Python
2024.05.16
所花时间（包括上课）：6h 代码量（行）：0行 博客量（篇）：1篇 今天，上午学习，下午学习。 我了解到的知识点： 1.了解了一些数据库的知识； 2.了解了一些python的知识； 3.了解了一些英语知识； 5.了解了一些Javaweb的知识； 4.了解了一些数学建模的知识； 6.了解了一些计算机网络的知识；
2024.06.07
完成python作业 6-2 计算素数和 本题要求计算输入两个正整数x,y(x<=y，包括x,y)素数和。函数isPrime用以判断一个数是否素数，primeSum函数返回素数和
python - pip安装三方库超时、安装慢解决办法
前言： WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by 'ReadTimeoutError("HTTPSConnectionPool(host='pypi.org', port=443): 今天在一台新的电脑上时候pi
dlib安装问题：ERROR: Could not build wheels for dlib, which is required to install pyproject.toml-based projects
# 问题安装报错。 建议使用虚拟环境，太麻烦 可行的安装方法； https://github.com/davisking/dlib/issues/2943
安卓使用ADB刷机升级流程
环境需求 python ADB工具 ADB安装： 先进fastboot模式， adb reboot bootloader fastboot devices 看下能不能识别到设备 如果能识别到，python grillednsid-sha-spsp-02Kailua.LA.2.0-00143-GKI.INT-1commonbuildfastboot_complete.py，然后这个时候就不要乱动手机
MoneyPrinterPlus:AI自动短视频生成工具,赚钱从来没有这么容易过
这是一个轻松赚钱的项目。 短视频时代，谁掌握了流量谁就掌握了Money! 所以给大家分享这个经过精心打造的MoneyPrinterPlus项目。 它可以：使用AI大模型技术,一键批量生成各类短视频。 它可以：一键混剪短视频，批量生成短视频不是梦。 它可以：自动把视频发布到抖音,快手,小红书,视频号上。 赚钱从来没有这么容易过! 项目地址： https://github.com/ddean2009/
python-数据分析-Matplotlib-1-基础图形（曲线图-散点-柱状-堆叠柱状-饼状图-直方图）
曲线图 # -*- coding: utf-8 -*- #基础、曲线图 import numpy import matplotlib.pyplot as plt #设置字体 SimHei: 黑体 #需要注意的是，使用中文字体后坐标轴上的负号将会无法显示，需要将`axes.unicode_minus`参数设置为`False`，这样才能让坐标轴上的负号正常显示 plt.rcParams['font
【机器学习】多层神经网络实验
环境安装 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple scikit-learn pip install -i https://pypi.tuna.tsinghua.edu.cn/simple keras tensorflow-cpu 2.4.0 scikit-learn 1.0.2 运行结果
一文带你搞清楚Python的多线程和多进程
本文分享自华为云社区《Python中的多线程与多进程编程大全【python指南】》，作者：柠檬味拥抱。 Python作为一种高级编程语言，提供了多种并发编程的方式，其中多线程与多进程是最常见的两种方式之一。在本文中，我们将探讨Python中多线程与多进程的概念、区别以及如何使用线程池与进程池来提高并发执行效率。 多线程与多进程的概念 多线程 多线程是指在同一进程内，多个线程并发执行。每个线程都拥有
VSCode取消置顶
例如namespace等 设置里面搜索如下选项，取消勾选。 解决更新python后 gnome-terminate无法打开 sudo mv _gi.cpython-3x-x86_64-linux-gnu.so _gi.cpython-3x-x86_64-linux-gnu.so sudo mv _gi_cairo.cpython-3x-x86_64-linux-gn
聊聊GLM-4-9B开源模型的微调loss计算
概述 Github官方地址：GLM-4 网上已经有很多关于微调的文章，介绍各种方式下的使用，这里不会赘述。我个人比较关心的是微调时的loss计算逻辑，这点在很多的文章都不会有相关的描述，因为大多数人都是关心如何使用之类的应用层，而不是其具体的底层逻辑，当然咱也说不清太底层的计算。 可了解其它loss计算的文章： 再聊多轮对话微调训练格式与长序列训练 聊聊ChatGLM2与ChatGLM3微调多轮对
2024.6.12(个人总结)
所学时间：2小时 代码行数：110 博客园数：1篇 所学知识： 在第一周的课程计划中，我着重安排了学习安卓端的开发应用、掌握javaweb框架的应用、以及开始熟悉数据库的增删改查操作。下面是我在这些方面的具体进展： 安卓端的开发应用，学习并掌握了安卓应用的基本结构，包括活动（Activity）、布局（Layout）、资源（Resources）等。编写了一个简单的安卓应用，
从 gff 到 gggenes 绘制基因结构图
gffutils 是一个用来解析 gff 文件的 Python 包，可以十分方便地获取 gff 文件中的相关信息。gggenes 是 ggplot2 的扩展包，用于绘制基因结构图、多物种基因比较图的很好玩的工具。两个工具联用可以实现从 gff 数据获取到基因结构图绘制的全过程。 对 gff 原始数据进行处理 安装 gff2gggenes 建议使用pipx进行安装，也可以使用pip。 GFF 文件
shadow-root(closed)里面的内容操作
