qt入门级的程序，读取txt文件代码。
通过QFileDialog选择文件路径及文件名，将文件内容读入QTextStream，定义QString变量line来一行行读取文件内容，最后用label或textbrowser显示。

TheStreetViewHouseNumbers(SVHN)数据集，原数据为mat文件格式，已提取成图像，并将label标注出来，标注格式为coco，训练集测试集总共有10w张图片

自定义屏幕保护：利用panel、button、Label、timer控件实现屏幕保护。

DataCastle轴承故障预测数据集，可供下载使用的有2个文件：1.train.csv，训练集数据，1到6000为按时间序列连续采样的振动信号数值，每行数据是一个样本，共792条数据，第一列id字段为样本编号，最后一列label字段为标签数据，即轴承的工作状态，用数字0到9表示。
2.test_data.csv，测试集数据，共528条数据，除无label字段外，其他字段同训练集。
总的来说，每行数据除去id和label后是轴承一段时间的振动信号数据，选手需要用这些振动信号去判定轴承的工作状态label。

自己生成的mnist原本的ubyte格式转成的matlab的mat格式，包括train-image(train_x)60000*784，train-label(train_y)60000*1，test-image(test_x)10000*784，test-label(test_y)10000*1

labelimg工具linux版，可以直接使用。
deeplearning打label的工具

c#窗体编程约莫，初学者使用搜罗展现鼠标位置，菜单法度圭表标准，时钟法度圭表标准用到了ToolTip控件，MenuStrip控件；
Ti妹妹er控件，label控件，button控件等；

#GPF##一、GPF（GraphProcessingFlow）：行使图神经收集处置下场的普通化流程一、图节点预展现：行使NE框架，直接患上到全图每一个节点的Embedding;二、正负样本采样：（1）单节点样本；
（2）节点对于样本；
三、抽取封锁子图：可做类化处置，建树一种通用图数据结构;四、子图特色领悟：预展现、节点特色、全局特色、边特色;五、收集配置配备枚举：可所以图输入、图输入的收集；
也可所以图输入，分类/聚类下场输入的收集;六、熬炼以及测试;##二、首要文件：一、graph.py：读入图数据;二、embeddings.py：预展现学习;三、sample.py：采样;四、subgraphs.py/s2vGraph.py：抽取子图;五、batchgraph.py：子图特色领悟;六、classifier.py：收集配置配备枚举;七、parameters.py/until.py:参数配置配备枚举/帮手文件;##三、使用一、在parameters.py中配置配备枚举相关参数（可默许）；
二、在example/文件夹中运行响应的案例文件--搜罗链接料想、节点外形料想；
以链接料想为例：###一、导入配置配备枚举参数```fromparametersimportparser,cmd_embed,cmd_opt```###二、参数转换```args=parser.parse_args()args.cuda=notargs.noCudaandtorch.cuda.is_available()torch.manual_seed(args.seed)ifargs.cuda:torch.cuda.manual_seed(args.seed)ifargs.hop!='auto':args.hop=int(args.hop)ifargs.maxNodesPerHopisnotNone:args.maxNodesPerHop=int(args.maxNodesPerHop)```###三、读取数据```g=graph.Graph()g.read_edgelist(filename=args.dataName,weighted=args.weighted,directed=args.directed)g.read_node_status(filename=args.labelName)```###四、患上到全图节点的Embedding```embed_args=cmd_embed.parse_args()embeddings=embeddings.learn_embeddings(g,embed_args)node_information=embeddings#printnode_information```###五、正负节点采样```train,train_status,test,test_status=sample.sample_single(g,args.testRatio,max_train_num=args.maxTrainNum)```###六、抽取节点对于的封锁子图```net=until.nxG_to_mat(g)#printnettrain_graphs,test_graphs,max_n_label=subgraphs.singleSubgraphs(net,train,train_status,test,test_status,args.hop,args.maxNodesPerHop,node_information)print('#train:%d,#test:%d'%(len(train_graphs),len(test_graphs)))```###七、加载收集模子，并在classifier中配置配备枚举相关参数```cmd_args=cmd_opt.parse_args()cmd_args.feat_dim=max_n_label+1cmd_args.attr_dim=node_information.shape[1]cmd_args.latent_dim=[int(x)forxincmd_args.latent_dim.split('-')]iflen(cmd_args.latent_dim)

咱们在网频频使用勾选框，然则HTML中默许勾选框是一个小框，没法窜改格式。
于是我使用了一个label标签加之藏匿原本勾选框标签的下场实现为了，一个圆形外面有一个对于勾。

音乐，图像，tk末了界面的插入，满足作业大概自己练习的需要。
定义函数，如蛇身食物等，以落伍入main主函数中，图片的插入pygame.image.load，音乐的插入分为两种，一种为MP3格式的音频的插入pygame.mixer.music.load，另一种为WAV格式的插入pygame.mixer.Sound。
使用iffdrect.collidepoint(pos)：来分辨能否暴发蛇头与食物的碰撞。
使用if来实现游戏的重开以及按键到场。
在tkinter中使用到了label以及button实现图片患上插入与按钮的插入。
(text.render(),())来实现文字的插入。

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。