Python
瞎猫碰到死耗子，安卓nt_qq数据库密钥算法
这个我实际上弄了很久了，一开始更新的时候，发现数据库操作都是在so里，那时候是在libkernel.so里直接hook sqlcipher的密钥函数拿到的密钥，32位字符串，很容易让人联想到md5，但是没有找到在哪里计算的 最近又想着做一下，这时打开数据库的so就变了，这是easyFrida的sofileopen插件hook出来的结果，目前使用的是libbasic_share.so这个so
2024暑期学习(二)
暑期学习(2) 学习内容： 1.了解了IO stdout泄露libc基址，但相关细节还没完全弄清楚。（SRCTF新生赛题目还是没做出来，等wp出来好好复现一下）T T 2.了解一点House of Orange,easy_heap复现那里有问题。 3.复现了一点点题目 stdout 泄露 libc 基址 前置知识 程序正确执行到 _IO_overflow 时会将输出缓冲区中的数据输出出来，只要将
接口自动化-YAPI+GITLAB+JENKINS+飞书畅想与实践
起因 工作中遇到期望做接口自动化，之前公司跟着团队做过python+request搭建的自动化框架，逐步完善框架本身，与接口测试用例本身，都是需要代码编写能力较强，能保证框架本身没问题，也要保证接口用例本身没问题。 领导期望接口自动化能做到闭环，从代码产生开始到接口测试结果结束，都可以圈入一个闭环。 没有足够的代码能力，去维护一个全新的框架或工具，只能在现有工具的功能上做相应的优化与耦合。
NuminaMath 是如何荣膺首届 AIMO 进步奖的？
今年，Numina 和 Hugging Face 合作角逐 AI 数学奥林匹克 (AI Math Olympiad，AIMO) 的首届进步奖。此次比赛旨在对开放 LLM 进行微调，以使其能解决高中难度的国际数学奥林匹克训练题。我们很高兴向大家报告: 我们的模型 - NuminaMath 7B TIR - 在比赛中脱颖而出，成功解决了私有测试集 50 道题中的 29 道🥳！ 本文介绍了 Numin
操作系统 与 软件平台
超级资源 腾讯软件中心：https://pc.qq.com/detail/14/detail_2054.html Python 安装与环境 无网环境下离线安装pip包 Linux linux命令 集合 linux 环境变量 linu
计算属性-监听属性,生命周期,组件,组件通信之父传子,组件通信之子传父,ref属性
Ⅰ 计算属性-监听属性 【一】计算属性:computed 【1】基本使用 【2】实用计算属性重写过滤案例 【二】监听属性:watch Ⅱ 生命周期 【一】展示从创建开始到被销毁经历了一个过程 但是由于销毁是关闭，所以暂时还看不到销毁过程 【二】用一个组件展示从创建开始到被销毁经历了一个过程 【三】生命周期钩子-组件-案例 Ⅲ 组件 Ⅳ 组件通信之父传子
Datawhale AI夏令营第四期 魔搭-AIGC方向 task01笔记
Datawhale AI夏令营第四期 魔搭-AIGC方向 task01笔记 提示词 提示词很重要，一般写法：主体描述，细节描述，修饰词，艺术风格，艺术家 举个例子 【promts】 Beautiful and cute girl, smiling, 16 years old, denim jacket, gradient background, soft colors, soft lighting
Python按条件删除Excel表格数据的方法
本文介绍基于Python语言，读取Excel表格文件，基于我们给定的规则，对其中的数据加以筛选，将不在指定数据范围内的数据剔除，保留符合我们需要的数据的方法。 首先，我们来明确一下本文的具体需求。现有一个Excel表格文件（在本文中我们就以.csv格式的文件为例），如下图所示。 其中，Excel表格文件具有大量的数据，每一列表示某一种属性，每一行表示某一个样本；我们需要做的，就是对于
Python 提取出SQL语句中Where的值的方法
1.方法一：使用sqlparse库的方法 为了提取SQL语句中WHERE子句的值，我们可以利用Python的sqlparse库，这是一个专门用于解析SQL语句的库。以下是一个示例代码，演示如何使用sqlparse来提取WHERE子句中的条件。 首先，确保安装了sqlparse库。如果未安装，可以使用pip安装： 然后，我们可以编写以下Python代码来提取WHERE子句的值： 在这个例子中，e
python多版本共存和虚拟环境
