Python

python面向对象(Object Oriented Program)

面向对象(Object Oriented Program) 在Python中,所有的数据(包括数字和字符串)实际都是对象,同一类型的对象都有相同的类型。 我们可以使用type()函数来获取关于对象的类型信息。 什么是类,什么是对象? 在Python中,使用类来定义同一种类型的对象。 类(class)是广义的数据类型,能够定义复杂数据的特性,包括静态特性(即数据抽象)和动态特性(即行为抽象,

异常(异常是python对象) 和 自定义异常类

Python提供了异常和断言来处理程序在运行过程中出现的异常和错误 什么是异常? 分清楚程序发生异常和程序执行错误,它们完全是两码事, 程序由于错误导致的运行异常,是需要程序员想办法解决的; 但还有一些异常,是程序正常运行的结果,比如用 raise 手动引发的异常。 异常是在程序执行过程中发生的影响程序正常执行的一个事件。 当Python检测到一个错误时,解释器就会指出当前流已无法继续执行下去,这

python一些技巧

1. 一个for循环的一个非常好用的例子 示例如下: 2. Python中变量名后面加冒号, 函数后面加箭头 函数声明中,text:str text 是参数 : 冒号后面 str是参数的注释。 如果参数有默认值,还要给注释max_len:'int>0'=80 ->str 是函数返回值的注释。 这些注释信息都是函数的元信息,保存在f.__annotations__字典中 需要注意,

python中 as 的三种用法

python中 as 的三种用法 with ... as import ... as 导入模块起别名 在异常处理中 将 Exception 捕获的异常赋值给 一个变量 Reference 参考这个网址

python中的各种下划线

----------------------------核心风格:避免用下划线作为变量名的开始。--------------- 单下划线 开始的成员变量叫做保护变量,意思是只有类对象和子类对象自己能访问到这些变量; 但这只是一个约定,就像是道德约束,并没有法律效力 双下划线开始的是私有成员,意思是只有类对象自己能访问,连子类对象也不能访问到这个数据。 以单下划线开头_xxx的代表不能直接访问的

python取反操作符的解释

今天看做词云的代码看到这样一句 刚开始看不懂这个 "~",就去百度了一下,记录下来 (1)在计算机里面,负数是以补码存储的 (2)原码求补码:取反,+1 (3)补码求原码:取反,+1 (4)取反操作是在原码上进行的! 实际的计算结果: ~4 = -5, ~-5 = 4 依据上述第四条,我们的解释思路是,确定原码===> 取反 (1) 求~4, 我们用八进制来表示4: 4的原码: 0000

Selenium自动化爬取网页数据——Python实现

Selenium是一个用于Web应用程序测试的工具。Selenium测试直接运行在浏览器中,就像真正的用户在操作一样。支持的浏览器包括IE,Mozilla Firefox,Safari,Google Chrome,Opera,Edge等。这个工具的主要功能包括:测试与浏览器的兼容性——测试应用程序看是否能够很好得工作在不同浏览器和操作系统之上。测试系统功能——创建回归测试检验软件功能和用户需求。支

python调用webservice接口

最近工作中需要调用webservice接口,经过一番资料查询后,整理出下面几个测试方法 SOAP UI 查看wsdl文件 两个测试网站: QQ 在线状态查询接口:http://ws.webxml.com.cn/webservices/qqOnlineWebService.asmx?wsdl 参数:QQ 号码 返回:Y、N、E(Y 代表在线、N 代表离线、E 代码参数有误!) 天气预报

Centos 上python3 pip3安装报错:WARNING: pip is configured with locations that require TLS/SSL, however the ssl module in Python is not available.

pip3安装报错:WARNING: pip is configured with locations that require TLS/SSL, however the ssl module in Python is not available. 在网上查一下原因是openssl版本不兼容导致,centos默认带的openssl版本太低,要升级openssl版本。 openssl &nb

《手动学习深度学习》3.2和3.3的代码对比

3.2 线性回归的从零开始 这是我的第一个代码,也算是属于自己的hello world了,特此纪念,希望继续努力。 代码中引入了3.1中的计时模块,用来对比训练时间。 3.3 线性回归的简单实现 这段代码敲的时候有几个有趣的发现: 手动写的梯度下降函数里面,有自动的梯度清零和参数更新,但是torch实现的SGD应该是没有的,所以才需要使用trainer.zero_grad()和trainer.

