Python
Python--操作列表
Python--操作列表 遍历整个列表 对于每个元素的执行操作,使用单数和复数的名称,可用帮助判断代码片段处理的是单个列表元素还是整个列表. 在for循环中可以执行更多的操作 缩进 Python中是用缩进来控制每个控制域的,而不是使用花括号来控制.所以有时候忘记缩进会让代码出现错误. 如果忘记缩进以外的代码行 要避免没有必要的缩进,同时避免循环后没有必要的缩进.例如下面的情况 同时使用f
到什么程度才叫精通 Linux？
大家好，我是陶朱公Boy，一个认真生活，总想超越自己的程序员。 前言 知乎上有一个提问：到什么程度才叫精通 Linux？ ↓↓↓ 今天，我们就这个话题一起来做个讨论。 我的回答 在回答这
Python 爬取历史天气数据
网站原始数据 https://www.tianqishi.com/hangzhou/20240214.html 源码 结果 上图中的风力数据显示为日期为excel显示问题，原始csv文件为正常数据： 未经作者授权，禁止转载 THE END
Python:处理大数据量文件心得
-- javascript typescript bash sql json html css c cpp java ruby python go rust markdown 完成大文件按规则拆解。使用python实现将5个多g，总共五千万行数据的csv文件进行按照某个特殊时属性进行拆解。 问题难点：文件过大，服务器内存资源不足，需要分块读入内存并处理。之前想着一次性全部读入，然后再根据分类条
TensorBoard标量图中的平滑曲线是如何做的平滑？—— tensorflow TensorBoard标量图中“平滑”参数背后的数学原理是什么？—— 指数移动平均（EMA）
TensorFlow的tensorboard的平滑曲线的实现代码： 使用“指数移动平均”技术实现。 地址： https://github.com/tensorflow/tensorboard/blob/34877f15153e1a2087316b9952c931807a122aa7/tensorboard/components/vz_line_chart2/line-chart.ts#L699
itertools.combinations_with_replacement和itertools.combinations的区别
itertools.combinations 和 itertools.combinations_with_replacement 都是 Python 标准库中的工具，用于生成组合。它们的主要区别在于对元素的重复使用上。 itertools.combinations(iterable, r)： 生成不含重复元素的组合。 iterable 是可迭代对象，例如列表或字符串。 r 是生成的组合的长度
Edu-Dict + English Learning Materials: Mdict词库：免费下载mdx/mdd/css文件资源，支持欧路，深蓝，goldendict电子词典
https://mdict.org https://github.com/xiaolai/apple-computer-literacy/blob/main/Install-Mdict-Dictionaries-to-macOS-Dictionary.md https://downloads-direct.freemdict.com/Language_Learning_Videos/英语/ htt
Python笔记08——Dictionary（字典）
八、字典 8.1 基础 字典格式：整个字典包括在方括号[]中，键值对内用冒号:分割，键值对之间用逗号,分割。 格式示例 键必须是唯一的，但值则不必。 键必须是不可变的（字符串or数字），值可以取任何数据类型。 使用大括号{ }或内建函数dict()创建空字典 字典键的特性: ①不允许同一个键出现两次（仅后一个值会被记住）②键必须不可变，可以用数字，字符串或元组 8.2 访问字典里的
小白也行的：Easy OCR做一款免费的图片转文字
(text{EasyOCR}) 支持超过 (80) 种语言的识别，包括英语、中文（简繁）、阿拉伯文、日文等，并且该库在不断更新中，未来会支持更多的语言。像市面上所有的图片识别都用的是 (text{OCR})，如微信，百度。个人推荐软件：微信，网站https://web.baimiaoapp.com，该网站识别准确率是真的高，且收费也很人性化，使用后期仍然可以一天免费扫 (5) 张。 (text{O
[Kyana]使用Jupyter
