定义几层神经网络，得到最后的模型，对模型进行训练优化模型，调整超参数，提高准确率在测试集上对模型进行评估，使用精确率、召回率对单张图片进行预测，并输出每种类别的概率如何加载实际数据，如何保存成npy文件，如何打乱数据，如何划分数据，如何进行交叉验证如何使用keras进行迁移学习keras中数据增强、回调函数的使用，回调函数涉及：学习速率调整、保存最好模型、tensorboard可视化如何使用sklearn计算准确率，精确率，召回率，F1_

数据挖掘项目推文聚类目标：主TwitterAPI用于提取推文掌握自然语言处理数据清理推文分类要求：Twitter开发人员帐户TwitterAPI1-数据提取：导入库（tweepy+熊猫+numpy）连接到TwitterAPI将推文提取到多个csv文件中，然后将它们组合到一个csv文件中2-处理前的推文：使用re库搜索不必要的信息。
删除标点符号，主题标签，个人资料名称，URL和表情符号。
创建一个新的干净的CSV文件3-处理推文：自然语言处理导入nltk（自然语言工具包），它由最常用的算法组成，例如标记化，词性标记，词干，情感分析，主题细分和命名实体识别。
NLTK协助计算机分析，预处理和理解书面文本。
使用“停用词”摆脱英语单词，这些单词不会给句子增加太多含义。
在不牺牲含义的前提下，可以安全地忽略它们。
使用“Porte

应用它可以对图片进行批量的重命名操作，简单，方便

使用VGG19迁移学习实现图像风格迁移这是一个使用预训练的VGG19网络完成图片风格迁移的项目，使用的语言为python，框架为tensorflow。
给定一张风格图片A和内容图片B，能够生成具备A图片风格和B图片内容的图片C。
此项目使用Python2.7+TensorFlow1.4编写，环境太过陈旧，可能无法正常运行起来。
1.下载预训练的vgg网络，并放入到项目的根目录中模型有500M+，故没有放到GitHub上，有需要请自行下载。
下载地址：http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat2.选定风格图片和内容图片，放入项目根目录下的images文件夹中在项目根目录下的images文件夹中，有两张图片，分别为content.jpg和style.jpg，即内容图片和风格图片。
如果只是使用默认图片测试模型，这里可以不做任何操作。
如果要测试自定义的图片，请使用自定义的内容图片和/或风格图片替换该目录下的内容图片和/或风格图片，请保持命名与默认一致，或者在se

(更多详情、使用方法，请下载后细读README.md文件)mwlwifi\n适用于Marvell88W8x64802.11ac芯片的mac80211驱动程序\n使用OpenWrtLEDE构建mwlwifi\n修改packagekernelmwlwifiMakefile：\nPKG_VERSION=10.3.0.17-20160601\nPKG_SOURCE_VERSION=4bb95ba1aeccce506a95499b49b9b844ecfae8a1\n重命名packagekernelmwlwifipatches为packagekernelmwlwifipatches.tmp.\n运行以下命令：\nmakepackagekernelmwlwificlean\nmakeV=s(-jx)\n特别留意事项\n在驱动程序10.3.0.17-20160603之后，应从hostapd的vht_capab命令中删除[MAX-MPDU-7991]。
\n对于160MHz操作，Hostpad必须包含以下提交：\n

python3实现同一个文件夹下图片统一命名，如将dh67hc.jpg,hdha89.jpg修正为dog.0.jpg,dog.1.jpg……

经典论文ASurveyonDeepLearningforNamedEntityRecognition的实验完成内含论文，训练测试数据集，模型

docker基础命令，还不是很完善继续整理中，对于初入门的人还是有些帮助的，1、docker基础命令启动一个容器Dockerrun-i-tubuntu/bin/bash-i表示docker守护进程为客户端打开标准输入，而-t:表示打开一伪TTY终端。
查看容器。
Dockerps-aDockerps-l-a:表示所有的建立的容器，-l表示最近一次建立的容器。
查看之前建立的容器。
Dockerinspect容器的id或者是自定义名称DockerinspectwebDockerinspect容器的id自定义命名容器Dockerrun--name=web-itununtu:12.04/bin/bash--name命名参数重启停止容器，及删除容器Dockerstart-iweb-i:以交互式方式从起Dockerstop-iwebDockerkillwebDockerrmwebRm命令只能删除掉停止的容器不能删除正在运行中的容器。
启动一个docker守护式容器dockerrun-dDockerrun--namewb-dubuntu/bin/bash-c“whiletrue;doechohelloword;sleep1;done”查看容器日志Dockerlogs[f][-t][--tail]-f:表示不断跟踪，返回结果；
-t表示在返回时候加上时间撮，--tail:返回时的多少数量日志量Dockerlogs-ft--tail10web--tail0表示最新日志。
在运行中的容器启动新的进程Dockerexec-itweb/bin/bash重新进入运行中的容器

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。