杂七杂八wp(NewStar_Week1和BeginCTF2024的部分pwn)

碎碎念 咱就一纯小白,以为带了Begin这一单词的CTF能对我仁慈一点,结果吧,太喜欢了,被狠狠拷打,从头自闭到尾,属于是从这次比赛又狠狠学习到不少知识了 废话不多说,上正文嘞 BeginCTF One_byte checksec 嗯,基本啥都开了,喜欢捏。但是尊贵的CTFer,该“源审,启动!”了 可以看到两个read,一个是从buf里读取1字节"flag"(千万不要跟我一样傻到以为是灌输据

log.txt

运行 Anaconda3 安装脚本 一系列 conda config 命令:配置 Conda 的镜像源,使用清华大学镜像站 一系列关于创建和配置名为 Pytorch-cu121-1、Pytorch-cu118-1 的 Conda 环境,安装相关库的命令 一系列关于安装 JupyterLab、ipykernel、ipywidgets 等库,并在 Jupyter 中配置环境的命令 一系列关于使

Matplotlib调整图例中图形的大小

一、问题描述 在使用matplotlib画图的时候需要对图例中的图形进行放大缩写的操作,避免图例太小。问题如下: 二、解决方法 由于不同的对象解决方法有差异,这里对散点图和柱形图进行讨论。 2.1 散点图 散点类型的图像可以使用下面的代码进行图形大小的调整。 2.2 矩形图 矩形类型的图像可以使用以下的方法进行调整。 三、结果图

Python学习笔记03

函数 语法: def 函数名(传入参数): 函数体 return 返回值 注意: 传入参数不需要的时候可以省略 返回值不需要的时候可以省略 函数必须先定义后使用 函数 == 方法 ,在面向对象的时候统一叫方法 函数的好处 将功能封装在函数内,可随时随地的重复利用 提高代码的复用性,减少重复代码,提高开发效率 函数的参数:在函数进行计算的时候,接受外部提供的数据,传入的参数不受数量限制

2024-03-02:用go语言,一个句子是由一些单词与它们之间的单个空格组成, 且句子的开头和结尾没有多余空格, 比方说,“Hello World“ ,“HELLO“ ,“hello world h

2024-03-02:用go语言,一个句子是由一些单词与它们之间的单个空格组成, 且句子的开头和结尾没有多余空格, 比方说,"Hello World" ,"HELLO" ,"hello world hello world" 都是句子, 每个单词都 只 包含大写和小写英文字母, 如果两个句子 sentence1 和 sentence2, 可以通过往其中一个句子插入一个任意的句子(可以是空句子)而得到

算法工程师面试常考手撕题(一)—— AI深度学习算法

手撕 numpy写线性回归的随机梯度下降(stochastic gradient descent,SGD)   在每次更新时用1个样本,可以看到多了随机两个字,随机也就是说我们用样本中的一个例子来近似我所有的样本,来调整θ,因而随机梯度下降是会带来一定的问题,因为计算得到的并不是准确的一个梯度,对于最优化问题,凸问题,虽然不是每次迭代得到的损失函数都向着全局最优方向, 但是大的整体的方向是向全局最

第十一届蓝桥杯试题E:排序

目录题目分析验证代码 题目 对一个字符串,对它进行冒泡排序使其为升序,例如:对于lan,排序成 aln 需要交换一次(只能交换相邻的两个字母),对于qiao,排序成 aioq 就需要交换4次。请找出冒泡排序时恰好需要交换100次的字符串,如果有多个字符串满足条件,则找出最短的那个,如果有多个满足条件而且还是最短的,则找出字典序最小的那个。 分析 举几个例子看看情况,cba可以发现c需要移动

函数补充

函数的嵌套 在Python中,函数可以互相嵌套,即在一个函数内部定义另一个函数。包裹在外层的叫做外函数, 内层的就是内函数。 注意: 内部函数不能直接在函数外部调用。 调用外部函数后,内部函数也不能在函数外部调用。 内部函数可以在函数内部调用,但需要先定义再调用。 在其他语言中有预加载的机制,提前把函数驻留到内存中,然后再去编译脚本内容,但Python没有预加载函数的机制,只能先定义再调用。

unlink学习笔记

unlink学习笔记 一、什么是unlink 首先不妨假设有三个free掉的chunk分别称为first_chunk、second_chunk、third_chunk unlink其实是想把second_chunk摘掉,那怎么摘呢? second_fd = first_prev_addr second_bk = third_prev_addr first_bk = third_prev_addr

