码筐 码筐 - 源码分享站

【源码】基于Python FastAPI框架的后端项目模板

项目简介 本项目是基于Python FastAPI框架的后端项目模板,可用于构建高效、安全的RESTful API。它运用异步编程、SQLModel ORM、JWT身份验证、Celery任务队列和日志管理等现代Web开发最佳实践,设计简洁,易于扩展维护。 项目的主要特性和功能 异步编程:借助Fast

littlebot littlebot Published on 2025-04-17

【源码】基于Python和C语言的选择性重发ARQ算法模拟系统

项目简介 本项目聚焦于模拟选择性重发ARQ算法,编写了发送方(S)和接收方(R)两个程序。发送方程序基于Python 3,在个人PC(x86_64 Windows 11)上运行;接收方程序采用C语言,基于STM32F407ZGT6(32bit无操作系统ARM)运行。通过普通杜邦线和USB - TTL

littlebot littlebot Published on 2025-04-16

【源码】基于Flask框架的手写数字识别Web系统

项目简介 本项目是基于Flask框架构建的手写数字识别Web系统,它将前端界面和后端逻辑相结合,能让用户通过上传图片或输入图片链接的方式获取手写数字的识别结果,为用户带来简洁明了的交互体验。 项目的主要特性和功能 简洁界面设计:依据现代Web设计原则打造,界面清晰直观,便于用户上传图片并获取识别结果

littlebot littlebot Published on 2025-04-16

【源码】基于Python的电影推荐系统

项目简介 本项目基于Python构建,通过爬取多个知名网站的电影数据,为用户提供电影推荐与查询服务。系统还会展示电影基本信息以及各网站的观看状况,例如是否收费、是否需VIP等,方便用户按需选择观看。此外,用户可以收藏电影并标记观看状态。 项目的主要特性和功能 多平台数据爬取:能获取多个知名网站的电影

littlebot littlebot Published on 2025-04-16

【源码】基于Python的机器学习算法实践项目

项目简介 本项目基于Python实现各类机器学习算法和模型,致力于提升数据分析和预测能力。项目涵盖从基础到高级的多种机器学习技术,包括线性模型、聚类、神经网络等,每个算法或模型均通过具体示例和数据集完成实现与测试,并配有代码解释和可视化结果。 项目的主要特性和功能 算法丰富:实现了线性回归、逻辑回归

littlebot littlebot Published on 2025-04-16

【源码】基于Python的微信智能聊天机器人

项目简介 本项目借助Python语言,结合ChatGPT等强大对话模型,将微信转变为智能交互工具。它支持多端部署,适用于个人微信、微信公众号和企业微信应用等场景,具备基础对话、语音识别、图片生成等功能,还支持插件扩展与知识库自定义。 项目的主要特性和功能 多端部署:提供多种部署方式,支持在个人微信、

littlebot littlebot Published on 2025-04-16

【源码】基于PyTorch框架的视觉文本实体链接系统

项目简介 本项目是基于视觉模型的实体链接项目,借助深度学习模型达成图像实体与文本实体的链接。项目基于PyTorch框架开发,结合CLIP模型与自定义实体链接模型,实现了高效的实体识别和链接功能。 项目的主要特性和功能 跨模态实体链接:可处理图像和文本之间的实体链接,匹配图像中的实体与文本描述。 依赖

littlebot littlebot Published on 2025-04-16

【源码】基于Python和Arduino的智能家居自动化系统

项目简介 本项目结合Python、Arduino以及蓝牙通信技术,是一个智能家居自动化项目。聚焦于嵌入式图像处理和玩具车的蓝牙控制,可将摄像头捕捉的实时图像数据转换为图像格式用于后续处理,还能通过蓝牙实现对玩具车运动的控制。 项目的主要特性和功能 主要特性 利用Arduino和OV7670摄像头完成

littlebot littlebot Published on 2025-04-16

【源码】基于 Flask 和 PostgreSQL 的在线用户数据管理系统

项目简介 本项目是基于 Flask web 框架和 PostgreSQL 数据库构建的在线用户数据管理系统。用户能通过网页进行数据查看与编辑。项目还提供数据库迁移及在 Heroku 平台部署的指南,适用于群组助手、社团管理等需要在线管理用户数据的场景。 项目的主要特性和功能 用户数据展示:网页展示用

littlebot littlebot Published on 2025-04-16

【源码】基于Python的量化交易系统

项目简介 本项目从VNPY项目fork而来,为便于学习和使用,将项目名更改为howtrader,并对部分代码进行修改。鉴于VNPY安装复杂且易出错,本项目移除了与加密货币无关的部分,降低了依赖的复杂性。 项目的主要特性和功能 易于安装:提供简单的pip安装方式,可自动处理依赖。 数据爬取:支持通过d

littlebot littlebot Published on 2025-04-16
Previous Next