基础安装配置 安装本体和nbextensions 安装python3.7+ 好用的扩展推荐 Code prettify、Hinterland、Table of Contents (2)、Scratchpad、Collapsible Headings、A 2to3 converter 插入代码控制的插件 Jupyter-notify 网页通知提示插件 对所有执行超过30s的cells在运行结束后
Python 机器学习 线性回归 正则化线性模型
Python 机器学习中，正则化是一种减少模型过拟合的技术，通过在损失函数中添加一个正则化项来实现。对于线性回归模型，常见的正则化方法有Lasso回归（L1正则化）、岭回归（L2正则化）和弹性网络回归（同时使用L1和L2正则化）。这些方法可以调整模型的复杂度，提高模型的泛化能力。 1、欠拟合（Underfitting）和过拟合（Overfitting） 在机器学习中，欠拟合（Un
机器视觉-使用YoloV8的Python API
参考文档: https://docs.ultralytics.com/modes/predict/#working-with-results https://zhuanlan.zhihu.com/p/655162922 https://thinkinfi.com/motorcycle-helmet-detection-using-deep-learning/ 示例说明 可提前将预训练的olov8
Unicode编码的魅力：跨语言交流的桥梁
引言： Unicode编码是一种用于表示世界上所有字符的标准编码方式。它解决了字符集兼容性和多语言文本处理的难题，成为实现全球化软件的关键技术。本文将深入探讨Unicode编码的优点与缺点，并介绍它在文本处理、多语言网站开发等方面的应用。 Unicode编码解码 | 一个覆盖广泛主题工具的高效在线平台(amd794.com) https://amd794.com/unicodeencord
Debug: tf distribute strategy parameter server: tfx component trainer: model.save(): failed to connect to all addresses
[ERROR: tf distribute strategy parameter server: tfx component trainer: model.save(): failed to connect to all addresses] log of pod tfx-component-trainer: [ANALYSIS] fn_args.serving_model_dir de
Python 中 print 函数的用法
在 Python 中，可以使用print函数来打印一个变量或者一个字符串： 如果需要字符串格式化来打印一句话中包含变量的内容，有几种常用的方法： 使用格式化字符串（f-string）：在字符串前面加上字母"f"，然后在字符串中使用大括号{}包裹变量名。示例代码如下： 使用字符串的format()方法：在字符串中使用一对花括号{}作为占位符，并调用format()方法传入变量值。示例代码
【XV6】 system calls
代码：https://github.com/JasenChao/xv6-labs.git 使用GDB调试 安装risc-v的GDB 先安装依赖： 再下载源码，可以从清华镜像源下载： 解压缩并编译安装： 使用GDB 先用qemu运行xv6，在xv6目录下执行： 此时应该打印一个端口号，例如tcp::26000，记住这个端口号，另起一个终端，运行gdb： 在GDB中连接这个端口，由于本次实验
FastAI 之书（面向程序员的 FastAI）（一）
原文：www.bookstack.cn/read/th-fastai-book 译者：飞龙 协议：CC BY-NC-SA 4.0 序言 原文：www.bookstack.cn/read/th-fastai-book/README.md 译者：飞龙 协议：CC BY-NC-SA 4.0 在很短的时间内，深度学习已经成为一种广泛应用的技术，解决和自动化计算机视觉、机器人技术、医疗保健、物理学、
FastAI 之书（面向程序员的 FastAI）（二）
原文：www.bookstack.cn/read/th-fastai-book 译者：飞龙 协议：CC BY-NC-SA 4.0 第三章：数据伦理 原文：www.bookstack.cn/read/th-fastai-book/9bc6d15b4440b85d.md 译者：飞龙 协议：CC BY-NC-SA 4.0 正如我们在第一章和第二章中讨论的，有时机器学习模型可能出错。它们可能有错误
