Python
代码随想录算法训练营第33天 | 贪心4：452. 用最少数量的箭引爆气球、435. 无重叠区间 、763.划分字母区间
代码随想录算法训练营第33天 | 贪心4：452. 用最少数量的箭引爆气球、435. 无重叠区间 、763.划分字母区间 452.用最少数量的箭引爆气球 https://leetcode.cn/problems/minimum-number-of-arrows-to-burst-balloons/description/ 代码随想录 https://programmercarl.com/0452
Datawhale Al夏令营——Transformer架构
Transformer：这个模型架构就是摒弃了所有的循环结构，完全依赖于注意力机制对源语言序列和目标语言序列全局依赖的建模 对于循环神经网络来说，上下文的语义依赖是通过维护循环单元中的隐状态实现的。在编码过程中，每一个时间步的输入建模都涉及到对隐藏状态的修改。随着序列长度的增加，编码在隐藏状态中的序列早期的上下文信息被逐渐遗忘。尽管注意力机制的引入在一定程度上缓解了这个问题，但循环网络在编码效率方
用【游乐场】说清楚“硬件、操作系统、跨平台、应用软件、开发语言、代码”的关系
经常有小伙伴对一些计算机技术和概念不太清楚，产生很多误区，甚至张冠李戴，在一起聊天时又很难给对方解释清楚，经过苦思冥想，终于想到一些比喻，能够很好地阐述了“硬件、操作系统、跨平台、应用软件、开发语言、代码”之间的关系。 1、硬件 陆地（Intel）与海洋（AMD）：硬件就像是一个广阔的自然环境，其中Intel和AMD就像是两块不同的地域（陆地与海洋），各自拥有独特的资源和特性。这些硬件平台为上层
Self Attention
先前的一些文章简单介绍了一些点云检测和分割的文献资料，可以看出近些年越来越多的方法结合了Transformer，因此有必要说明一下Transformer的结构，在介绍之前需要了解一些知识点：比如Self Attention、Layer Normalization等等，这一篇先简单了解下Self Attention，后续再介绍其他相关内容。本文先简单介绍Attention的发展，然后介绍self A
Bugku——crypto
把猪困在猪圈里 下载附件：是一个文本 文本内容： /9j/4AAQSkZJRgABAQEAYABgAAD/4RDaRXhpZgAATU0AKgAAAAgABAE7AAIAAAAFAAAISodpAAQAAAABAAAIUJydAAEAAAAKAAAQyOocAAcAAAgMAAAAPgAAAAAc6gAAAAgAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA
如何从 Oracle 迁移到 Greenplum 第二篇
如何从 Oracle 迁移到 Greenplum 第二篇 Greenplum中文社区 Greenplum中文社区 2020/04/30 09:00 阅读数 2.7K 本文被收录于专区 数据库 进入专区参与更多专题讨论 在上周和大家分享的《如何从 Oracle 迁移到 Greenplum 第一篇》中，我们介绍了 Greenplum 和
pip install METIS
python 的包 METIS 需要在本地安装 METIS，METIS 本身又是依赖 GKlib 的，所以需要首先编译 GKlib，然后编译 METIS 编译 GKlib 编译 METIS 这里 gklib_path 或许是重要的，不知道不加能不能行 undefined symbol 编译后执行 python 程序报错 libmetis.so: undefined symbol: gk_jbu
kali内存取证-volatility
volatility2安装 Volatility是一款开源内存取证框架，能够对导出的内存镜像进行分析，通过获取内核数据结构，使用插件获取内存的详细情况以及系统的运行状态。Volatility2.6需要python2，pip安装模块也需要2版本 安装pip2 Volatility2.6需要python2，pip安装模块也需要2版本,所以首先安装pip2 (1)检查python2（已安装） （2）下
一种优秀的虚拟机内存架构 - AQ
源链接：https://www.axa6.com/zh/an-excellent-virtual-machine-memory-architecture 简介 虚拟机内存架构直接影响虚拟机的性能和占用。设计一个优秀的架构可以有效提升性能和效率。 本文将介绍AQ虚拟机使用的内存架构，以及AQ虚拟机内存的详细标准。 通过对于虚拟机内存架构的优化，有助于虚拟机的运行效率和减少占用。如果可以，应该尽可能地
