Python
基于python+django+mysql的小区物业管理系统
该系统是基于python+django开发的小区物业管理系统。适用场景：大学生、课程作业、毕业设计。学习过程中，如遇问题可以在github给作者留言。主要功能有：业主管理、报修管理、停车管理、资产管理、小区管理、用户管理、日志管理、系统信息。 演示地址 http://wuye.gitapp.cn/admin 后台管理帐号： 用户名：admin123 密码：admin123 源码地址 https
python日期时间处理模块-datatime
Python内置的时间模块datetime包含以下六个类和两个常数，提供了用于处理日期和时间的类和对应的方法 datetime.date 一个理想化的简单型日期，它假设当今的公历在过去和未来永远有效，属性包含： year、month、day datetime.time 一个独立于任何特定日期的理想化时间，它假设每天都恰好等于 246060秒，（这里没有闰秒的概念
[转帖]TShark使用不简明手册
5 人赞同了该文章 一 前言 tshark作为wireshark的命令行版本，功能非常强大，可以抓包，数据包分析、提取文件、提取分析后的数据还支持各种格式，可以说一把流量分析的瑞士军刀，如果在低流量的场景，包装下tshark命令，就可以做个功能比较丰富的分析系统了，结合检测规则，一个简单点的IDS系统就出来了。 二 核心功能 2.1 抓包 如同tcpdump一样
今天练习-回溯算法-93. 复原 IP 地址
注意点&感悟： 难吗？不难。难的是克服畏难的心里。 题目链接：93. 复原 IP 地址 自己独立写的代码： from typing import List class Solution: def restoreIpAddresses(self, s: str) -> List[str]: res = [] self.backtracki
[tornado]入门tornado(2): Handler
Handler是tornado编程中很重要的一环, tornado应用中几乎每一个页面都对应至少一个handler, handler控制着应用后台的业务逻辑 Handler handler的接口大致可以分为3类 -- 输入, 输出, 流程 input 如何解析前台传来的参数 https://www.tornadoweb.org/en/stable/web.html#input 前台传来的参数/数据
pyspark集成访问hive数据踩坑记录
当前环境anaconda3、python3.9.13、jupyter 需要安装的pyspark、py4j pyspark和py4j的离线安装包地址Links for pyspark (tsinghua.edu.cn) 和 Links for py4j (tsinghua.edu.cn) 一开我自己没有仔细的对应版本，找了一个pyspark3.4.1的包正常安装上去了，通过pyspark进入shel
今天练习2-回溯算法-93. 复原 IP 地址
注意点&感悟： 加油！ 题目链接：93. 复原 IP 地址 自己独立写的代码： class Solution: def restoreIpAddresses(self, s: str) -> List[str]: res = [] self.backtracking(s,0,[],res) return res
day28 回溯算法part4 代码随想录算法训练营 78. 子集
题目：78. 子集 我的感悟： 看见弹幕是秒了，我有点不敢相信，自己试了试，没有通过，再看了一眼文字讲解。 感觉懂了点 理解难点： 这题可以没有终止条件，开始我就疑惑这个终止条件怎么写 注意这个nums[i]要添加进入 是可以不写终止的，不会出现无线递归的， 因为是从i+1开始， 那会不会越界？？，不会，最后到那个越界的时候，就循环结束了。 并且for循环下面是有一个隐藏的return的
分布式系统---关键技术“消息中间件”
消息中间件是一种用于构建分布式系统的软件基础设施，提供了一种异步的，可靠的，可伸缩的消息传递机制。 提高系统性能首先考虑的是数据库的优化，但是数据库因为历史原因，横向扩展是一件非常复杂的工程，所有我们一般会尽量把流量都挡在数据库之前。 不管是无限的横向扩展服务器，还是纵向阻隔到达数据库的流量，都是这个思路。阻隔直达数据库的流量，缓存组件和消息组件是两大杀器。 1.1什么是消息队列消息
