Python
3-2中阶API示范
下面的范例使用Pytorch的低阶API实现线性回归和DNN二分类 Pytorch的中阶API主要包括各种模型层，损失函数，优化器，数据管道等。 1.线性回归模型 2.DNN二分类模型
tryhackme-tomghost(汤姆幽灵)
通过题目分析这应该是一个tomcat服务的一个CVE漏洞 信息收集 首先进行端口扫描 访问8080端口web服务 尝试使用访问manager登录tomcat后台上传shell.war文件获得shell,但是并没有弹出httpd认证窗口 在网上搜索安全博客，参考tomcat渗透总结时，发现最后的GhostCat漏洞，与该题目的名称类似，是任意文件读取和代码执行漏洞。 参考链接:https:/
PythonGUI实现文本转换、复制、顶置窗口等功能
需求描述： 实现对文本的处理，比如输入123输出 ('123') 窗口顶置、取消顶置功能 一键清空文本内容、一键复制到剪切板 基于PYQT5 优点：使用灵活,组件调整简单，上手难度低; 缺点: 打包成exe文件占用大，启动慢; 源码 效果图 基于tkinter 优点：上手难度较高，界面有点古老，组件微调困难; 缺点: Python自带库，启动资源小，效率高; 源码 效果图: 后续可优化
MATLAB数据挖掘用改进的K-Means(K-均值)聚类算法分析高校学生的期末考试成绩数据
全文链接：http://tecdat.cn/?p=30832 原文出处：拓端数据部落公众号 本文首先阐明了聚类算法的基本概念，介绍了几种比较典型的聚类算法，然后重点阐述了K-均值算法的基本思想，对K-均值算法的优缺点做了分析，回顾了对K-均值改进方法的文献，最后在Matlab中应用了改进的K-均值算法对数据进行了分析。 常用的聚类算法 常用的聚类算法有：K-MEANS、K-MEDOIDS、BIRC
OS模块和shutil模块的对文件操作
OS模块的对文件操作 os新建和删除 mknod remove mkdir rmdir rename makerdirs removedirs sep linesep shutil模块的对文件操作 copyfileobj copyfile copymode copystat copy copy2 copytree rmtree move
python turtle相关
一、简介 二、内容 三、问题 一、简介 最近需要考计算机二级python，然后里面出现了平时基本没用到的turtle, 在这里做一下复习总结。 turtle, 是 Python 中用来绘图的标准库，它总体上讲，就是控制一只乌龟在纸上画画， 控制它的朝向，笔粗细，填充。 二、内容 以下，按书上归类进行描述。 三大类分别是： 窗体函数，画笔
day56 动态规划part13 代码随想录算法训练营 674. 最长连续递增序列
题目：674. 最长连续递增序列 我的感悟： 网速快是不一样！！ 这个题别看简单，写不出递推公式也白搭 理解难点： 递推公式，是只跟昨天的比，如果没有，就重新计算！ 听课笔记： 跟上道题的区别，联动去思考，这样对这里问题的理解更深入。 我的代码： class Solution: def findLengthOfLCIS(self, nums: List[int]) ->
百度&高德地图小区景点边界轮廓实现（转载）
经常的我们在使用地图功能时，会发现在选择一个小区或者一个热门景点的时候，地图上面会给出其边界轮廓，能够方便我们知道其范围大小，有时候在我们使用地图组件的时候，也会面临着类似的需求。比如在地图上面标识出一个商场范围内的热力图，一个热门景点的游览情况等。那么，我们该如何利用地图功能来实现这类效果呢，今天我们一起来探讨一下。 最近我们就有一个需求，需要标识出一些热门场所的人流的热力图情况，同时需要
Windows环境下Pytorch项目搭建在Docker中运行
Windows环境下Pytorch项目搭建在Docker中运行 1. 安装windows版本的Docker 网上已有诸多博客教程，这里就不再赘述。 2. 搭建本地Pytorch环境 搭建本地Pytorch环境的方式我使用了两种方式，推荐使用第一种。 第一种： （1）在docker hub中（https://hub.docker.com），找到自己版本的pytorch版本，我这里
分组聚合不再难：Pandas groupby使用指南
处理大量数据时，经常需要对数据进行分组和汇总，groupby为我们提供了一种简洁、高效的方式来实现这些操作，从而简化了数据分析的流程。 1. 分组聚合是什么 分组是指根据一个或多个列的值将数据分成多个组，每个组包含具有相同键值（这里的键值即用来分组的列值）的数据行。 聚合或者汇总则是指，在分组后，可以对每个组应用聚合函数（如求和、平均值、计数等），从而得到每个组的汇总信息。 2. 准备数据 下面的
python-jose，一个好用的 Python 库！
python-jose介绍： 在做接口测试或者接口自动化测试中，身份验证和授权是很重要的一部分。JSON Web Token（JWT）是一种流行的身份验证和授权解决方案，它能够安全地在网络中传输信息。python-jose 库是Python中处理JWT的强大工具，提供了丰富的功能和灵活的接口，能够轻松地处理JWT的生成、验证和解析。深入学习下 python-jose 库的使用方法、功能特性以及
记一次部署vika源码以及安装Falsk框架到linux服务器
