Python
Azure - 机器学习：创建机器学习所需资源，配置工作区
本文中你可以创建使用 Azure 机器学习所需的资源，包含工作区和计算实例。 关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云认证的资深架构师，项目管理专业人士，上亿营收AI产品研发负责人。 一、Azure机器学习工作区与计算实例简要介绍 工作区 若要使用 Azure 机器学习，你首先
推荐四款常用测试数据生成工具（适用自动化测试、性能测试）
一、前言 在软件测试中，测试数据是测试用例的基础，对测试结果的准确性和全面性有着至关重要的影响。 因此，在进行软件测试时，需要生成测试数据以满足测试场景和要求。本文将介绍如何利用测试数据生成工具来快速生成大量的测试数据。 二、测试数据生成工具 今天给大家介绍四款常用的数据生成工具：Faker、Mockaroo、DataFactory、Jenerators。 1、Faker: Faker是一个Pyt
redis有5种数据结构
redis有5种数据结构，分别如下：5种数据结构python语言对5种数据结构的增删改查 全局函数 1|0redis 连接 import redis pool = redis.ConnectionPool(host='localhost', port=6379, decode_responses=True) r = redis.Redis(connection_pool=pool)
WASM_WebAssembly简单运行-hello，world
WASM 安装 下载下来后放在./emsdk/downloads中（downloads中需要创建），一共需要下载四个安装包，下载后再次执行命令会自动解压loads中（zips需要创建），一共需要下载四个安装包，下载后再次执行命令会自动解压 编译器 运行 参考
【Python】conda常用命令
✨conda下载 Anaconda Free Download | Anaconda Miniconda Miniconda — miniconda documentation 个人推荐安装Miniconda即可 反正我从来没有使用过Anaconda的GUI ✨conda基本命令 新建环境 -n新建环境名称 python=3.8可选 指定Python版本 克隆环境 newEn
FaceRecognition 使用
FaceRecognition 使用 参考： https://blog.csdn.net/LuohenYJ/article/details/116069422 https://blog.csdn.net/LuohenYJ/article/details/123144785 测试：
Redis大key问题
什么是大key 很多朋友肯定在想redis的key能有多大呀？ 这里就有个误区了，所谓的大key问题是某个key的value比较大，所以本质上是大value问题。 “ 这样就对上了，key往往是程序可以自行设置的，value往往不受程序控制，因此可能导致value很大。 设想一种场景： “ 在线音乐app中，某个歌单有很多用户收藏，假如有这样的数据结构： 歌单和用户之间的映射关系采用red
【数据库】SQL 错误 [42P10] ERROR SELECT DISTINCT ON expressions must match initial ORDER BY expressions
SQL 错误 [42P10] ，表示在使用 SELECT DISTINCT ON 语句时，表达式必须与初始的 ORDER BY 表达式匹配。这个错误通常发生在你尝试对不同的列进行去重操作时，而这些列并没有在 ORDER BY 子句中明确指定。 为什么会出现这个错误？ 当你使用 SELECT DISTINCT ON 语句时，你需要提供一个或多个列名作为表达式，以便在去重时按照这些列进行排序。如果提供
1.8w 字的 SQL 优化大全
https://mp.weixin.qq.com/s/JUyNzlJJCSd7AhKU6GVocg 分享一篇关于SQL优化的硬核文章，全文有点长，建议收藏后慢慢看。 很多朋友在做数据分析时，分析两分钟，跑数两小时？ 在使用SQL过程中不仅要关注数据结果，同样要注意SQL语句的执行效率。 本文涉及三部分： SQL介绍 SQL优化方法 SQL优化实例 1、MySQL的基本
Python 机器学习 K-近邻算法 鸢尾花种类预测
