登录
首页 » Python » PyQt行星模拟.py

PyQt行星模拟.py

于 2021-05-06 发布
0 254
下载积分: 1 下载次数: 1

代码说明:

如果需要太阳,地球图片,下载好了放到一个名为res的文件夹里,取名sun.png, earth.png

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • python 监督分类
    对光学遥感影像进行分类,对特征进行标记,使用SVM、随机森林进行分类预测精度
    2021-05-06下载
    积分:1
  • 《自然处理入门》随书代码
    适读人群 :对自然语言处理感兴趣的普通程序员、算法工程师,计算机专业本科生,低年级研究生。 配套代码集成到广受欢迎的自然语言处理工具包 HanLP 中,Java 与 Python 代码双实现,适合培训。 你一定能看懂的自然语言处理(NLP)入门教程! 这是一本把读者阅读体验放在首位的中文 NLP 图书,作者采用从问题到算法再到工程实现的写作思路,只允许必不可少的公式出现,降低了读者学习的门槛,通俗易懂、容易上手。是一本可以在地铁上也能学会 NLP 开发的图书。 全书有以下特点: 1. 图文并茂,算法、公式、代码相互印证,Java 与 Python 双实现。 2. 学习路径清晰,问题导向、算法实现、工程实战,简单易懂好上手,双色印刷阅读体验佳。 3. 业内专家——工业界周明、李航、刘群、王斌、杨攀,学术界宗成庆、刘知远、张华平 联合推荐。 4. 作者何晗(@hankcs)兼具一线实战经验与硬核学术背景。自然语言处理开源项目 HanLP 作者(GitHub Star 数远超宾夕法尼亚大学的 NLTK、斯坦福大学的 CoreNLP 以及哈工大的 LTP)埃默里大学计算机博士生,研究方向是句法分析、语义分析与问答系统。 【文件目录】 《自然语言处理入门》随书代码 ├── README.url├── hanlp-java.zip└── hanlp-python.zip0 directories, 3 files
    2021-05-06下载
    积分:1
  • Matplotlib学习
    【实例简介】
    2021-09-17 00:30:52下载
    积分:1
  • Python xlwt 创建xls文件例子
    xlwt包
    2015-06-15下载
    积分:1
  • 《动手学习深度学习》Pytorch 相关源码
    Dive Into Deep Learning
    2020-12-08下载
    积分:1
  • unet用于图像分割(model.py)
    unet用于图像分割(model.py)
    2020-12-10下载
    积分:1
  • BBS论坛源码(于Python的flask框架开发)
    前台实现了基本的论坛操作(登录,注册,轮播图,各个板块下的帖子显示,用户信息查看和修改,发帖,点赞,评论等功能),后台是CMS管理系统 主要实现了管理人员的权限分配和限制,个人信息查看和修改,前台板块管理,前台帖子管理,前台轮播图的管理等功能。
    2020-02-16下载
    积分:1
  • 于OPENMV的颜色追踪 与ST32一次性传输 X Y坐标
    OPENMV捕捉到颜色模块,并处理他的目标,得出X Y值 并加入串口检验位 此次校验位为 字符sp
    2019-07-25下载
    积分:1
  • LSTM入门正弦波序列预测
    LSTM入门学习,正弦波序列预测         for i, input_t in enumerate(input.chunk(input.size(1), dim=1)):             h_t, c_t = self.lstm1(input_t, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         for i in range(future):  # if we should predict the future             h_t, c_t = self.lstm1(output, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         outputs = torch.stack(outputs, 1).squeeze(2)  # shape after stack:[batch, n, 1], shape after squeeze: [batch,n]         return outputs
    2021-06-30 00:31:01下载
    积分:1
  • python 数据结构与分析
    【实例简介】python 数据结构与分析
    2021-12-21 00:31:10下载
    积分:1
  • 696516资源总数
  • 106409会员总数
  • 8今日下载