Python

PostgreSQL源码编译安装指南

一、版本说明 centos 7.9 postgresql 12.2 二、配置系统基本环境 三、源码安装 1. 下载源码 2. 编译安装 四、数据库集簇初始化流程

在Windows电脑上快速运行AI大语言模型-Llama3

概述 近期 Meta 发布了最新的 Llama3 模型,并开源了开源代码。Meta Llama 3 现已推出 8B 和 70B 预训练和指令调整版本,可支持广泛的应用程序。 并且 Llama 3 在语言细微差别、上下文理解和翻译和对话生成等复杂任务方面表现出色。 我们可以在 Windows 上快速运行 Llama3 8B 模型。 📝Notes 郑重声明: 本文几乎没有任何原创内容, 主要资料都来

使用docker compose一键启动多个应用

使用docker compose一键启动多个应用   环境说明 linux系统版本:lsb_release -a     docker 版本: docker -v     不同的操作系统以及软件版本,可能会遇到不一样的问题,一定要注意版本问题。     .1.安装教程,参考官网安装指南。 https://dockerdoc

数据分析中缺失值可视化(missingno模块)

missingno模块讲解 missingno安装 conda install missingno 或者 pip install missingno。 missingno常用API讲解 import missingno as msno 密度图:matrix 生成的密度图中的白线代表缺失值,右下角的数字表示不存在缺失值的列,右侧的数字表示数据总计列数。 条形图:bar 高度表示有值的

2.Harris角点检测

将输入图像转换为灰度图像。 计算图像的梯度,可以使用 Sobel 算子计算水平和垂直方向的梯度。 对图像中的每个像素应用一个高斯加权窗口,以考虑像素周围的局部区域。 计算每个像素的 Harris 矩阵。Harris 矩阵是一个 2x2 的矩阵,包含了局部区域的梯度信息。 计算每个像素的 Harris 响应函数值,即 Harris 矩阵的行列式除以迹的值。这个值衡量了图像中该点是否是角点的可能性

软工1作业笔记 20240420

在Python中,可选参数(也称为默认参数或关键字参数)是在定义函数时可以指定的参数,它们在调用函数时可以省略。如果调用者没有提供这些参数,Python会使用这些参数的默认值。 可选参数有两种形式: 默认值参数:在函数定义中,你可以通过在参数后面指定一个默认值来定义一个可选参数。如果函数调用时没有提供该参数,Python会使用这个默认值。 可变参数:使用*args和**kwargs,它们允

09-权限介绍和后台模板的使用

权限介绍 如何将模型层里面的表加入到admin后台 如何将django后台的这个名字改成中文的 进入模型层 点进去AbstractUser源码里面 ,修改verbose_name_plural成中文名称即可。 如何将app01(即你自己的app名称)改成中文的 增加组 组就是rbac里面的多对多第三张表 增加用户 修改对象在后台的显示效果 simple

GraalVM-云原生时代的JVM(Java)

一、GraalVM是什么? GraalVM是 Oracle 开源的一款通用虚拟机产品,官方称之为 Universal GraalVM,是新一代的通用多语言高性能虚拟机。它可以运行多种编程语言,如Java、JavaScript、Python等,并提供了即时编译(JIT)和AOT编译(AOT)的支持。GraalVM还支持在不同语言之间互相调用,以及嵌入到其他应用程序中使用。这使得GraalVM成为一个

涛思数据 TDengine 征稿— 利用python脚本做TDengine性能测试

【本文正在参与 “拥抱开源 | 涛思数据 TDengine有奖征稿】https://marketing.csdn.net/p/0ada836ca30caa924b9baae0fd33857c 设备上传的数据具有很明显的物联网特点,通常是时序性的,按时间先后顺序上报,而且写入后,几乎不会修改,主要是查询和统计。针对这些特点,时序数据库TDengine 将数据库、消息队列、缓存、流式计算等功能融合一起

利用python收发MQ

一、收发MQ基础 引入stomp包,

模拟在页面点击导入csv

案例背景 组件性能测试过程中,要导入大量自定义的数据。 案例分析 本案例中采用python的pandas库,模拟了生成导入csv文件,模拟在页面点击导入csv,使文件导入更高效。 实现方案 1****、在前端页面解析内部接口参数 典型的导入流程至少包含上传文件和确认上传。 上传文件 在浏览器中打开F12,进入Network,点击文件上传并选择填好的文件,可以采集到请求过程中的参数如

短视频源码,高效异常处理让您的代码更完美

在编写Python代码的过程中,我们常常会遇到各种错误和异常。学会有效地处理这些异常,可以让短视频源码更加健壮、稳定。本文将带您深入了解Python异常处理的艺术,让您的短视频源码更加完美! 一. 异常简介 异常是在短视频源码执行过程中发生的事件,通常表示代码中存在错误或异常情况。Python提供了一套异常处理机制,帮助我们捕获和处理程序中的异常。 二. 常见异常类型 Pytho

【备忘录】python中使用imageio插件和pillow插件生成favicon图标、ico文件,使用pyinstaller插件创建exe可执行文件

一、使用imageio插件和pillow插件生成favicon.ico 二、使用pyinstaller插件创建exe可执行文件     一、使用imageio插件和pillow插件生成favicon.ico python3.12.3环境下安装imageio插件、pillow插件: pip install imageio pillow   编辑python脚本: impo

datawhale-动手学图深度学习task03

动手学图深度学习 声明:本文是在笔者的Pytorch tutorial及深度学习入门(鱼书)笔记的基础上继续学习记录,故有些内容略过。 第三章:深度学习基础 神经网络及其基本组成的补充 欠拟合: 训练误差和验证误差都很严重,而且他们间仅有一点差距,如果模型不能降低训练误差,这可能是因为模型过于简单(即表达能力不足),无法捕获试图学习的模式。 权值衰减补充: L2正则化线性模型构成经典的岭

tensorflow的各种坑 tensorflow1.x 与 tensorflow2.x

2.x中的几个重大变化 tf.contrib 被完全弃用 但 import tensorflow.contrib.slim as slim 在很多之前版本使用,如果在2.x也这样用,会报错 ModuleNotFoundError: No module named 'tensorflow.contrib 解决方案: Tf-slim 有一个独立于 tensorflow 的镜像可以以 tf.compat

