Python
用python实现四则运算的生成与判定
小组成员：2252316，2252326 点击查看代码 通过随机函数生成随机运算符以及随机的数字，其中对于除法的处理花了一些功夫，因为想要结果为整数，所以我采用倒推的方法，比如a/b/c，那么就先随机生成c，然后用c一个随机数得到b，再一个随机数得到a，这样的办法来实现，另外一点是由于python3中固定完成除法会保留浮点型，所以采用强制转换成整型的方式来判断，这次尝试中我出现了很多记忆
推荐一个计算Grad-CAM的Python库
前言 类激活图CAM(class activation mapping)用于可视化深度学习模型的感兴趣区域，增加了神经网络的可解释性。现在常用Grad-CAM可视化，Grad-CAM基于梯度计算激活图，对比传统的CAM更加灵活，且不需要修改模型结构。 虽然计算grad-cam并不复杂，但是本着能导包就导包的原则，想着去用现成的库。 官方文档，开源仓库 简单试用 加载模型和预训练权重 这里使用
pandas读取sql文件出现：告警UserWarning: pandas only supports SQLAlchemy connectable
错误原因：导入sql的方式更新了 解决方法： import pandas as pd from sqlalchemy import create_engine MYSQL_HOST = 'localhost' MYSQL_PORT = '3306' MYSQL_USER = 'root' MYSQL_PASSWORD = '123456' MYSQL_DB = 'cldk_data' engi
Effective Python：第7条 尽量用enumerate取代range
Python有个内置的函数，叫作enumerate。enumerate能够把任何一种迭代器（iterator）封装成惰性生成器（lazy generator）。这样的话，每次循环的时候，它只需要从iterator里面获取下一个值就行了，同时还会给出本轮循环的序号，即生成器每次产生的一对输出值。下面通过内置的next函数手动推进enumerate所返回的这个iterator，给大家演示enumera
特征融合与特征交互的区别
特征融合与特征交互的区别 目录特征融合与特征交互的区别前言三者关系三者定义特性融合(Feature Fusion):特征拼接(Feature Concatenation):特征交互(Feature Interaction):特征融合和特征交互关键的不同点数据处理目的应用简单总结 前言 遥感系列第14篇。遥感图像处理方向的学习者可以参考或者复刻 本文初编辑于2024年4月18日 CSDN：htt
10 个优化技巧，减少 Docker 镜像大小【转】
什么是 docker？ Docker 是一种容器引擎，可以在容器内运行一段代码。Docker 镜像是在任何地方运行您的应用程序而无需担心应用程序依赖性的方式。 要构建镜像，docker 使用一个名为 Dockerfile 的文件。Dockerfile 是一个包含许多指令（RUN、COPY、EXPOSE 等）的文件。成功执行这些命令后，docker 将创建一个镜像供我们在任何地方使用。 为什么要减小
使用 Dockerfile 定制镜像【转】
前言 大家好，本文是对 Docker 自定义镜像的详细讲解，讲解了如何进行构建自己的 Docker 镜像以及 Dockerfile 的操作指令。希望对大家有所帮助~ 一、使用 Dockerfile 定制镜像 1.1、Dockerfile 定制镜像 镜像的定制实际上就是定制每一层所添加的配置、文件。如果我们可以把每一层修改、安装、构建、操作的命令都写入一个脚本，用这个脚本来构建、定制镜像，无法重复的
开源Python几何约束求解器GeoSolver
GeoSolver 是一个用于几何约束求解的 Python 包。 几何约束问题（GCP）是几何变量上/之间的一组几何约束。问题是找到几何变量的配置以满足所有约束。几何变量是位置、方向、形状、大小等未知的对象。GCP 中的变量可以是点、线、平面、球体、圆柱体和更复杂的形状。几何约束是诸如对象之间的距离（例如一对点之间或点与平面之间）、对象之间的角度（例如两个平面之间的角度）、曲线和曲面的相切、正交性
ROS2笔记3--话题通讯
一、话题（Topic）通讯简介 话题通讯是ROS2使用频率最高的一种通信方式，有发布者发布指定话题的数据，订阅者只要订阅了该话题的数据，就可以接收到数据。话题通讯是基于发布/订阅模型，话题数据传输的特性是从一个节点到另一个节点，发送数据的对象称为发布者，接收数据的对象称为订阅者，每个话题都需要一个名字，传输的数据也需要有固定的数据类型。 二、话题案例 2.1、新建功能包 cd ~/ros_ws
MATLAB偏最小二乘回归（PLSR）和主成分回归（PCR）分析光谱数据