Python按条件筛选、剔除表格数据并绘制剔除前后的直方图
本文介绍基于Python语言，读取Excel表格文件数据，以其中某一列数据的值为标准，对于这一列数据处于指定范围的所有行，再用其他几列数据的数值，加以数据筛选与剔除；同时，对筛选前、后的数据分别绘制若干直方图，并将结果数据导出保存为一个新的Excel表格文件的方法。 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；其中，如下图所示，这
Python和pycharm的环境安装
1.Python的安装 方法一、Python的官网下载地址：https://www.python.org/downloads/ 下载安装 方法二、anaconda安装 （开源的Python发行版本） 下载版本列表： https://repo.anaconda.com/archive/ 重要说明：如果你下载最近版本安装的过程中出现：failed to extr
【视频讲解】PCA主成分分析原理及R语言2实例合集|附代码数据
原文链接：https://tecdat.cn/?p=37034 原文出处：拓端数据部落公众号 分析师：Ruoyi Xu 在数据分析的浩瀚宇宙中，我们时常面对多变量的数据海洋。这些变量虽然信息丰富，却也给处理带来了巨大挑战：工作量激增，而关键信息却可能淹没在繁杂的数据之中。为了有效减少指标数量同时尽可能保留原有信息，我们引入了相关性这一强大工具，通过它，我们得以重构数据世界，从而诞生了主
Mac终端美化（iterm2+oh-my-zsh+vim）
iterm2设置主题：Agnoster 主题 1. Agnoster 主题安装 a. 使用 vim 打开~/.zshrc，然后将 ZSH_THEME="robbyrussell" 改成 ZSH_THEME="agnoster"b. 安装Powerline 对应的字体库为了展示 Agnoster 主题提示符里的三角形，需要 Powerline 字体库的支持，具体步骤如下： c. 修改 iter
python技术简介（三）
python直连etcd以及其应用：在 python 中，有几个库可以用于与 etcd 进行交互，其中最常用的是 etcd3 和 python-etcd。 1、etcd3的介绍 应用场景-服务注册与发现：服务注册是指服务实例在启动时，将自己的网络地址（IP 和端口）注册到服务注册中心（如 etcd）。注册中心维护了一个服务实例的目录，客户端可以通过查询注册中心来发现可用的服务实例。服务发现是
基于 Qwen2 大模型微调技术详细教程（LoRA 参数高效微调和 SwanLab 可视化监控）
老牛同学在之前的介绍大模型 Prompt 提示词的文章中（高效编写大模型 Prompt 提示词，解锁 AI 无限创意潜能），曾把大模型比作成一位无所不能无所不知且不知疲惫的“大师”。我们在日常工作、学习中等一些通用知识方面的问题，通常情况下，我们均可通过 Prompt 提示词就能从“大师”那里得到期望的结果。 但是，在某些垂直场景的特定任务（包括：个性化服务、内部私有数据等）中，这位“大师”可能就
vscode + PlatformIO嵌入式芯片开发环境搭建
背景 谈到嵌入式开发，当然离不开STM32；谈到STM32开发当然离不开Keil MDK，目前几乎所有的STM32教程的项目就是基于Keil这个开发工具，尽管Keil非常稳定、使用率也非常高，但是不可否认的是作为一款老牌嵌入式开发IDE，Keil已经太老了。 如果说古老的UI界面只是难以操作，可以让人勉强接受，那以GB 2313为编码方式实现中文显示，完完全全体现出这个IDE是上个时代的产物了
阅读翻译Hugging Face Community Computer Vision Course之Feature Matching （特征匹配）
阅读翻译Hugging Face Community Computer Vision Course之Feature Matching （特征匹配） 关于 首次发表日期：2024-07-14 原文链接： https://huggingface.co/learn/computer-vision-course/en/unit1/feature-extraction/feature-matching 使
Java，Python，JavaScript反向代理方式，免魔法上网对接原生Chat GPT的API
背景 在大模型炙手可热的今天，Chat GPT似乎已然成为人们日常工作中必不可少的辅助工具以提升工作效率，然而在很多国家或地区却并不能正常使用Chat GPT，比如中国大陆、香港，新加坡等地均无法正常访问Chat GPT,虽然可以在魔法上网的加持下可以绕过这些限制，但是假如您在您的app或者网站中想要接入Chat GPT，显然不能要求用户也进行魔法上网。因此本文将简述如何使用海外服务器或VPS搭建