Python教程(26)——Python迭代器和生成器详解
迭代器 Python中的迭代器是一种对象，它可以迭代（遍历）一个可迭代对象（比如列表、元组或字符串）的元素。迭代器用于实现迭代器协议，即包含 __iter__() 方法和 __next__() 方法。 迭代器的工作原理是每次调用 __next__() 方法时返回可迭代对象的下一个元素，当没有元素可迭代时，抛出 StopIteration 异常。 值得注意的是，当迭代器耗尽后，如果再次使用迭代器
第 9章 数据分析案例：Python 岗位行情
第 9章 数据分析案例：Python 岗位行情 9.1 数据爬取 （1）打开某招聘网站首页 https://www.lagou.com，选择“全国站”，在搜索栏输入 Python，单击“搜索”。 （2）滚动到底部可以看到只有 30 页。 （3）多次单击“下一页”，发现页面并没有全部刷新，猜测是 Ajax 动态加载数据，在Chrome 浏览器中打开开发者工具进行抓包分析，使用 XHR 过滤，刷新网
《程序是怎样跑起来的》读后感——第三章 计算机进行运算小数时出错的原因
一、二进制的限制 计算机内部所有的信息都是以二进制的形式存储和处理的。然而，并非所有的十进制小数都能被精确地用二进制表示。例如，0.1在十进制中是一个无限循环小数，但在二进制中却无法精确表示，只能进行近似表示。这种差异导致了计算机在运算小数时可能出现误差。 二、浮点数表示法的限制 计算机通常采用浮点数表示法来表示小数。然而，浮点数的精度是有限的，它只能表示一定范围内的小数，且无法精确表示所有的小数
VNCTF2024-web wp
Checkin 简单的js，没有混淆，源码里找到可疑十六进制字符串，在控制台直接console.log()就出了。 CutePath 有点搞。 网上搜到的Cutehttpserver CVE是XSS，但是这个CVE是v1.x和v2.x的，所以应该用不了。 这里卡住了，点联系进入项目官网，然后进github源码页，在评论区（草了怎么这里出）找到一个安全性问题： 所以直接路径穿越，查看到base6
全面解析并行计算框架 Spark，以及和 Python 的对接
楔子 在之前的文章中我们详细介绍了 Hadoop，那么本次来聊一聊 Spark。相信 Spark 大家都知道，它是一款基于内存的并行计算框架，在业界占有举足轻重的地位，是很多大数据公司的首选。之前介绍 Hadoop 的时候说过，相比 Spark，MapReduce 是非常鸡肋的，无论是简洁度还是性能，都远远落后于 Spark。此外，Spark 还支持使用多种语言进行编程，比如 Python、R、J
Python解密aes-128-cbc
要解密使用AES-128-CBC加密的数据，你可以使用Python中的cryptography库。以下是一个简单的示例： 在上述代码中，你需要替换your_aes_key_here、your_iv_here和your_base64_encoded_ciphertext_here为你的实际AES密钥、初始化向量和Base64编码的密文。解密后的明文将被打印出来。 请确保安装了cryptogra
tacotron-2 理论学习资料
https://blog.csdn.net/HeroIsUseless/article/details/115414131?spm=1001.2101.3001.6650.8&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-8-115414131-blog-
书生开源大模型训练营-第3讲-作业
提交方式：在各个班级对应的 GitHub Discussion 帖子中进行提交。 基础作业： 复现课程知识库助手搭建过程 (截图) 1 环境配置 1.1 InternLM 模型部署 创建一个InternLM的虚拟环境，方法是从已有的internlm-base中克隆： 输入命令： 屏幕输出： View Code 激活刚刚创建的InternLM虚拟环境： &nb