全文链接：http://tecdat.cn/?p=2655 最近我们被客户要求撰写关于偏最小二乘回归（PLSR）和主成分回归（PCR）的研究报告，包括一些图形和统计输出。 此示例显示如何在matlab中应用偏最小二乘回归（PLSR）和主成分回归（PCR），并讨论这两种方法的有效性 当存在大量预测变量时，PLSR和PCR都是对因变量建模的方法，并且这些预测变量高度相关或甚至共线性。两种方法都将新的预
matlab预测ARMA-GARCH 条件均值和方差模型
全文链接：http://tecdat.cn/?p=2841 此示例显示MATLAB如何从条件均值和方差模型预测。 相关视频：时间序列分析：ARIMA GARCH模型分析股票价格数据 ** 拓端 时间序列分析模型 ARIMA-ARCH GARCH模型分析股票价格数据 步骤1加载数据并拟合模型 加载工具箱附带的纳斯达克数据。将条件均值和方差模型拟合到数据中。 n
LangChain+Qwen1.5MoE国内开源大模型调用知识库QuickStart
在这个快速入门教程中，我们将指导您如何： 安装并配置LangChain、LangSmith和LangServe。 使用LangChain中最基础且常用的组件：提示模板、模型和输出解析器。 应用LangChain表达式语言（LangChain Expression Language），这是构建LangChain的基础协议，用于实现组件链式调用。 利用LangChain构建一个简易应用程序。 利用L
linux 将程序终端输出保存到文件中且保留终端输出
将 程序运行的 标准输出 和 错误输出 保存到 log.txt 中，且保留终端输出。 如果需要追加 2 为 错误输出 1 为终端标准输出 0 为输入 > 为重定向 。
实战：blockqueue+kafka+activemq+websocket+elasticsearch+postgresql
实战：blockqueue+kafka+activemq+websocket+elasticsearch+postgresql 1、使用场景： 第三方数据: 接入方式：http:接口，中间件，数据库，python blockqueue:负责接收第三方数据，推送到kafka kafka:负责存储数据，数据分发清洗，将数据分发至postgresql数据库 activemq:负责存储接收消息 webso
关于Optional类的个人想法
很长一段时间没写文档了，近期有写关于Optional类 写这个类的原因是，算法部的同事搞python的来用Java，然后做的jar包用了这个判空之类的， 目前后端没啥人用 我实际用过以后感觉还是很多地方并没有简洁很多 比如我想为null直接return null结束方法，也要写条件判断 如果写条件判断，那用这个类有什么意义呢 这个类比较适合为null抛异常，或者做其他事情，可以在一行解决 个人是不
云原生之在kubernetes集群下部署mysql应用
一、Mysql介绍 数据库（Database）是按照数据结构来组织、存储和管理数据的仓库。MySQL是一种开源的关系型数据库管理系统，可将数据保存在不同的表中，而不是将所有数据放在一个大的仓库内，从而加快了访问速度并提高了灵活性。MySQL 使用了标准的 SQL 语言形式。支持大型的数据库，可以处理拥有上千万条记录的大型数据库。MySQL 还可用于多种系统中，且支持多种语言。 二、kubern
异常处理、接口文档、 jwt介绍、
【异常处理 详见excel的异常处理的源码总结】 （异常处理函数） 。 。 。 。 。 【接口文档的介绍】 - 2 在总路由里配置 from rest_framework.documentation import include_docs_urls path('docs/', include_docs_urls(title='xx项目接口文
[01] JS-概述
1. JavaScript JavaScript 与 ECMAScript 的关系： ECMAScript（简称“ES”）是根据 ECMA-262 标准实现的通用脚本语言，ECMA-262 标准主要规定了这门语言的语法、类型、语句、关键字、保留字、操作符、对象等几个部分，目前 ECMAScript 的最新版是 ECMAScript6（简称“ES6”）。 至于 JavaScript，有时人们会将 J
Blender自带的Python环境中安装Pandas模块
要在Blender自带的Python环境中安装Pandas模块，你可以按照以下步骤操作： 找到Blender的Python可执行程序位置：在Windows系统中，默认路径可能是类似于C:Program FilesBlender FoundationBlender 3.13.1pythonbinpython.exe的路径，其中3.1是Blender的版本号，具体路径会随着Blender版本的不同
Python虚拟环境的创建和管理
1.使用venv 在项目目录中，打开终端，运行以下命令来创建一个新的虚拟环境 其中 .venv 是环境名称 python -m venv .venv 使用下面命令，激活环境 2.