Lab1:Xv6 and Unix utilities

Sleep功能 通过接受时间参数,调用system_call 指令 sleep实现该功能 本地检测 课程环境为我们提供了本地的检测,需要注意的是要修改python的位置 方法 pingpong 本题的要求是父进程和子进程之间的数据传输 这道题实际上就是pipe和fork的应用。通过创建两个数组分别用于接受父进程到子进程,子进程到父进程的文件描述符。然后通过write和read来控制管道传输

model merge

1 introduction depository: https://github.com/arcee-ai/mergekit merge two models as one model which need the two models have the same structure, tokenizer. 2 merge llama model mergekit-yaml examples/l

selenium-grid分布式测试环境

1.什么时候使用grid 针对不同的操作系统、浏览器类型、浏览器版本 并发执行用例,缩短用例执行时间(单台电脑性能不足) grid是一个庞大的、复杂的分布式组件,本身有额外的开销 2.启动grid 下载地址:https://www.selenium.dev/downloads/ 下载jar包 配置jdk 执行命令,启动jar包 启动命令:java -jar selenium-server-

Python日志logging模块

Python日志logging模块 logging --- Python 的日志记录工具 — Python 3.12.2 文档 Python logging模块的基本使用、进阶使用详解_python中logging模块详解-CSDN博客 logging模块架构 日志级别 默认的级别是 “WARNING“,意味着只会追踪该级别及以上的事件。 级别 何时使用 DEBUG 细节信息

P10187 [USACO24FEB] Palindrome Game B 题解

挑战题解区最短代码 回文数?数学题!打表找规律吧…… 显然,(1 sim 9) 都是回文数,先手赢(就一位你还想咋地啊)。 然后是 (10)。样例告诉我们,这个不行。 接着是 (11 sim 19),发现随便减个 (1 sim 9) 就可以变成 (10),而 (10) 是后手赢。赢得就是后手的后手,那就是先手,可以。 (20)?减个 (1 sim 9) 不就又回到上面了?然后就是后手的先手,也就

波比较函数

使用了局部贪心算法加横向损失. 目前我认为是最好的时序比较函数. 模板索引点 1 折线索引点 1 两点diff 0 搜索起点 1 模板索引点 2 折线索引点 2 两点diff 0.0 搜索起点 2 模板索引点 3 折线索引点 3 两点diff 0.0 搜索起点 3 模板索引点 4 折线索引点 4 两点diff 0.0 搜索起点 4 模板索引点 5 折线索引点 4 两点diff 0.5 搜索起点

青少年CTF擂台挑战赛 2024 #Round 1-MISC

一、CTFer Revenge 1.得到txt,一眼某个文件的十六进制,前部分字符串,中间十六进制,最后是行数标识,先提取出全部的十六进制 2.将得到的22.txt中的十六进制转化为字符串,发现文件尾为zip包文件的文件头每个字节位置颠倒后的结果,直接先两位颠倒再逆序整体十六进制,得到最后的zip文件 3.得到new2.zip发现需要密码,根据txt文件名字直接爆破,得到密码解压后图片上就是f

LangChain学习记录

前言 LLM 不管是 GPT 还是 BERT,有且只有一个核心功能,就是预测你给定的语句的下一个词最有可能是什么(靠Prompt激发),除此之外的工作,比如解析 PDF、比如对话式搜索、甚至拿过来一个大任务分解、创建子任务,最终完成,都需要有一整套的工具来把核心功能包装,便于开发人员搭积木,这个工具就是 LangChain。 LangChain底层就是Prompt、大模型API、以及三方应用API

大模型训练 记录

思路 《AWS上的生成式人工智能》书中对于训练模型所需的内存有一个很好的经验法则。正如他们解释的那样,对于模型的每10亿个参数,我们需要6GB的内存(使用16位半精度)来加载和训练模型。请记住,内存大小只是训练故事的一部分。完成预训练所需的时间也是另一个重要部分。举个例子,最小的 Llama2 模型(Llama2 7B)具有70亿个参数,它花费了184320 GPU 小时才完成训练。 首先要弄清

<<  <  316  317  318  319  320  321  322  323  324  325  326  >  >>