Python
JetBrains Aqua 2024.2 (macOS, Linux, Windows) - 测试自动化 IDE
JetBrains Aqua 2024.2 (macOS, Linux, Windows) - 测试自动化 IDE JetBrains 跨平台开发者工具 请访问原文链接：https://sysin.org/blog/jetbrains-aqua/，查看最新版。原创作品，转载请保留出处。 作者主页：sysin.org Aqua 测试自动化 IDE 享受更高效的测试体验 为什么选择 Aqua
字符串值提取工具-01-value-extraction 概览
场景 我们经常需要从字符串中提取指定的值。 如果要设计一个平台，常见提取策略都要支持。从零实现起来会比较麻烦。 希望实现一个整合常见提取策略的工具，便于在各个场景复用。 开源地址 value-extraction 值提取核心 值提取系列 字符串值提取工具-01-概览 字符串值提取工具-02-java 调用 js 字符串值提取工具-03-java 调用 groovy 字符串值提取工具-04-ja
下一代浏览器和移动自动化测试框架：WebdriverIO
1、介绍 今天给大家推荐一款基于Node.js编写且号称下一代浏览器和移动自动化测试框架：WebdriverIO 简单来讲：WebdriverIO 是一个开源的自动化测试框架，它允许测试人员使用 Node.js 编写自动化测试脚本，用于测试Web应用、移动应用和桌面应用程序。能够执行端到端（e2e）、单元和组件测试，主要基于WebDriver、WebDriver BiDi和Chrome DevTo
《花100块做个摸鱼小网站! 》第二篇—后端应用搭建和完成第一个爬虫
一、前言 大家好呀，我是summo，前面已经教会大家怎么去阿里云买服务器（链接在这，需要自取），以及怎么搭建JDK、Redis、MySQL这些环境或者数据库。从这篇文章开始就进入正式的编码阶段了，我们从后端开始，先把热搜数据获取到，然后再开始前端部分。 本来我想把后端应用搭建和完成第一个爬虫分为两篇文章写的，但是想到墨迹三周还没看到效果，估计有些同学已经等不及了，所以我把这两篇文章合成一篇了，篇幅
OpenWRT(7)：OpenWRT进程间通信-ubus、ubusd、libubus等
ubus提供了各种守护进程和应用程序之间的进程间通信。它包括如下几部分： 守护进程ubusd：在系统启动时运行，负责进程间的消息路由和传递。其他进程可以通过注册到ubusd进程来发送和接收消息。这些消息通过Unix套接字和TLV（类型-长度-值）格式进行传输 。 库文件libubus：为了简化开发，OpenWrt提供了libubus库，它允许应用程序轻松地连接到ubus、注册对象和方法、调用其他
Pycharm 设置 flask 监听端口
新建 flask 项目之后，Pycharm 会默认生成1个 flask server,在默认端口 5000运行 项目启动 1. app.py，双击 2：也可以使用Terminal运行（CTRL+C to quit） 2.cmd 中，进入虚拟环境，切换到项目目录， set FLASK_APP=app.py flask run
pyCharm 设置 签名，时间
#!python3.8 # -*- coding: utf-8 -*- # --- # @File: ${NAME}.py # @Author: ${USER} # @Time: ${MONTH_NAME_SHORT} ${DAY}, ${YEAR} # ---
解决pip无法更新问题的简单方法：WARNING: You are using pip version 20.2.1; however, version 24.2 is available.