excel 无法正确处理 1900-03-01 前的日期
excel 无法正确处理 1900-03-01 前的日期 问题由来：excel 用公式 =TEXT(A1,"yyyy-mm-dd") 转日期时，当A1 的值等于59 的时候，返回值是1900-02-28；当A1 的值等于61 的时候，返回值是1900-03-01；那么当 A1的值为 60 的时候，返回值是多少？根据给出的信息，当A1的值为59时，返回值是1900-02-28，而当A1的
Python-自动化秘籍（四）
Python 自动化秘籍（四） 原文：zh.annas-archive.org/md5/de38d8b70825b858336fa5194110e245 译者：飞龙 协议：CC BY-NC-SA 4.0 第七章：开发令人惊叹的图表 本章将涵盖以下示例： 绘制简单的销售图表 绘制堆叠条形图 绘制饼图 显示多条线。 绘制散点图 可视化地图 添加图例和注释 组合图表
Python-自动化秘籍（五）
Python 自动化秘籍（五） 原文：zh.annas-archive.org/md5/de38d8b70825b858336fa5194110e245 译者：飞龙 协议：CC BY-NC-SA 4.0 第九章：为什么不自动化您的营销活动呢？ 在本章中，我们将介绍与营销活动相关的以下配方： 检测机会 创建个性化优惠券代码 通过用户的首选渠道向客户发送通知 准备销售信息 生成
Python-统计和微积分研讨会（二）
Python 统计和微积分研讨会（二） 原文：zh.annas-archive.org/md5/6cbaed7d834977b8ea96cc7aa6d8a083 译者：飞龙 协议：CC BY-NC-SA 4.0 第三章：Python 的统计工具箱 概述 在上一章中，我们了解了 Python 中三个主要的库，这些库帮助我们在统计学/机器学习项目中执行各种任务。而本章则开始了统计学及其相关概念的正
Python-统计和微积分研讨会（七）
Python 统计和微积分研讨会（七） 原文：zh.annas-archive.org/md5/6cbaed7d834977b8ea96cc7aa6d8a083 译者：飞龙 协议：CC BY-NC-SA 4.0 附录 1. Python 基础 活动 1.01：构建数独求解器 解决方案 首先，我们定义Solver类，将其输入谜题存储在其cells属性中，如下所示： 以漂亮的格式打印出谜题
Python-统计和微积分研讨会（六）
Python 统计和微积分研讨会（六） 原文：zh.annas-archive.org/md5/6cbaed7d834977b8ea96cc7aa6d8a083 译者：飞龙 协议：CC BY-NC-SA 4.0 第十一章：11.使用 Python 进行更多微积分 概述 在本章中，您将学习如何根据其方程计算曲线的长度。您将学习如何在三维空间中使用偏导数来计算表面积。跟随中世纪的数学家的脚步，您将