CS100 学习笔记 - C语言部分

CS100 学习笔记 - C语言部分 记录一些规范和自己不知道的特性。 Lesson 1 main 函数 main 的“调用者”是谁?——程序的调用者/“宿主环境” (hosted environment) C语言有以下三种 main 函数定义。 为什么推荐以 void 为参数呢?可以看一下课件后的notes。 在 C23 以前,一个函数的参数列表如果是空的,它表示“接受未知的参数”,而非不接

利用MLIR实现矩阵乘法的高性能GPU码生成:一些早期结果

利用MLIR实现矩阵乘法的高性能GPU码生成:一些早期结果 介绍了使用MLIR编译器基础设施在NVIDIA GPU上针对张量核生成代码的一些早期结果。当今高性能深度学习的最先进技术主要是由高度调优的库驱动的。这些库通常是由专业程序员手工优化与调优的,他们使用低级抽象,付出了巨大的努力。对于类似的硬件与未来的硬件,可能需要重复很多这样的工作。因此,这个过程不像LLVM这样的编译器基础结构那样是模块化

CV for Kunyi Liu

Curriculum Vitae Personal Information Name:Kunyi Liu                      Gender:Male Date of Birth:2001/01/07             Email:kunyi.liu23@imperial.ac.uk Work and Education Experience S

Rabbit加密算法:性能与安全的完美结合

title: Rabbit加密算法:性能与安全的完美结合 date: 2024/4/19 19:51:30 updated: 2024/4/19 19:51:30 tags: Rabbit加密 对称加密 流密码 密钥调度 安全分析 实际应用 加密算法 第一章:引言 1. 加密算法的基本概念和应用 加密算法是一种通过对数据进行转换或处理,以使其在未经授权的情况下无法被理解或解读的技术。加密

GDExtension的C++示例

GDExtension的C++示例 本文按照官方文档,进行c++的GDExtension​插件开发,主要进行文档进行复刻,同时对文档中未涉及步骤进行补充 什么是GDExtension 除了GDScript​和C#​这两种脚本语言外,Godot​引擎可以执行其他编程语言编写的代码。目前有两种方式实现:C++模块与GDExtension 简单的对这两种方式进行对比: 支持的语言 是否需要和引擎

【开源】使用Python+Flask+Mysql快速开发一个用户增删改查系统

项目演示 项目本身很简单,增删改查是几乎所有系统的骨架。正所谓万丈高楼平地起,学会了增删改查,航母就指日可待了:),光速入门,直接看演示图: 项目地址 https://github.com/mudfish/python-flask-user-crud Flask框架介绍 说白了就是一个Web框架,能够让你快速开发出Python web应用。简单易用,大家直接看官网就行: https://flas

3.30 月赛

链接:https://ac.nowcoder.com/acm/contest/34980/ A. 思维? 比较简单,可以发现在三位以外,五位以内就可以凑出来17,那么当 n >= 4 是一定 yes 的,超出的位数只可能是 偶数 或者 奇数,只要使得计算 17 所用的位数分别为 偶数个 和 奇数个 就可以了,剩下的 两两相减得到 1, 再相乘就行。   B. 高精度, dp 用py

OpenCompass-书生浦语大模型实战营第二期第7节作业

书生浦语大模型实战营第二期第7节作业 这一节的作业和第6节作业一样没有特别多好说的,以运行结果为主。 基础作业 使用 OpenCompass 评测 internlm2-chat-1_8b 模型在 C-Eval 数据集上的性能 进阶作业 将自定义数据集提交至OpenCompass官网 见https://hub.opencompass.org.cn/dataset-detail/hpbt

谷歌浏览器定时刷新

安装依赖库 打开谷歌浏览器,搜索框输入如下,查看版本 下载驱动 解压后,将驱动放到python安装目录Scripts文件夹下 测试代码

Qdrant用法;Qdrant在langchain里的用法

基础用法这里不再赘述了。直接参照官网。想看看一些概率可以参考下面两个网站:1. https://m.elecfans.com/article/2078558.html2. https://blog.csdn.net/cxs812760493/article/details/135346390 下面说一些在 langchain 可能遇到的问题: 1. 先确定自己 Col

古典密码之棋盘密码(ADFGVX,ADFGX,Polybius)

引言 棋盘密码只加密字母,不区分大小写(ADFGVX棋盘还可加密数字),若输入其它字符则原样保留。 若输入多行(段落),每行是单独加密的。 Polybius/ADFGX棋盘由于I/J在同一格,解密后需人工确认I和J。 ADFGX/ADFGVX棋盘原则上需要密钥二次加密,但可留空不使用密钥。若使用,则必须符合棋盘密码严格定义,即: Polybius/ADFGX明文只能是连续字母。 ADFGVX明

Anagrams(字谜)

描述 Most crossword puzzle(猜字谜) fans are used to anagrams(字谜)--groups of words with the same letters in different orders--for example OPTS, SPOT, STOP, POTS and POST. Some words however do not have this

<<  <  246  247  248  249  250  251  252  253  254  255  256  >  >>