用pip安装python应用的程序包时，也遇到了同样的问题，pip无法正常更新，因此就不能用pip下载安装程序包了。需要必须把pip更新到最新的状态后，才能使用pip的便捷功能。当时网上搜搜答案解决了，没有记录下来。今天使用pip使，又遇到了同样的问题，依然是网上一顿搜，试了各种方法，才成功安装好了最新版的pip-20.2.2. 下面是我采用的方法： 1. 直接更新失败 cmd进入Do
【Web API 】渗透测试指南
一、概述 API（Application Programming Interface，应用程序编程接口）是一个允许不同软件应用程序之间进行通信和数据交换的接口。API定义了一组规则和协议，软件开发者可以使用这些规则和协议来访问操作系统、库、服务或其他应用程序的功能。 1.1 API的基本概念 接口（Interface）: 请求和响应（Request and Response）: 协议（Pro
深度学习武器库-timm-非常好用的pytorch CV模型库 - 常用模型操作
简要介绍 timm库，全称pytorch-image-models，是最前沿的PyTorch图像模型、预训练权重和实用脚本的开源集合库，其中的模型可用于训练、推理和验证。 github源码链接： https://github.com/huggingface/pytorch-image-models 文档教程 文档：https://huggingface.co/docs/hub/timm 上手教程：
Word2Vec模型之CBOW
CBOW（Continuous Bag of Words）是一种常用于自然语言处理的词嵌入模型，属于Word2Vec的一部分。CBOW模型的目标是通过上下文词来预测中心词。它通过在大规模语料库中学习词汇之间的共现关系，生成词向量表示。 CBOW模型的工作原理 上下文窗口：CBOW模型的核心思想是利用上下文窗口中的词来预测中心词。假设我们有一个句子，比如“我喜欢学习自然语言处理”，如果我们选择“
一个好用的消息推送服务【Server 酱】
今天给大家介绍一个好用的消息推送服务Server 酱 Server 酱简介 Server 酱是什么 「Server 酱」，英文名「ServerChan」，是一款「手机」和「服务器」、「智能设备」之间的通信软件。 说人话？就是从服务器、路由器等设备上推消息到手机的工具。 开通并使用上它，只需要一分钟： 微信扫码登入 设置消息通道 发消息，一般有两种方式： 在支持 Server 酱的软件界面或配置文件
Python 虚拟环境安装flask框架 Read timed out.
cmd 输入workon env_name 激活 pip install flask 升级pip： python -m pip install --upgrade pip -i http://pypi.douban.com/simple --trusted-host pypi.douban.com 下载包：以flask-sqlalchemy为例： 方案一：pip in
How to build ORB-SLAM3 on ubuntu20.04 in 2024?
1 remove GTK3 2 install opencv depenencies 3 cmake install opencv 4.2 from source 4 cmake install eigen 3.4 from source 5 cmake install Pangolin-v0.6 from source 6 cd ORB-SLAM3 7 install ros-no
chinese-clip中的文本编码模型RoBERTa
RoBERTa（A Robustly Optimized BERT Approach）是 BERT 模型的一个改进版本，由 Facebook AI Research 团队在 2019 年提出。RoBERTa 在 BERT 的基础上，通过调整训练策略和数据量，大幅提高了模型的性能。 RoBERTa 的特点 大规模训练数据：RoBERTa 使用了更大规模的数据集进行训练，包括 BookCorpus
在python项目的docker镜像里使用pdm管理依赖
前言 在 DjangoStarter 项目中，我已经使用 pdm 作为默认的包管理器，不再直接使用 pip 所以部署的时候 dockerfile 和 docker-compose 配置也得修改一下。 dockerfile 首先修改一下 dockerfile 这里有几点需要注意的： 如果要使用 uwsgi 则必须使用不带 slim 的Python镜像，因为 uwsgi 的编译依赖gcc，slim
Android网页投屏控制从入门到放弃