多版本共存1.调用方式"py -3.10"，即可使用对应版本的python虚拟环境1.vscode底部切到CMD，敲"py -3.8 -m venv .venv"（虚拟环境文件夹名，通常用".venv"）2.点击vscode右下角，选择虚拟环境作为解释器注：以"."开头的文件在计算机系统中通常被称为隐藏文件。这些文件在许多操作系统中默认是不可见的，旨在隐藏配置文件或系统文件，以避免用户无意中修改或
零基础学习人工智能—Python—Pytorch学习（三）
前言 这篇文章主要两个内容。 一，把上一篇关于requires_grad的内容补充一下。 二，介绍一下线性回归。 关闭张量计算 关闭张量计算。这个相对简单，阅读下面代码即可。 一个有趣的例子 代码1如下，代码可以正常运行。 代码2如下，下面代码不能运行。 这是因为代码1的loss是个值，是个标量，所以它可以执行backward。 而代码2的loss是个向量，他不能执行backward。 线性
汇编语言1 - 什么是汇编语言？
1. 什么是汇编语言？ 1.1. 汇编语言的定义 1.2. 汇编语言与机器语言 1.2.1. 相同点 1.2.2. 不同点 2. 汇编语言的主要特点 3. 汇编语言的基本组成 4. 汇编器 4.1. 主要工作流程 4.2. 常见的汇编器 4.2.1. NASM（Netwide Assembler） 4.2.2. MASM（Microsoft Macro Assembler） 4.
pyinstaller 打包uvicorn的坑
0.1 你使用fastapi搭建服务，并使用uvicorn来启动。 0.2 你使用pyinstaller打包成exe文件，并且需要隐藏控制台窗口。 0.3 执行exe文件时，程序报错了（模块相关错误和日志相关错误），网上找的资料都无法解决你的问题。 如果满足这些条件，可以继续往下看，我的方法主要参考chatGpt。 例如有一个server.py文件： 1 原因分析 当你添加"-w
ollama安装和运行llama3.1 8b
ollama安装和运行llama3.1 8b 就这么简单就能运行起来了. 我们可以在命令行中与他交互. 当然我们也可以用接口访问: 安装open-webui vim /etc/systemd/system/ollama.service, 增加Environment 这个8801是我们开放的端口之一. 启动以后, 我们就可以用: ip: 对应外网端口访问. 我们会看到一个注册页面
我愿称之为全网最通透的layernorm讲解（往下翻）
在我们平常面试和工程中会用到BN和LN，但或许没有去了解过BN和LN到底在那个维度上进行的正则化（减均值除以标准差）。下面将会采用各种例子来为大家介绍BN层和LN层各个参数以及差别。 一、BatchNorm(批标准化)： BatchNorm一共有三个函数分别是BatchNorm1d，BatchNorm2d，BatchNorm3d，她们的输入的tensor的维度是不
js的各种循环，表单控制checkbox,radio，事件-按键修饰符，购物车案例加减，全选，v-model进阶-修饰符lazy,number,trim，ajax
Ⅰ js的各种循环 Ⅱ 事件-按键修饰符 【一】事件修饰符 事件修饰符 释义 .stop 只处理自己的事件，父控件冒泡的事件不处理（阻止事件冒泡） .self 只处理自己的事件，子控件冒泡的事件不处理 .prevent 阻止a链接的跳转 .once 事件只会触发一次（适用于抽奖页面） 使用修饰符时，顺序很重要；相应的代码会以同样的顺序产生 用 v-on:cl
中文的embedding方式
中文文本处理有多种专门的词嵌入（embedding）方法。与英文相似，中文的词嵌入方法可以帮助将文本数据转换为机器学习模型可以处理的向量表示。以下是一些常见的中文词嵌入方式： 1. Word2Vec 简介: Word2Vec 是一种广泛使用的词嵌入技术，可以应用于中文和其他语言。中文的 Word2Vec 训练可以基于分词后的文本进行。 使用: 分词: 在训练 Word2Vec 模型之前，需要将
Sublime Text 4 如何配置成完美的OI编辑器，优雅的打比赛
Sublime Text 完整配置 编译文件 点击新建编译系统(Tools -> Build system -> New build system) 改为以下代码: Ubuntu : Windows : 保存为 "g++.sublime-build" 最后在编译系统中选择"g++"(Tools -> Build system -> g++) 注： w
《最新出炉》系列小成篇-Python+Playwright自动化测试-67 - 模拟手机浏览器兼容性测试
