Python
Rockchip RK3566 - orangepi-build编译
---------------------------------------------------------------------------------------------------------------------------- 开发板 ：Orange Pi 3B开发板 eMMC ：32GB LPDDR4 ：8GB 显示屏 ：15.6英寸HDMI接口显示屏 u-boot ：20
【VMware vCenter】VMware vCenter Server(VCSA) 5.5 版本证书过期问题处理过程。
之前帮客户处理了一个因证书过期导致 vCenter Server 无法登录的问题，在此记录一下，因为时间过去有点久了，可能会有些地方描述的不是很清楚，所以就当作参考就行。客户环境是一个非常老的 vCenter Server 5.5 版本并基于 Linux 版本的 VCSA （当时这个版本还有基于 Windows 的，注意区别），早期可以使用基于 C# 开发的 Windows 客户端进行访问和管理
ModuleNotFoundError: No module named ‘distutils‘的解决办法
新版本的Python（我用的是比较新的3.12）可能会遇到没有“distutils”的情况，切换或者装一个低版本的可以解决，但是比较麻烦，偶然发现一个新的解决办法 pip install setuptools “setuptools”是一个处理Python软件包的工具包，它依赖于 distutils。安装 setuptools可以间接解决没有“distutils”的问题 惜秦皇汉武，
python项目导入上级目录设置”的setting.json是不是哪里还有错误呀？
大家好，我是Python进阶者。 一、前言 前几天在Python白银交流群【王者级混子】问了一个Python代码处理的问题，问题如下：大佬们，我想问问我抄网上“vscode运行python项目导入上级目录设置”的setting.json是不是哪里还有错误呀？还是没法导入上级目录 二、实现过程 这里后来很快他自己找到了解决办法，如下所示： 顺利地解决了自己的问题。 如果你也有类似这种Python
Python TensorFlow Keras深度学习模型RetinaNet进行目标检测分析车牌数据
全文链接：https://tecdat.cn/?p=36968 原文出处：拓端数据部落公众号 目标检测作为计算机视觉领域的关键任务之一，在交通管理、智能安防、自动驾驶等众多应用场景中具有重要意义。车牌作为车辆的重要标识，其准确检测对于车辆识别、交通监控等系统的性能提升至关重要。 传统的目标检测方法在面对复杂场景和多样化的车牌样式时，往往存在精度不高、鲁棒性不足等问题。随着深度学习技术的迅速发展，特
量化交易入门：如何在QMT中配置Python环境，安装第三方依赖包
哈喽，大家好，我是木头左！ 引言 QMT，作为量化交易系统中的佼佼者，以其强大的功能和灵活的操作性，受到了广大投资者的青睐。但是，对于很多新手来说，如何在QMT中配置Python环境，安装第三方依赖包，却是一个让人头疼的问题。本文将从零开始，手把手教你如何在QMT中配置Python环境，安装第三方依赖包，让你的量化交易之路更加顺畅。 环境配置 安装QMT 需要安装QMT。QMT的安装非常简单，
TIOBE 7月编程排行榜出炉！Python再次出圈
又到了周三，本周有过半了，大家好呀 ~~ 每月的TIOBE编程排行榜都是技术社区关注的焦点，作为编程语言流行度的晴雨表，它反映了行业趋势和 技术走向。2024年7月的榜单揭晓了一个重要变化：Python再次登上榜首，成为最受欢迎的编程语言。 这个消息对于开发者和企业来说，都具有非凡的意义。 是什么原因让Python重回榜首？这种变化对开发者和行业意味着什么？ &nb
利用Selenium和PhantomJS绕过接口加密的技术探索与实践
selenium+phantomjs绕过接口加密 我们为什么需要selenium 之前我们讲解了 Ajax 的分析方法，利用 Ajax 接口我们可以非常方便地完成数据的爬取。只要我们能找到 Ajax 接口的规律，就可以通过某些参数构造出对应的的请求，数据自然就能被轻松爬取到。 但是，在很多情况下，Ajax 请求的接口通常会包含加密的参数，如 token、sign 等。 由于接口的请求加上了 tok
