')
}
function initGt() {
var handler = function (captchaObj) {
captchaObj.appendTo('#captcha');
captchaObj.onReady(function () {
$("#wait").hide();
}).onSuccess(function(){
$('.getcheckcode').removeClass('dis');
$('.getcheckcode').trigger('click');
});
window.captchaObj = captchaObj;
};
$('#captcha').show();
$.ajax({
url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機數(shù)防止緩存
type: "get",
dataType: "json",
success: function (data) {
$('#text').hide();
$('#wait').show();
// 調用 initGeetest 進行初始化
// 參數(shù)1：配置參數(shù)
// 參數(shù)2：回調，回調的第一個參數(shù)驗證碼對象，之后可以使用它調用相應的接口
initGeetest({
// 以下 4 個配置參數(shù)為必須，不能缺少
gt: data.gt,
challenge: data.challenge,
offline: !data.success, // 表示用戶后臺檢測極驗服務器是否宕機
new_captcha: data.new_captcha, // 用于宕機時表示是新驗證碼的宕機
product: "float", // 產(chǎn)品形式，包括：float，popup
width: "280px",
https: true
// 更多配置參數(shù)說明請參見：http://docs.geetest.com/install/client/web-front/
}, handler);
}
});
}
function codeCutdown() {
if(_wait == 0){ //倒計時完成
$(".getcheckcode").removeClass('dis').html("重新獲取");
}else{
$(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)");
_wait--;
setTimeout(function () {
codeCutdown();
},1000);
}
}
function inputValidate(ele,telInput) {
var oInput = ele;
var inputVal = oInput.val();
var oType = ele.attr('data-type');
var oEtag = $('#etag').val();
var oErr = oInput.closest('.form_box').next('.err_txt');
var empTxt = '請輸入'+oInput.attr('placeholder')+'！';
var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！';
var pattern;
if(inputVal==""){
if(!telInput){
errFun(oErr,empTxt);
}
return false;
}else {
switch (oType){
case 'login_mobile':
pattern = /^1[3456789]\d{9}$/;
if(inputVal.length==11) {
$.ajax({
url: '/login/checkmobile',
type: "post",
dataType: "json",
data: {
mobile: inputVal,
etag: oEtag,
page_ur: window.location.href,
page_referer: document.referrer
},
success: function (data) {
}
});
}
break;
case 'login_yzm':
pattern = /^\d{6}$/;
break;
}
if(oType=='login_mobile'){
}
if(!!validateFun(pattern,inputVal)){
errFun(oErr,'')
if(telInput){
$('.getcheckcode').removeClass('dis');
}
}else {
if(!telInput) {
errFun(oErr, errTxt);
}else {
$('.getcheckcode').addClass('dis');
}
return false;
}
}
return true;
}
function errFun(obj,msg) {
obj.html(msg);
if(msg==''){
$('.login_submit').removeClass('dis');
}else {
$('.login_submit').addClass('dis');
}
}
function validateFun(pat,val) {
return pat.test(val);
}
首頁 > 行業(yè)圖譜 >
- 13個最常用的Python深度學習庫介紹
2018-02-17-
13個最常用的Python深度學習庫介紹
如果你對深度學習和卷積神經(jīng)網(wǎng)絡感興趣，但是并不知道從哪里開始，也不知道使用哪種庫，那么這里就為你提供了許多幫助。
在這篇文章里，我詳細解讀了9個我最喜歡的Python ...
- python+matplotlib繪制3D條形圖實例代碼
- 2018-02-15
-
python+matplotlib繪制3D條形圖實例代碼
本文分享的實例主要實現(xiàn)的是Python+matplotlib繪制一個有陰影和沒有陰影的3D條形圖，具體如下。
首先看看演示效果：
完整代碼如下：
importnumpy a ...
- Python基于matplotlib實現(xiàn)繪制三維圖形功能示例
- 2018-02-15
-
Python基于matplotlib實現(xiàn)繪制三維圖形功能示例
這篇文章主要介紹了Python基于matplotlib實現(xiàn)繪制三維圖形功能,涉及Python使用matplotlib模塊進行三維圖形繪制相關操作技巧,需要的朋友可以參考下
本文實 ...
- 學習python中matplotlib繪圖設置坐標軸刻度、文本
- 2018-02-15
-
學習python中matplotlib繪圖設置坐標軸刻度、文本
總結matplotlib繪圖如何設置坐標軸刻度大小和刻度。
上代碼：
frompylabimport*
frommatplotlib.tickerimportMultipleLocator, FormatStrForma ...
- Python語言描述隨機梯度下降法
- 2018-02-14
-
Python語言描述隨機梯度下降法
1.梯度下降
1）什么是梯度下降？
因為梯度下降是一種思想，沒有嚴格的定義，所以用一個比喻來解釋什么是梯度下降。
簡單來說，梯度下降就是從山頂找一條最短的路走 ...
- 【剁手收藏】45 個 Python 優(yōu)質資源（附鏈接）
- 2018-02-13
-
【剁手收藏】45 個 Python 優(yōu)質資源（附鏈接）
熱門資源博客 Mybridge AI 比較了18000個關于Python的項目，并從中精選出45個最具競爭力的項目。我們進行了翻譯，在此一并送上。
這份清單中包括了各不相同的2 ...
- python實現(xiàn)邏輯回歸的方法示例
- 2018-02-11
-
python實現(xiàn)邏輯回歸的方法示例
這篇文章主要介紹了python實現(xiàn)邏輯回歸的方法示例，這是機器學習課程的一個實驗，整理出來共享給大家，
本文實現(xiàn)的原理很簡單，優(yōu)化方法是用的梯度下降。后面有測試結果。
...
