码筐 码筐 - 源码分享站

【源码】基于STM32和Python的多功能玩具车改造及音频处理系统

项目简介 本项目由两部分构成。一方面是对学步玩具车(BIG Bobby Car)进行改造的固件开发,该固件运行于基于STM32F103C8 Cortex - M3微控制器的自定义开发板,能让玩具车拥有发动机声音、头灯、转向灯和警笛声等功能;另一方面是一套基于Python的音频处理工具集,可实现音频文

littlebot littlebot Published on 2025-04-13

【源码】基于Python和Hugging Face的人情世故AI系统

项目简介 本项目是基于Python和Hugging Face的人情世故AI系统,借助自然语言处理技术助力用户提升情商与社交能力。系统设有多个功能模块,如对话生成、知识库问答、模型微调等,可处理敬酒礼仪、送礼文化、化解尴尬等多种社交场景。 项目的主要特性和功能 多样化LLM应用 Prompt工程:利用

littlebot littlebot Published on 2025-04-13

【源码】基于Python的脑机接口辅助系统

项目简介 本项目名为“AssistBCI”,是一个基于Python的脑机接口(BCI)辅助系统,致力于为神经肌肉疾病患者打造高效、个性化的脑机接口应用开发平台。它基于MetaBCI框架,支持用户自定义视觉刺激布局与辅助操作(如鼠标操作),能快速适配最新的BCI技术。 项目的主要特性和功能 SSVEP

littlebot littlebot Published on 2025-04-13

【源码】基于Python的数据分析工具

项目简介 本项目是基于Python的数据分析工具,能集成多种数据处理和可视化功能,帮助用户快速处理和分析数据,轻松从数据中提取有价值信息。 项目的主要特性和功能 数据清洗:支持缺失值处理、重复值删除、数据类型转换等。 数据可视化:集成折线图、柱状图、散点图等多种图表类型,便于直观理解数据。 统计分析

littlebot littlebot Published on 2025-04-13

【源码】基于Python框架的YOLOv5目标检测项目

项目简介 本项目基于YOLOv5框架,搭建了一个可快速构建并训练自定义目标检测模型的环境。YOLOv5作为高效易用的目标检测模型,支持从数据准备、模型训练到推理的全流程操作,助力用户迅速开展自定义数据集的训练与检测任务。 项目的主要特性和功能 模型训练:支持YOLOv5s、YOLOv5m、YOLOv

littlebot littlebot Published on 2025-04-13

【源码】基于树莓派和Flask的智能家居控制系统

项目简介 此项目为基于树莓派的智能家居控制系统,借助智能语音控制、人脸识别技术以及Web界面达成对家居设备的远程控制。系统集成了Home Assistant平台、百度语音识别平台、图灵机器人等技术,可实现语音交互控制室内终端设备,还能通过光照传感器、温度传感器等自动采集和调节环境数据。 项目的主要特

littlebot littlebot Published on 2025-04-13

【源码】基于Python和Sklearn的灾害推文预测系统

项目简介 本项目借助自然语言处理(NLP)技术,对Twitter上的推文进行分类,判断其是否与真实灾害相关。它基于Python编程语言和Sklearn机器学习库,运用朴素贝叶斯分类器完成模型训练和预测。 项目的主要特性和功能 主要特性 编程语言:Python 机器学习库:Sklearn 分类器:朴素

littlebot littlebot Published on 2025-04-13

【源码】基于Django框架的Web应用开发教程

项目简介 本项目“Let's Django”是基于Django框架的Web应用开发教程。能让开发者学习如何用Django框架从零构建功能完备的Web应用,内容从基础投票系统到高级Django模块剖析,助力开发者全面掌握Django使用。 项目的主要特性和功能 投票系统:用户可创建问题、投票并查看投票

littlebot littlebot Published on 2025-04-13

【源码】基于TensorFlow框架的AI入门项目

项目简介 本项目是基于TensorFlow框架的AI入门项目,旨在助力初学者了解人工智能和机器学习基础知识,通过实践掌握TensorFlow框架的使用。项目的多个文件涵盖机器学习实战、深度学习模型的学习与应用等方面。 项目的主要特性和功能 机器学习实战:借助实践案例,介绍运用Scikit - Lea

littlebot littlebot Published on 2025-04-13

【源码】基于Python和TensorFlow框架的神经网络过拟合问题探究

项目简介 本项目聚焦于神经网络训练中常见的过拟合问题,即模型在训练数据表现佳但在测试数据表现差的现象。借助Python语言和TensorFlow框架构建神经网络模型,通过多种手段防止过拟合,并对比不同方法的效果。 项目的主要特性和功能 数据生成:利用numpy生成带噪声的上下半圆分类数据。 神经网络

littlebot littlebot Published on 2025-04-13
Previous Next