生成浏览器插件扩展程序,在启动driver时加载插件 extension_path 插件路径 driver.install_addon(path=extension_path,temporary=True)#添加扩展 fixfox chrome_options.add_extension(extension_path) #Chrome添加扩展#注意 插件文件是一个.zip的压缩包 in
爬虫 | 处理cookie的基本方法——session
很多网页要求登录后，才能查看对应的信息，整个流程是： session会话，理解为可以连续请求，先提交data换来cookie，然后可以带着cookie继续访问。比如此时想访问一个需要登录后才能展示的个人信息页面 https://example.com/profile 其实有两种方法，第一种就是session，第二种则是在网页上登录之后，将cookie放入请求中。 第一种方法：session 第
APP自动化环境搭建与安装（Windows）
一、Appium简介 Appium实现APP自动化测试的脚本开发环境一般包括： appium服务端：appium server GUI appium客户端：appium inspector 手机或者模拟器（OR真机）：夜神模拟器 pycharm：自动化工具 python：自动化开发语言 Android SDK：主要用于adb安装与aapt安装 java：开发基础环境 二、搭建操作步骤1、java安
OMNET++从环境部署到tictoc
OMNET++从环境部署到tictoc 实验目的 本实验在安装Ubuntu 18.04操作系统的虚拟机上，安装OMNET++及其可视化环境，并运行其引导程序tictoc 实验过程 安装依赖 确认已经安装有python3（如果没有，运行sudo apt-get install -y python3），当路径/usr/bin/python3可访问时，运行以下命令： 安装可视化工具QT 下载好.ru
LangChain让LLM带上记忆
最近两年，我们见识了“百模大战”，领略到了大型语言模型（LLM）的风采，但它们也存在一个显著的缺陷：没有记忆。 在对话中，无法记住上下文的 LLM 常常会让用户感到困扰。本文探讨如何利用 LangChain，快速为 LLM 添加记忆能力，提升对话体验。 LangChain 是 LLM 应用开发领域的最大社区和最重要的框架。 1. LLM 固有缺陷，没有记忆 当前的 LLM 非常智能，在理解和生成自
算法金 | 一文彻底理解机器学习 ROC-AUC 指标
大侠幸会，在下全网同名「算法金」 0 基础转 AI 上岸，多个算法赛 Top 「日更万日，让更多人享受智能乐趣」 在机器学习和数据科学的江湖中，评估模型的好坏是非常关键的一环。而 ROC（Receiver Operating Characteristic）曲线和 AUC（Area Under Curve）正是评估分类模型性能的重要工具。 这个知识点在面试中也很频繁的出现。尽管理解这些概念
AlexNet论文解读
前言 作为深度学习的开山之作AlexNet，确实给后来的研究者们很大的启发，使用神经网络来做具体的任务，如分类任务、回归（预测）任务等，尽管AlexNet在今天看来已经有很多神经网络超越了它，但是它依然是重要的。AlexNet的作者Alex Krizhevsky首次在两块GTX 580 GPU上做神经网络，并且在2012年ImageNet竞赛中取得了冠军，这是一件非常有意义的事情，为后来深度学
【办公自动化】Python中的BeautifulSoup
Python中的BeautifulSoup 简介 BeautifulSoup是一个Python库，用于解析HTML和XML文档。它可以将复杂的HTML文档转换为树形结构，使得我们可以轻松地提取所需的信息。BeautifulSoup支持多种解析器，如html.parser、lxml和html5lib等。本文将介绍BeautifulSoup的基本用法和一些常用功能。 安装与使用 首先，我们需要安装Be
基本数据类型 String,null 和 undefined,运算符,流程控制,JavaScript之数组,数组常用的内置方法(部分)
Ⅰ 基本数据类型 String 【一】String类型 String类型 就是字符串类型 【二】定义变量 【1】常规变量 不支持三引号 【2】可以先声明不赋值 【三】字符串的格式化输出语法 【1】书写多行字符串 【2】格式化字符串 书写 ${} 会向前找定义过的变量值 如果找不到会报错 模板字符串除了可以定义多行文本，还可以实现格式化字符串操作 【四】拼接字符串 在j
python栈帧沙箱逃逸
python栈帧沙箱逃逸 一、生成器 生成器（Generator）是 Python 中一种特殊的迭代器，它可以通过简单的函数和表达式来创建。生成器的主要特点是能够逐个产生值，并且在每次生成值后保留当前的状态，以便下次调用时可以继续生成值。这使得生成器非常适合处理大型数据集或需要延迟计算的情况。 在 Python 中，生成器可以通过两种方式创建： 1、生成器函数：定义一个函数，使用 yield 关键
AES128-CMAC
CMAC 目录 简介 CMAC的工作原理 CMAC示例 简介 CMAC(Cipher-based MAC)，基于密码的MAC，是一种基于密码的MAC算法，它基于块密码算法（如AES）和一个密钥来生成认证码。 CMAC是一种对称密钥加密算法,通常与对称密钥算法（如AES）结合使用，以提供消息的完整性和真实性验证 本文主要用于安全算法验证(基于AES)，故有些名词可能不太准确，具体算法可参考
NumPy 简单算术：加减乘除及其他运算
简单算术 你可以直接在 NumPy 数组之间使用算术运算符 + - * /，但本节讨论了一个扩展，其中我们有函数可以接受任何类似数组的对象，如列表、元组等，并根据条件执行算术运算。 条件算术：意味着我们可以定义算术运算应该发生的条件。 所有讨论过的算术函数都接受一个 where 参数，我们可以在其中指定条件。 加法 add() 函数对两个数组的内容求和，并将结果返回到一个新数组中。 示例：将 ar