- Python決策樹和隨機森林算法實例詳解
- 2018-02-10
-
Python決策樹和隨機森林算法實例詳解
本文實例講述了Python決策樹和隨機森林算法。分享給大家供大家參考，具體如下：
決策樹和隨機森林都是常用的分類算法，它們的判斷邏輯和人的思維方式非常類似，人們常常 ...
- Python在人工智能中的作用
- 2018-02-08
-
谷歌的AI擊敗了一位圍棋大師，是一種衡量人工智能突然的快速發(fā)展的方式，也揭示了這些技術如何發(fā)展而來和將來可以如何發(fā)展。
人工智能是一種未來性的技術，目前正在致力于研究自己的一套工具。一系列的進展在過 ...
- Python利用多進程將大量數(shù)據(jù)放入有限內存的教程
- 2018-01-31
-
Python利用多進程將大量數(shù)據(jù)放入有限內存的教程
這是一篇有關如何將大量的數(shù)據(jù)放入有限的內存中的簡略教程。
與客戶工作時，有時會發(fā)現(xiàn)他們的數(shù)據(jù)庫實際上只是一個csv或Excel文件倉庫，你只能將就著用，經(jīng)常 ...
- Python數(shù)據(jù)分析：股價相關性
- 2018-01-26
-
Python數(shù)據(jù)分析：股價相關性
為什么要分析股價相關度呢，我們來引入一個概念——配對交易
所謂的配對交易，是基于統(tǒng)計套利的配對交易策略是一種市場中性策略，具體的說，是指從市場上找出歷史股價走勢相近的 ...
- 回歸中的相關系數(shù)以及R平方值和Python應用舉例
- 2018-01-25
-
回歸中的相關系數(shù)以及R平方值和Python應用舉例
1. 皮爾遜相關系數(shù) (Pearson Correlation Coefficient):
1.1 衡量兩個值線性相關強度的量
1.2 取值范圍 [-1, 1]:
正向相關: >0, 負向相關：<0, 無相關性：=0
...
- Python實現(xiàn)霍夫圓和橢圓變換代碼詳解
- 2018-01-24
-
Python實現(xiàn)霍夫圓和橢圓變換代碼詳解
這篇文章主要介紹了Python實現(xiàn)霍夫圓和橢圓變換代碼詳解，具有一定借鑒價值,需要的朋友可以參考下
在極坐標中，圓的表示方式為：
x=x0+rcosθ
y=y0+rsinθ
圓 ...
- python編程實現(xiàn)隨機生成多個橢圓實例代碼
- 2018-01-23
-
python編程實現(xiàn)隨機生成多個橢圓實例代碼
這篇文章主要介紹了python編程實現(xiàn)隨機生成多個橢圓實例代碼，具有一定借鑒價值,需要的朋友可以參考下
橢圓演示：
代碼示例：
import matplotlib.pyplot ...
- 收藏 | 機器學習、NLP、Python和Math最好的150余個教程
- 2018-01-22
-
收藏 | 機器學習、NLP、Python和Math最好的150余個教程
盡管機器學習的歷史可以追溯到1959年，但目前，這個領域正以前所未有的速度發(fā)展。最近，我一直在網(wǎng)上尋找關于機器學習和NLP各方面的好資源，為了幫助到和 ...
- python中實現(xiàn)k-means聚類算法詳解
- 2018-01-22
-
python中實現(xiàn)k-means聚類算法詳解
這篇文章主要介紹了python中實現(xiàn)k-means聚類算法詳解，具有一定參考價值，需要的朋友可以了解下。
算法優(yōu)缺點：
優(yōu)點：容易實現(xiàn)
缺點：可能收斂到局部最小值，在大規(guī)模 ...
- 數(shù)據(jù)分析行業(yè)需要具備哪些技術 如何快速進入
- 2018-01-18
-
數(shù)據(jù)分析行業(yè)需要具備哪些技術 如何快速進入
大數(shù)據(jù)如此火爆的時代，各種人才倍受青睞。視野決定了境界和能力，而所處的環(huán)境又決定了視野。好多人不知道什么是數(shù)據(jù)分析師，認為會熟練使用Excel就是數(shù)據(jù)分析師， ...
- python 實例簡述 k-近鄰算法的基本原理
- 2018-01-17
-
python 實例簡述 k-近鄰算法的基本原理
首先我們一個樣本集合，也稱為訓練樣本集，在訓練樣本集中每個數(shù)據(jù)都存在一個標簽用來指明該數(shù)據(jù)的所屬分類。在輸入一個新的未知所屬分類的數(shù)據(jù)后，將新數(shù)據(jù)的所有特征和 ...
- 如何用 Python 爬取自己的微信朋友
- 2018-01-10
-
如何用 Python 爬取自己的微信朋友
微信作為一款擁有將近9億用戶的超級APP，已經(jīng)成為很多人生活中不可或缺的一部分，聊天、分享動態(tài)、閱讀資訊、購物支付……微信就像一張移動互聯(lián)網(wǎng)的身份證，擁有它就能在移 ...
- Python數(shù)據(jù)分析常用函數(shù)筆記
- 2018-01-10
-
Python數(shù)據(jù)分析常用函數(shù)筆記
1、生成隨機數(shù)列表
import numpy as np
array = np.random.permutation(20)
結果：
array([12, 18, 16, 8, 10, 17, 1, 2, 9, 7, 3, 6, 15, 13, 11, 5, 4, 0, 14, 19])
2、合并兩個p ...
全國校區(qū)
京公網(wǎng)安備 11010802034615號
經(jīng)營許可證編號：京B2-20210330