paddleocr识别并按行输出结果
from paddleocr import PaddleOCR # 初始化OCR引擎 ocr = PaddleOCR(use_angle_cls=True, lang="ch") # 使用中文模型 # 对图像进行OCR识别 img_path = './imgs/img_3.png' result = ocr.ocr(img_path, cls=True) # 按y坐标对文本块进行排序 s
ollama 0.2.7 支持函数调用了
就在最新的ollama 发布版本中对于类似openai 的函数调用支持了，但是目前有一些问题，就是相关历史的model 都需要修改下（添加TEMPLATE 对于tools的支持），一些是一个简单的测试 参考示例 使用了phidata 这个工具包 一个参考qwen2:7b 模型的修改 参考了llama3-groq-tool-use 这个模型的 Moddelfile F
程序员应该关注的三种编程语言
程序员应该关注的三种编程语言 来源: 投稿 作者: 菠萝的海子 2024-07-17 11:26:00 9 有关编程语言的争论并不是什么新鲜事，虽然最近的讨论主要是围绕在 AI 的影响以及生成式 AI 是否会完全消除对编程语言熟练程度的需求方面，但对编程语言的持续学习仍然是不可或缺的一部分。 鉴于此，科技媒体 VentureBeat 归
Pytorch的GPU版本安装
本文的显卡是 NVIDIA GeForce RTX 3060 Laptop GPU，安装环境是 CUDA11.1+CUDNN11.1 torch1.9.0+cu111 torchvision0.10.0+cu111 torchaudio==0.9.0 在安装之前先要知道自己的显卡支持什么CDUA版本 右键点击进入NVIDIA控制面板 选择帮助——系统信息——组件 这里可
报错解决：partially initialized module 'charset_normalizer' has no attribute 'md__mypyc' (most likely due to a circular import)
在运行jupyter 时候报错'partially initialized module 'charset_normalizer' has no attribute 'md__mypyc' (most likely due to a circular import)' 原因缺少'charset_normalizer'包，安装该包即可。 欢迎关注我的公众号，共同学习
处理器SDK RTOS (PSDK RTOS)
处理器SDK RTOS (PSDK RTOS) 1.PSDK RTOS方框图 PSDK RTOS方框图，如图7-65所示。 图7-65 PSDK RTOS方框图 2.硬件 1）Evaluation Module (EVM)：Ti 推出的硬件开发板。用于快速原型设计和新产品开发，可以帮助开发人员在短时间内实现复杂的嵌入式系统功能。 2）JTAG：调试执行，通过JTAG无引导模式加载程序。 3）u
即将被淘汰 这几门编程语言！
又到了周五了，忙碌了一周，可以放松放松一下了！ 在科技迅速发展的今天，编程语言的更新迭代速度令人惊叹。从经典的C语言到现代的Python， 编程语言不断进化，满足着不同领域的需求。然而，有些编程语言却逐渐淡出我们的视野。 你是否好奇，哪些编程语言即将被淘汰？ 哪些编程语言正面临被淘汰的危机？它们的逐渐消失又会对开发者和行业产生什么样的 影响呢？让我们一同探讨。 编程语言的更替不仅是技
Selenium 的安装
Selenium 的安装 pip 安装 推荐直接使用 pip3 安装，执行如下命令即可： 验证安装 进入 Python 命令行交互模式，导入一下 Selenium 包，如果没有报错，则证明安装成功。 当然也可以运行一个脚本： 如果运行完毕之后弹出来了一个 Chrome 浏览器并加载了百度页面，2 秒之后就关闭了，那就证明没问题了。
7. 基本数据类型的内置方法
1. 列表的内置方法 1.1 优先掌握的内置方法 1.1.1 强制类型转换 可以将可迭代类型转换为列表类型 list方法在强制转换字典的时候默认转换出来的是字典的键 强调：列表转换成字符串之后无法再重新转回列表 1.1.2 索引取值 正向索引/负向索引 1.1.3 切片 与字符串切片方法一样 列表[起始索引：终止索引：步长] 1.1.4 计算长度 len