前言接受到需求，需要把python项目vika的源码修改部分内容后，部署到服务器，然后再安装一个python的快速开发框架Falsk。 部署vika1.什么是vika？Vika Python SDK 是对维格表 Fusion API 的官方封装，提供类似 Django ORM 风格的 API。2.下载源码前往源码地址(https://github.com/vikadata/vika.p
python-Grequests，一个好用的 requests库的异步版本！
Grequests是什么？ grequests是一个Python库，它是requests库的异步版本。它允许你同时发送多个HTTP请求，而不必等待每个请求依次响应。可以在等待服务器响应的同时执行其他任务，从而节省时间并提高效率。 安装Grequests pip install grequests 使用示例一：批量获取网页 假如有一个网站列表，想快速检查它们是否都能正常访问。使用grequ
动手学强化学习（八）：DQN 改进算法
第 8 章 DQN 改进算法 8.1 简介 DQN 算法敲开了深度强化学习的大门，但是作为先驱性的工作，其本身存在着一些问题以及一些可以改进的地方。于是，在 DQN 之后，学术界涌现出了非常多的改进算法。本章将介绍其中两个非常著名的算法：Double DQN 和 Dueling DQN，这两个算法的实现非常简单，只需要在 DQN 的基础上稍加修改，它们能在一定程度上改善 DQN 的效果。如果读者想
Flask蓝图的使用
蓝图使用步骤 1 蓝图类实例化得到一个对象 app中的init文件书写： 2 在视图函数上，使用蓝图注册路由 在app下的views文件书写： 3 在app中注册蓝图 settings配置文件 manage.py文件书写
day56 动态规划part13 代码随想录算法训练营 718. 最长重复子数组
题目：718. 最长重复子数组 我的感悟： 有难度，不好想。 理解难点： 二维DP，记住那个图： =============== 听课笔记： 我的代码： class Solution: def findLength(self, nums1: List[int], nums2: List[int]) -> int: # 初始化 # 假设内层是
day 05-3 数据类型（字符串）
3.3 公共功能 1.字符串相加 2.字符串相乘 3.计算字符串的长度 4.获取字符串的字符，索引 字符串 今 天 是 个 好 天 气 正序 0 1 2 3 4 5 6 倒序 -7 -6 -5 -4 -3 -2 -1 补充注意：字符中是能通过索引取值，但是无法修改值（字符串在内部存储时不允许对内部元素修改，想修改只能重新创建。） 5.获取字符串中的子序列，切片
Mac终端安装Jupyter Notebook，配置环境变量及其相关知识（环境变量相关操作、编辑器、zsh和bash）
目录1. Mac终端安装Jupyter Notebook1.1 先更新一下pip，然后安装Jupyter Notebook1.2 配置环境变量1.2.1 找到Jupyter的安装位置1.2.2 环境变量加到.zshrc2. 相关知识2.1 环境变量2.2 编辑文件2.3 zsh和bash2.4 .zshrc(.bashrc)文件和.zprofile(.bash_profile)文件的区别 1. M
实战解析：打造风控特征变量平台，赋能数据驱动决策
金融业务产品授信准入、交易营销等环节存在广泛的风控诉求，随着业务种类增多，传统的专家规则、评分卡模型难以应付日趋复杂的风控场景。 在传统风控以专家规则系统为主流应用的语境下，规则模型的入参习惯被称为“变量”。基于专家规则的风险评估，存在规则触发阈值难量化的特点，规则命中精准度提升存在瓶颈。 随着机器学习及神经网络算法的技术落地，更多开始采用“特征”来代指供给算法模型的入参。具体来说，“特征”在其产
网页浏览器Chrome开发者调试工具-Performance(性能)
前言全局说明 网页浏览器Chrome开发者调试工具-Performance(性能) 一、网页浏览器Chrome开发者调试工具-Performance(性能) 用于记录和分析页面在运行时的所有活动，比如CPU占用情况、呈现页面的性能分析 二、关闭标签页 在标签页上右键，可以选择移除或移动到快速视图栏 免责声明：本号所涉及内容仅供安全研究与教学使用，如出现其他风险，后果自负。 参考
Python之拼音拆分
经常会需要用到将zhangwei转化为ZhangWei、Zw、Zhangw之类的，就涉及到一个拼音拆分算法，这里写了一个demo分享给大家 我的思路是先将声母转换为大写，然后就可以根据大写字母来分割单个拼音 学的拼音早忘差不多了，百度了一下，声母有bpmfdtnlgkhjqxrzczyw 转化代码 然后发现有个问题，韵母中也包含了声母的元素，zhangwei就会变成ZHaNGWei 发现两个问题
网页浏览器Chrome开发者调试工具-Memory(内存)
前言全局说明 网页浏览器Chrome开发者调试工具-Memory(内存) 一、网页浏览器Chrome开发者调试工具-Memory(内存) 内存面板,用于记录和分析页面占用内存的情况,如查看内存占用变化,查看 JavaScript对象和HTML节点的内存分配。 二、关闭标签页 在标签页上右键，可以选择移除或移动到快速视图栏 免责声明：本号所涉及内容仅供安全研究与教学使用，如出现其他风险