FastAI 之书（面向程序员的 FastAI）（三）
原文：www.bookstack.cn/read/th-fastai-book 译者：飞龙 协议：CC BY-NC-SA 4.0 第五章：图像分类 原文：www.bookstack.cn/read/th-fastai-book/0661b9d7375f45ab.md 译者：飞龙 协议：CC BY-NC-SA 4.0 现在您了解了深度学习是什么、它的用途以及如何创建和部署模型，现在是时候深入
FastAI 之书（面向程序员的 FastAI）（四）
原文：www.bookstack.cn/read/th-fastai-book 译者：飞龙 协议：CC BY-NC-SA 4.0 第八章：协同过滤深入探讨 原文：www.bookstack.cn/read/th-fastai-book/d4afd9df315bb076.md 译者：飞龙 协议：CC BY-NC-SA 4.0 解决的一个常见问题是有一定数量的用户和产品，您想推荐哪些产品最有可
FastAI 之书（面向程序员的 FastAI）（五）
原文：www.bookstack.cn/read/th-fastai-book 译者：飞龙 协议：CC BY-NC-SA 4.0 第十章：NLP 深入探讨：RNNs 原文：www.bookstack.cn/read/th-fastai-book/38414c136aca063a.md 译者：飞龙 协议：CC BY-NC-SA 4.0 在第一章中，我们看到深度学习可以用于处理自然语言数据集并
FastAI 之书（面向程序员的 FastAI）（七）
原文：www.bookstack.cn/read/th-fastai-book 译者：飞龙 协议：CC BY-NC-SA 4.0 第四部分：从零开始的深度学习 第十七章：基础神经网络 原文：www.bookstack.cn/read/th-fastai-book/f6eef03cb69f6500.md 译者：飞龙 协议：CC BY-NC-SA 4.0 本章开始了一段旅程，我们将深入研究我们
FastAI 之书（面向程序员的 FastAI）（六）
原文：www.bookstack.cn/read/th-fastai-book 译者：飞龙 协议：CC BY-NC-SA 4.0 第十三章：卷积神经网络 原文：www.bookstack.cn/read/th-fastai-book/44d8848dfac0c1b0.md 译者：飞龙 协议：CC BY-NC-SA 4.0 在第四章中，我们学习了如何创建一个识别图像的神经网络。我们能够在区分
Python学习之Pytorch
一、如何查看本机是否安装了Pytorch 在Python环境中查看是否安装了PyTorch可以通过几个简单的步骤来完成。这里有一些方法： 使用Python命令行: 打开你的命令行工具（比如Terminal、Command Prompt或Anaconda Prompt），然后输入Python来启动Python解释器。之后，尝试导入PyTorch库来看看是否会报错。 如果PyTorch已经安装，
137. 只出现一次的数字 II(中)
目录题目法一、排序法二、位运算 题目 给你一个整数数组 nums ，除某个元素仅出现 一次 外，其余每个元素都恰出现 三次 。请你找出并返回那个只出现了一次的元素。 你必须设计并实现线性时间复杂度的算法且使用常数级空间来解决此问题。 示例 1： 输入：nums = [2,2,3,2] 输出：3 示例 2： 输入：nums = [0,1,0,1,0,1,99] 输出：99 法一、排序
python基础学习6-第三方模块
自定义模块优先级大于系统模块 模块分为系统模块，自定义模块，第三方模块 导入方式 import 模块名称 [as 别名] from 模块名称 import 变量/函数/类* 包的导入 import 包名.模块名 as 别名 form 包名 import 模块名 as 别名 form 包名.模块名 import 函数/变量/类* 主程序运行 if __name__ == '__main__
Hugging Face-Transformers中的AutoModelForCausalLM 和 AutoTokenizer
AutoModelForCausalLM 和 AutoTokenizer 是Hugging Face的Transformers库中的两个类，用于处理自然语言处理（NLP）任务。 AutoModelForCausalLM 是用于因果语言建模的模型的自动类，它可以加载不同的预训练模型进行文本生成任务。 AutoTokenizer 用于加载与这些模型相对