K-近邻算法（K-Nearest Neighbors, KNN）是一种简单而强大的机器学习算法，适用于分类和回归任务。可以使用scikit-learn库的KNN算法来预测鸢尾花（Iris）的种类。鸢尾花数据集是机器学习领域中常用的一个数据集，包含了150个鸢尾花样本，每个样本有四个特征：萼片长度、萼片宽度、花瓣长度和花瓣宽度，以及样本的种类（Setosa、Versicolour、
prompt简介（chatgpt）
一、什么是Prompts（提示词）prompts（提示词）可以理解成：让 GPT 能精准 Get 到你意图的话，或者与 GPT 沟通的语言方式。 如果你给 GPT 的提示词质量不好，或者不到位，那么它给到你的，往往就是那种 “像是一堆正确的废话堆积而成” 的文字垃圾。所以，想要获得 GPT 高质量回答的第一步，就是先学会与它沟通的语言，也就是学会写提示词。二、为什么需要GPT4 我们首先需要明
【LLM】提示工程技术提炼精华分享
一、提示工程概述 提示工程（Prompt Engineering）是一门较新的学科，关注提示词开发和优化，帮助用户将大语言模型（Large Language Model, LLM）用于各场景和研究领域。 掌握了提示工程相关技能将有助于用户更好地了解大型语言模型的能力和局限性。 提示工程相比较于微调（Fine-tuning）的成本和复杂度更低，但是不能对模型本身的能力进行优化，只能基于模型已有能力进
Misdirection(VulnHub)
Misdirection nmap扫描 目录爆破 80小探索 searchsploit 无果 8080端口渗透 反弹shell sudo -l 设变量清屏 brexit用户渗透 查看敏感文件 通过psswd提权 本作品采用知识共享署名-相同方式共享 4.0 国际许可协议进行许可。
Nebula Siwi：基于图数据库的智能问答助手思路分析
本文重点分析 Nebula Siwi 智能问答思路，具体代码可参考[2]，使用的数据集为 Basketballplayer[3]。部分数据和 schema 如下所示： 一.智能问答可实现的功能 1.Nebula Siwi 源码整体结构 主要包括前段（Vue）和后端（Flask）代码结构，整体结构如下所示： 2.Basketballplayer 数据集介绍 Basketballpla
Windows11 常用软件/环境安装记录
Windows 编程 - The Tools I use 软件安装和管理 将软件装到统一一个地方，路径简短，不含空格和中文。 WinGet 官方 Windows 软件包管理器 WinGet 在安装命令之后加上 --rainbow 的参数，会出现🌈进度条 Scoop Scoop 可通过命令行轻松安装程序，以可移植的方式下载和管理包 使用以下命令在 powershell 中安装 Scoop： 先设置
Distribute tensorflow model training on a kubernetes cluster
steps of distributing tensorflow model training on a kubernetes cluster 1.1 git clone the tensorflow/ecosystem repository, and cd directory ecosystem/distribution_strategy Note: This directory cont
python运行报错：ImportError: libcudnn_cnn_infer.so.8: cannot open shared object file
运行报错： 解决方法： 成功解决。 参考： https://blog.csdn.net/qq_45934285/article/details/134064505 本博客是博主个人学习时的一些记录，不保证是为原创，个别文章加入了转载的源地址，还有个别文章是汇总网上多份资料所成，在这之中也必有疏漏未加标注处，如有侵权请与博主联系。 如果未特殊标注则为原创，遵循 CC 4.0
OneFlow框架0.9.1dev版本，成功安装并运行
安装cuda和cudnn: （此步骤可以忽略，pip安装框架时会自动安装依赖的cuda和cudnn环境） 下载安装包的下载地址页面： 并从中找到对应python版本的安装包地址。 下载框架安装包：（python3.10环境下） 手动安装依赖包： 安装框架包： 测试代码： 运行效果： 本博客是博主个人学习时的一些记录，不保证是为原创，个别文章加入了转
python随机森林进行气温预测