Linux-shell编程入门基础
目录前言Shell编程bash特性shell作用域变量环境变量$特殊变量$特殊状态变量$特殊符号(很重要)其他内置shell命令shell语法的子串截取统计指令执行时间练习shell特殊扩展变量父子shell的理解内置和外置命令区别数值计算双括号(())运算letexprexpr模式匹配bcawk中括号shell的条件判断test判断中括号[]判断中括号写判断符号双中括号[[]]if分支casef
Python 数组类型转树形结构
今天突然想用到这个功能 结果百度到的 基本是写乱糟糟的一堆代码 无奈只好亲自操刀 话不多说，先上代码： 测试数据如下 data = [ { "id": 1, "notice": "订单管理", "level": 1,
Anaconda相关内容
一些常用anaconda命令： P.S.建议通过管理员身份打开anaconda prompt运行以下命令，可以避免很多问题 查看所安装的anaconda的相关信息： conda info 在package cache中有列出3个位置地址。在安装包的过程中下载的相关包会预存在这3个位置地址中，若安装失败，在这3个地址的相关包将不会自动删除，可以使用conda clean -a命令自动删除没用的
c++ protobuf安装记录
google protobuf是一个灵活的、高效的用于序列化数据的协议。相比较XML和JSON格式，protobuf更小、更快、更便捷。google protobuf是跨语言的，并且自带了一个编译器(protoc)，只需要用它进行编译，可以编译成Java、python、C++、C#、Go等代码，然后就可以直接使用，不需要再写其他代码，自带有解析的代码。更详细的介绍见: Protocol Buffe
如何在 Rust 中安全地处理 Openresty中的字符串?
Hello World Rust 以简洁高效安全而闻名，那么我们怎么集成到C 的项目中呢。尤其是字符串数据结构，该如何正确地交互。借此机会整理一下工作中遇到的难题，希望可以帮助大家走出坑。 我们先回顾一下 C 中字符串的结构。 在 C 语言中，字符是一个连续的内存地址空间以 0 结尾。C 语言的字符串不会记录长度信息，而是遇到第一个0 之前的地址空间作为长度信息。Rust 为了兼容C 的字符串
利用BLIP和BLIP-2进行图像与文本特征提取：如何构建一个多模态搜索引擎
来源网址：https://medium.com/@enrico.randellini/image-and-text-features-extraction-with-blip-and-blip-2-how-to-build-a-multimodal-search-engine-a4ceabf51fbe 结合ViT和LLM的力量进行图像-文本检索任务 引言 图像与语言看似属于两个不同的领域， 以及
从零学习大模型——使用GLM-4-9B-Chat + BGE-M3 + langchain + chroma建立的本地RAG应用（五）——综合测试：带有记忆功能的对话检索链
经过前三篇教程，我们已经做好了大部分的准备了，现在试着将LLM、Embeddings模型、向量数据库整合起来。 在/root/autodl-tmp目录下新建testQAChain.py文件： from glm4LLM import ChatGLM4_LLM from langchain_core.prompts import ChatPromptTemplate from langchain.pr
理解 OpenAI 的 CLIP 模型
来源：https://medium.com/@paluchasz/understanding-openais-clip-model-6b52bade3fa3 CLIP 是由 OpenAI 在 2021 年发布的，自那时起已成为许多多模态 AI 系统中的基础构件之一。本文深入探讨了 CLIP 是什么、它是如何工作的、如何使用以及其实现方式。 引言 CLIP，即 Contrastive Languag
PySide/PyQt中使网络请求更加方便简洁的实践
