05-PyTorch自定义数据集
使用 torchvision.datasets 以及我们自己的自定义 Dataset 类来加载食物图像，然后我们将构建一个 PyTorch 计算机视觉模型，对三种食物进行分类。
04-一文彻底搞懂什么是卷积神经网络
在这个章节中，我们将引入一种非常强大的神经网络结构，名为**卷积神经网络**（Convolutional Neural Network，简称CNN）。CNN 在视觉领域有着卓越的表现，它能够自动地从图像中提取特征，并进行分类。就像一个火眼金睛的时尚专家，CNN 可以辨认出不同的服装款式和类型。无论是酷炫的鞋子、潮流的裤子还是时髦的T恤，CNN 都能一眼识别出它们。
03.使用PyTorch处理最简单的神经网络分类任务
分类和回归是最常见的机器学习问题类型之一。在本笔记本中，我们将使用 PyTorch 解决几个不同的分类问题（二元分类，多类分类，多标签分类）。换句话说，我们通过获取一组输入并预测这些输入集属于哪个类别。
02-快速入门：使用PyTorch进行机器学习和深度学习的基本工作流程（笔记+代码）
通过训练和使用线性回归模型来介绍标准 PyTorch 深度学习和机器学习的基本工作流程。将从数据准备、构建模型、训练模型、预测结果、保存和加载模型五个方面介绍，并且提供练习的代码。
Prettymaps&streamlit：秒出好看的地图海报
Prettymaps 是一个 Python 包，用于根据 OpenStreetMap 数据绘制自定义样式的地图。它可以通过 pip 安装，并使用 osmnx、matplotlib、shapely 和 vsketch 包创建。用户可以通过地址、坐标或 GeoDataFrame 指定查询区域。Prettymaps 提供了预设选项，允许用户轻松自定义地图样式。该包还允许用户在线体验地图绘制，并保存结果。
无需CAJViewer，在Mac和网页上也能免费将知网论文caj格式转为pdf
此方法仍然只支持部分 caj 文件的转换。 开门见山，仓库地址是： 中国知网的某些文献（多为学位论文）仅提供其专有的 CAJ 格式下载，这给文献的阅读和管理带来了不便，尤其是在非 Windows 系统上。 若要将 CAJ 文件转换为 PDF 文件，可以使用知网提供的软件，如CAJViewer。然而，
利用ArcGIS_Python制作考虑路况的交通等时圈
传统的交通等时圈分析是依据路网数据，通过网络分析工具，计算出各个点到中心点的最短路径，然后根据不同的时间，将各个点连接起来，形成等时圈。虽然这种方法可以得到较为精确的等时圈，但是需要有完整的路网数据，而且计算量也比较大。本文介绍一种利用百度地图交通耗时数据，制作交通等时圈的方法，该方法不需要路网数据，只需要百度地图的交通耗时数据，就可以制作出交通等时圈