1.简介 在日常工作中，我们会遇到需要使用不同的硬件设备测试兼容性的问题，尤其是现在手机型号基本上是每个厂家每年发布一款新机型，而且手机的屏幕大小分辨率五花八门的，我们基本不可能全部机型都用真机测试一遍，playwright提供了模仿机型的功能，我们可以使用playwright来模拟设备。使用 Playwright，你可以在任何浏览器上测试你的应用程序，也可以模拟真实设备，例如手机或平板电脑。只需
Python多种接口请求方式示例
发送JSON数据 如果你需要发送JSON数据，可以使用json参数。这会自动设置Content-Type为application/json。 发送表单数据 (Form Data) 如果你需要发送表单数据，可以使用data参数。这会自动设置Content-Type为application/x-www-form-urlencoded。 发送文件 (Multipart Form Data)
OneKeyAdmin 后台任意文件下载
侵权声明 本文章中的所有内容（包括但不限于文字、图像和其他媒体）仅供教育和参考目的。如果在本文章中使用了任何受版权保护的材料，我们满怀敬意地承认该内容的版权归原作者所有。 如果您是版权持有人，并且认为您的作品被侵犯，请通过以下方式与我们联系： [360619623@qq.com]。我们将在确认后的合理时间内采取适当措施，包括删除相关内容。 感谢您的理解与支持 基本信息 版本 1.3.9 po
PyCharm专业版关闭Scientific Mode或者禁止"在工具栏窗口中显示图片(Show Plots in Tool Window)"
Pycharm Professional 2024.1.5 新版Pycharm Professional已经没有Scientific Mode了，变成了Python Plots 关闭步骤 Settings -> Tools -> Python Plots -> 取消勾选Show Plots in Tool Window
torch.einsum 的计算过程
概论 上面的 einsum 如何计算的？ 简单说，把 b 广播为 a 的形状，然后做矩阵乘法，即逐位相乘运算，注意，不是点积，是逐位的相乘运算。 注：这里符合背景需求，背景是，a 是深度学习的某个张量，b是a的权重，要求 a 的每一个元素都要乘以权重 b ，来得到实际有效的值。 然后，再把矩阵乘积的结果逐位相加后，得到最后结果，同时也去掉了维度c。 运算过程 具体运算细节如下： 为了详细解释 c
OpenSSH 信息泄漏漏洞 (CVE-2023-51385)【低可信】
详细信息跳转此页面：https://blog.csdn.net/python10101/article/details/140083056?spm=1001.2101.3001.6650.3&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EYuanLiJiHua%7EPosition-3-140083056-bl
快速基于 ClickHouse + Grafana 搭建可观测性解决方案 - 分布式链路追踪篇(ClickHouse 官方博客)
引言 在 ClickHouse，我们认为可观测性仅仅是另一个实时分析问题。作为一款高性能的实时分析数据库，ClickHouse 被用于多种场景，包括时间序列数据的实时分析。其应用场景的多样性推动了大量分析函数的发展，这些函数有助于查询大多数数据类型。这些查询特性和高压缩率使得越来越多的用户开始利用 ClickHouse 来存储可观测性数据。这类数据通常以三种形式出现：logs(日志)、metric
录屏方法剖析，记录脚本跑测不再难
此文章来源于项目官方公众号：“AirtestProject” 版权声明：允许转载，但转载必须保留原链接；请勿用作商业或者非法用途 一、前言 很多同学在跑测过程中都希望可以不用一直盯着跑测画面，又希望可以在跑测后复核跑测结果，那么Airtest所提供的录屏方法会是很好的选择。目前该录屏方法已经兼容了Android、iOS、Windows上的脚本跑测录制，本周就让我们来看一下这个方法的魔力吧。 二
nlp基础之-词汇表构建的具体做法
词汇表构建（Vocabulary Building）是文本数据预处理中的关键步骤，涉及从训练语料中生成一个包含所有可识别单词、子词或字符的集合。具体做法如下： 1. 数据收集与清洗 数据收集: 收集所有待处理的文本数据，包括训练集、验证集和测试集。 数据清洗: 在构建词汇表之前，清洗数据以去除噪声和不必要的字符（如特殊符号、HTML标签等）。这一步确保词汇表包含的都是有用的词汇。 2. 确定词