众所周知，在PySide中，想要发送网络请求且不阻塞GUI线程，需要使用QNetworkAccessManager，但是这个东西用起来十分麻烦，需要写很多槽函数，而且必须要绑定在对象上，否则会报空指针。 这种写法非常不优雅，而且让代码变得十分复杂。因此在写项目的实践中，我写了这样一个库，可以简化网络请求，特此分享出来。 声明：其使用方法可能有点像JS中的Promise，不过笔者精力和技术有限，没有
asp.net webform在Linux上部署--jexus
Jexus Web Server 官网 什么是Jexus Jexus是“Jexus Web Server”的常用简称，也可简称为“JWS”。 Jexus是一款运行于Linux环境的具有高安全性、高可靠性的高性能WEB服务器和负载均衡网关服务器。除了具备通用WEB服务器所必备的功能外，Jexus还能直接支持各类Asp.Net WEB应用，并以特有的“Web应用程序容器”技术无缝对接Asp.Net C
从零学习大模型——使用GLM-4-9B + BGE-M3 + langchain + chroma建立的本地RAG应用（一）——环境准备
本项目基于DataWhaleChina的self-llm教程与llm-universe及Langchain官方文档等资料开发，旨在实现全部本地化的RAG应用。 本项目使用AutoDL的云服务器进行开发。在 AutoDL 平台中租一个 3090 等 24G 显存的显卡机器，如下图所示镜像选择 PyTorch-->2.1.0-->3.10(ubuntu22.0
从零学习大模型——使用GLM-4-9B-Chat + BGE-M3 + langchain + chroma建立的本地RAG应用（二）——将GLM-4-9B-Chat接入langchain
第一篇介绍了如何配置最基本的环境并下载了GLM-4-9B-Chat到本地，接下来我们试着将GLM-4-9B-Chat接入LangChain。 LangChain 是一个基于大型语言模型（LLM）开发应用程序的框架。 LangChain 简化了LLM应用程序生命周期的每个阶段： 开发：使用 LangChain 的开源构建模块和组件构建应用程序。使用第三方集成(opens in a new
manim边学边做--MarkupText
manim中主要有3个用于显示文本内容的对象，前两篇已经介绍过Text和Paragraph。本篇介绍最后一个MarkupText，与前两个不同的是，MarkupText的文本中支持实用一些HTML的语法，因此，它的表现力更胜前两个。MarkupText在manim各个模块中的位置大致如上图中所示。 1. 主要参数 MarkupText除了支持在文本中使用HTML语法，也提供了丰富了参数。 参
从零学习大模型——使用GLM-4-9B-Chat + BGE-M3 + langchain + chroma建立的本地RAG应用（三）——将BGE-M3接入langchain
BGE-M3 是第一个具有多功能、多语言和多粒度特性的文本检索模型。 多功能:可以同时执行三种检索功能：单向量检索、多向量检索和稀疏检索。 多语言:支持100多种工作语言。 多粒度:它能够处理不同粒度的输入，从短句子到长达8192个词汇的长文档。 为了构建RAG应用，我们需要用到向量数据库和embedding模型进行数据集的向量化存储和后续用到的相似度检索。 本文介绍如何将BGE-M3接入La
从零学习大模型——使用GLM-4-9B-Chat + BGE-M3 + langchain + chroma建立的本地RAG应用（六）——最终实战：带有依照会话进行记忆功能的对话api
经过上一篇教程，我们已经成功构建出全本地的问答检索功能，现在我们需要通过api访问云服务器，并且使用fastapi定义一个接口，从而使功能可以通过api被访问。 在/root/autodl-tmp路径下新建api-Langchain-withUser.py文件 from fastapi import FastAPI, Request from transformers import AutoTok
Python（repr()）
目录1. repr 函数2. 示例代码3. repr 与 str 的区别 在 Python 中，repr 是 representation 的缩写。它是一个内置函数，用于返回对象的官方字符串表示形式。这通常是一个可以用来重新创建对象的字符串，或者至少是对开发者友好的字符串，便于调试和理解对象的内容。 在代码中，return repr(self.value) 的作用是返回 self.value