天气最高温度 我们要完成三个任务 随机森林建模 --》 选择特征 - 》 增加数据量和特征个数 --》 找到最优的参数 掌握机器学习里面2种经典的参数调节方法 读数据 .dataframe tbody tr th:only-of-type { vertical-align: middle } 3c pre>3c code>.dataframe tbody tr th { vertical
(python)代码学习||2024.2.3||题目是codewars上的【Validate Sudoku with size `NxN`】
题目的要求是写一个Sudoku类，类中要有一个实例函数判断传给对象的二维数组是否符合数独规则 题目链接：https://www.codewars.com/kata/540afbe2dc9f615d5e000425/python 下面是写完题后看到的别人的解决方法 观察到的东西 函数__iter__返回值处的chain()函数来自于from itertools import chain，网上
AES算法：数据传输的安全保障
在当今数字化时代，数据安全成为了一个非常重要的问题。随着互联网的普及和信息技术的发展，我们需要一种可靠的加密算法来保护我们的敏感数据。Advanced Encryption Standard（AES）算法应运而生。本文将介绍AES算法的优缺点、解决了什么问题以及在哪些方面可以应用。 AES(Rijndael)加密解密 | 一个覆盖广泛主题工具的高效在线平台(amd794.com) ht
gaussian-splatting学习2——初步使用
下载源码：git clone --recurse-submodules https://github.com/graphdeco-inria/gaussian-splatting.git 利用conda创建虚拟环境：conda create -n gs python=3.8 切换虚拟环境：conda activate gs 在gs环境下安装：pip install torch==2.0.0+cu1
如何自学编程？如何少走弯路？
如果耐心读完本文，对您学习编程大有帮助 明白学习编程的思维，可以少走很多弯路 对于所有编程学习者，尤其是零基础的同学们，在学习的初期，一定要给自己做一个思想上的转变。 在我的编程学习理论中，这个思想的转变至关重要，什么时候你把这个思维转换过来了，你就是真正上道的那一天。 这个思维转换就是： 不要把自己当学生，而是要把自己当开发者。 不同的身份认同感，最后会导致不同的行为模式，而这行为模式，会对你的
作为国产深度学习框架中分布式计算特性最强大的OneFlow的最大缺点是什么？
OneFlow是国产深度学习框架中分布式计算特性最强大的，因为其原生支持分布式特性，世界上的历史中的深度学习框架唯一可以做到这一点的也就只有Google的TensorFlow和Jax了，虽然有人说Google的分布式最强也有人说Google的分布式一般，但是毋庸置疑的是OneFlow一定是国产深度学习框架中分布式特性最强的，如果把Google的分布式特性放在第一，那OneFlow也可以做到宇宙第二
Python随机波动模型Stochastic volatility，SV随机变分推断SVI分析标普500指数股票价格时间数据波动性可视化
全文链接:https://tecdat.cn/?p=33809 原文出处：拓端数据部落公众号 随机波动模型（Stochastic volatility models）经常被客户用来对股票价格随时间的变动性进行建模。波动性（volatility）是随时间的对数收益的标准差。与假设波动性恒定不变不同，随机波动模型具有隐变量参数，可以在每个时刻对波动性进行建模。 im
R语言逻辑回归、随机森林、SVM支持向量机预测Framingham心脏病风险和模型诊断可视化
原文链接：http://tecdat.cn/?p=24973 原文出处：拓端数据部落公众号 简介 世界卫生组织估计全世界每年有 1200 万人死于心脏病。在美国和其他发达国家，一半的死亡是由于心血管疾病。心血管疾病的早期预后可以帮助决定改变高危患者的生活方式，从而减少并发症。本研究旨在查明心脏病最相关/风险因素，并使用机器学习预测总体风险。 数据准备 来源 该数据集来自对居
[转帖]万字长文，AI大模型的应用实践总结
机器学习自然语言处理大模型 江大白 2023-08-23 08:22 分享 以下文章来源于mp.weixin.qq.com 以下文章来源于知乎：算法邦 作者：算法邦 链接：https://mp.weixin.qq.com/s/-HAUnLMBv3mSHzNbmEHmlA 本文仅用于学术分享，如有侵权，请联系后台作删文处理 导读以ChatGPT为代表的