背景 业务需要采集在app上执行任务的整个过程，原始方案相对复杂，修改需要协调多方人员，因而考虑是否有更轻量级的方案。 原始需求： 记录完成任务的每一步操作（点击、滑动、输入等） 记录操作前后的截图和布局xml 基于Adb的方案 最容易考虑到的方案是就是通过adb去实现，要获取到当前页面的xml、当前页面截图，所以只需要将每一步操作通过adb发送给手机端即可。 步骤 通过adb连接设备，编写
HuggingFace的transformers 库中的tokenizer介绍
在自然语言处理中，tokenizer 是一个非常关键的组件，它将文本转化为模型可以理解的格式。这个过程通常包括以下几个步骤： 1. 文本标准化 小写化：将所有文本转换为小写，以减少不同形式的单词（如 "Apple" 和 "apple"）被视为不同词的情况。 去除标点符号：删除或替换标点符号，不过在某些场景下，保留标点符号可能是有必要的，因为它们包含情感或语法信息。 去除特殊字符：移除不必要的字符
“Datawhale x魔搭 AI夏令营”-AIGC方向-Day1从零入门AI生图原理&实践
学习内容提要： 从通过代码实现AI文生图逐渐进阶，教程偏重图像工作流、微调、图像优化等思路，最后会简单介绍AIGC应用方向、数字人技术（选学） Task01:简单了解一下文生图相关的基础知识 具体Datawhale教程学习内容见链接：https://linklearner.com/activity/14/10/24 报名赛事 链接：https://tianchi.aliyun.com/compet
CertBot搭配DNSPod
CertBot搭配DNSPod summary: cetbot搭配dnspod实现自动注册ssl证书和自动续期 😀 Certbot: Certbot 是一个免费的开源软件工具，用于自动使用 Let's Encrypt 服务获取、安装和更新 SSL/TLS 证书，以便在网站上启用 HTTPS。它主要通过自动化流程简化了证书的部署和维护，支持多种操作系统和Web服务器。 1.安装pip、venv、
搭建PostgreSQL高可用集群（基于Patroni+Etcd）
搭建PostgreSQL高可用集群（基于Patroni+Etcd） 1.主机环境准备 节点名称 主机名 网卡 IP地址 OS 安装软件 角色作用 PGSQL1 pgsql1 ens33 192.168.198.162 CentOS7 PostgreSQL、ETCD、Patroni 主数据库 PGSQL2 pgsql2 ens33 192.168.198.163 CentOS7 P
vLLM CPU和GPU模式署和推理 Qwen2 等大语言模型详细教程
老牛同学在前面文章中，介绍了不同大模型的部署和推理方式。有网友给老牛同学留言，希望老牛同学能写一篇使用 vLLM 通过 CPU 和 GPU 推理 Qwen2 等大语言模型的文章，老牛同学决定本期安排起来。 由于vLLM默认并不支持 CPU 部署和推理，为了验证和演示CPU部署和推理过程，老牛同学肝了周六 1 个晚上和周日大半天，目前都成功了。因vLLM通过CPU部署推理的文档少之又少，官网有些地方
pgBackRest使用指南
pgBackRest的简单使用 1. 安装 表1 软硬件要求 软件 版本 pgbackrest 2.52 操作系统 处理器架构 CentOS x86_64 从源代码构建时，最好使用构建主机，而不是在生产环境中构建。生成所需的许多工具通常不应安装在生产环境中。pgBackRest 由一个可执行文件组成，因此一旦构建就很容易复制到新主机。 build ⇒ 将pgBack
postgres V16.3源码安装
二 postgres V16.3源码安装 1 安装centos-7 配置 ：1GB内存 1处理器/1核心数量 20GB硬盘 如果已经安装过PostgreSQL的其他版本，需要删除原有的PostgreSQL，操作流程如下： 2 下载源码 使用yum安装wget，再使用wget来下载postgres的V16.3的源码。 源码地址： 3 解压源码 4 安装 进入源码解压后的
postgres V15.7源码安装
1. PostgreSQL Mailing Lists 邮件订阅 网址：https://www.postgresql.org/list/ 首先进入PostgreSQL的邮件订阅网站https://lists.postgresql.org/，点击“Mange Subscriptions”按钮，如果进入没有账号，点击“creat”关键字创建账号并关联到自己需要订阅的邮箱地址，然后登录账号，
钉钉群机器人开发接口
获取自定义机器人webhook 步骤一，在机器人管理页面选择“自定义”机器人，输入机器人名字并选择要发送消息的群。如果需要的话，可以为机器人设置一个头像。点击“完成添加”，完成后会生成Hook地址，如下图： 步骤二，点击“复制”按钮，即可获得这个机器人对应的Webhook地址，其格式如下： https://oapi.dingtalk.com/robot/send