NLP-情感分析 Prompting
**NLP-情感分析 Prompting ** 注：本文是 Transformers 快速入门 Prompting 章节的学习笔记，更详细的分析请参见原文。 写在前面 Github 地址：https://github.com/Lockegogo/NLP_Tasks/tree/main/text_cls_prompt_senti 本项目使用 Prompting 方法完成情感分析任务。Prompt
机器视觉-使用C#进行Yolov8推理
Windows 窗体应用可以使用一些现成的C#类库实现yolov8的predict功能, 本文使用https://github.com/dme-compunet/YoloV8 项目的nuget包. 集成方法非常简单, 但发现这种方式预测准确度下降了很多, 看来还是使用Python API预测更好一些. GPU版环境准备 选定 Onnx runtime 版本, https://onnxruntim
【多项式】任意模数 NTT/FTT
现在有两个整数多项式 (A)，(B)，(0 le a_i,b_i le 10^9)， (n le 10^5)，求它们的卷积，同时系数对 (p le 10^9) 取模。 我们会发现，最终的系数可能会达到 (10^5 times 10^9 times 10^9=10^{23}) 级别，FFT 会爆 long double 的精度；NTT，由于模数无特殊性质， 完全不能使用。 接下来介绍三种方法解决任意
【测试运维】性能测试经验文档总结第3篇：VuGen详解（已分享，附代码）
本系列文章md笔记（已分享）主要讨论性能测试相关知识。入门阶段：认识性能测试分类-(负载测试、压力测试、并发测试、稳定性测试)，常用性能测试指标-(吞吐量、并发数、响应时间、点击数...)，性能测试工具选择。性能脚本：1. LoadRunner介绍，2. 脚本录制、运行、参数化，3. 关联、检查点、事务、集合点。性能场景：1. 场景分类、场景设计、场景运行策略，2. 资源监控、SLA、IP Wi
100 行代码实现用户登录注册与 RESTful 接口 - 手把手教程附 Python 源码
在开发大多数应用时，用户系统都是必不可少的部分，而我们总是需要开发围绕用户的登录，注册，获取，更新等接口。在这篇文章将带你用一百多行代码简洁地实现一套这样的用户鉴权与 RESTful 接口，并使用 Session 来处理用户的登录登出 我们将使用 UtilMeta 框架 完成接口开发，这是一个开源的 Python 后端元框架，同时支持接入与适配 Django, Flask, FastAPI 等主流
第 10 章 使用pyecharts 进行数据展示
第 10 章 使用pyecharts 进行数据展示 10.1 安装 pyecharts pyecharts 是一个用于生成 Echarts 图表的类库， Echarts 是百度开源的一个数据可视化JS 库。用 Echarts 生成的图可视化效果非常好，pyecharts 可以与 Python 进行对接，方便在Python 中直接使用数据生成图，生成结果是一个 HTML 文件，用浏览器打开即可看到
Python 机器学习 逻辑回归算法
1、理解逻辑回归 逻辑回归建立在线性回归之上。在线性回归中，模型预测的是一个连续的数值。而在逻辑回归中，线性回归的输出被输入到Sigmoid函数中，用于预测某个类别的概率。Sigmoid函数是一个S形的曲线，它将任意实数映射到(0, 1)区间，适合用来表达概率。 逻辑回归广泛应用于各种二分类问题，如垃圾邮件检测、疾病诊断、客户流失预测等。它的优点是模型简单、易于实现、计算效率高，
【Vue前端】vue使用笔记0基础到高手第2篇：Vue进阶知识点介绍（附代码，已分享）
本系列文章md笔记（已分享）主要讨论vue相关知识。Vue.js是前端三大新框架：Angular.js、React.js、Vue.js之一，Vue.js目前的使用和关注程度在三大框架中稍微胜出，并且它的热度还在递增。Vue.js是一个轻巧、高性能、可组件化的MVVM库，同时拥有非常容易上手的API。Vue.js是一个构建数据驱动的 web 界面的渐进式框架，Vue.js 的目标是通过尽可能简单的