Python
2023春节编程竞赛
CRC32算法的结果是个32位非负整数。 上述链接中CRC32函数的输入为一串字节，要求将输入改为一个32位非负整数，对应原函数输入参数的4个字节（低字节在前）。 这样，新的CRC32函数的输入与输出均为32位非负整数。 CRC32(X) = Y 表示为 X → Y 样例1：A → A 则A..A共1个32位非负整数构成一个环。 样例2：B → C → D → B 则B..D共3个32位非负整数构
requests库请求出现 SSLCertVerificationError
python使用requests库发送https请求报错：SSLCertVerificationError: [SSL: CERTIFICATE_VERIFY_FAILED]。 requests库简单介绍： Requests是一常用的http请求库，它使用python语言编写，可以很方便地发送http请求及处理响应结果。 Requests 允许你发送纯天然，植物饲养的 HTTP/1.1 请求，无需
einops 学习笔记：基础篇
参考： https://einops.rocks/1-einops-basics/ einops（Einstein Operations）提供了一种语法来便捷地操纵张量。einops 支持大多数张量库（当然包括 numpy 和 pytorch）。einops 针对所有张量库的语法都完全一致。einops 不会影响反向传播的正常进行。这些特性意味着 einops 可以和现有的深度学习框架和代码
BeautifulSoup爬虫库应用——Python 页面解析
爬虫技术作为信息搜集的重要手段，在大数据时代发挥着至关重要的作用。通过网络爬虫，可以高效地从各种在线源头获取大规模、多样化的数据，为大数据分析和应用提供了必要的原始材料。首先，爬虫使得大数据的采集更为全面和及时。网络上存在着庞大的信息资源，包括社交媒体、新闻网站、电子商务平台等，而爬虫能够自动化地遍历这些资源，收集来自不同领域和来源的数据，丰富了大数据的多样性。其次，爬虫的高效性和自动化特性提高了
ABC339 题解（A~G）
A 从后向前找到第一个 . 就行了。 B 按照题意模拟，设当前位置 (x, y) 移动方向 (dx, dy)。那么下一步为 ((x+dx,y+dy)) 设新的移动方向为 (dx',dy') 如果顺时针旋转，则有 (dy'gets -dx, dx'gets dy)； 如果逆时针，则有 (dx'gets -dy, dy'gets dx)。 C 鉴定为除 A 以外第一简单。 设原来没有乘客，按题意模拟找
Nginx 可视化配置神器NginxConfig
Nginx 是前后端开发工程师必须掌握的神器。该神器有很多使用场景：比如反向代理、负载均衡、动静分离、跨域等等。 把 Nginx 下载下来打开 conf 文件夹的 nginx.conf 文件，Nginx 服务器的基础配置和默认的配置都存放于此。 配置是让程序员非常头疼的事，比如 Java 后端框架 SSM，大量配置文件让不少人头皮发麻，所以才涌现了 Spring Boot 这样能简化配置的框架
每天1plus道算法题【学习->理解->创新】
原则和步骤 2024/2/3 原则 动脑子，具体说就是揣摩背后的思路，思考并查询其在哪种场景下产生的，为了解决什么问题 其实这个算是智力题游戏，既然是游戏就可以打怪升级越变越强的 步骤 step1 读题+思考得出解法 10min（一遍都是暴力解法） step2 尝试写程序实现，可以先提交初版（在vscode里写或者直接在leetcode上写） step3 阅读官方题解和评论区题解，注意理
在 Debian上安装和配置 Firewalld
在 Debian上安装和配置 Firewalld 来源 https://cn.linux-console.net/?p=21503 在本教程中，我们将了解如何在 Debian 10/Debian 11 上安装和配置 Firewalld。 Firewalld 是 Linux 防火墙管理工具，支持 IPv4、IPv6、以太网桥和 ipset 防火墙设置。 Firewalld 充
手撸代码：从零开始的 AlexNet 图像分类（PyTorch框架）
摘要： 本文在 PyTorch 框架下搭建了 AlexNet ，并在 CIFAR10 上完成了图片分类。同时，更正了一些原论文中的小错误（如：输入图像尺寸）。由于 CIFAR10 没有验证集，本文将训练集的 10% 当作验证集。 完整代码已上传至 GitHub：https://github.com/TiezhuXing01/AlexNet_in_PyTorch 1. 引入库 SubsetRan
Pandas库学习笔记（1）
参考：菜鸟教程 pandas库使用了NumPy的大多数功能。建议您先阅读有关NumPy的教程，然后再继续本教程。 Pandas 适用于处理以下类型的数据： 与 SQL 或 Excel 表类似的，含异构列的表格数据; NumPy 数组元素需具有相同的数据类型，因此在内存中的大小相同。 有序和无序（非固定频率）的时间序列数据; 带行列标签的矩阵数据，包括同构或异构型数据; 任意其它形式的观测、统计数
windows安装python教程
下载Python 首先，您需要在Python官方网站上下载安装包。该网站提供不同版本的Python下载选项。新手建议下载最新版本以获得最佳支持和功能。访问官方网站，选用适合Windows系统的安装包。 启动安装程序 下载后，双击操作安装程序，可以看到安装界面。这里有两个选项：“Install Python 3.x”和“Add Python 3.x to PATH”。推荐选择“Add Python
Pandas库学习笔记（2）
Pandas 数据结构 Pandas 有三种常用的数据结构 Series DataFrame Panel 这些数据结构建立在Numpy数组之上，这意味着它们运行速度都非常快。 Python、Numpy和Pandas对比 Python list：Python自带数据类型，主要用一维，功能简单，效率低 Dict：Python自带数据类型，多维键值对，效率低 Numpy ndarray：Num
python灰度图像变彩色
灰度图像转换为彩色图像方法简介 在图像处理领域，灰度图像转换为彩色图像是一种常见的需求。虽然一个像素的灰度值不能直接对应一个彩色像素，但这种转换可以通过一些技术手段来实现。通常，这种转换可以通过颜色映射、图像着色和深度学习来实现。 色彩映射是指灰度值按照一定的规则映射到色彩空间。这种方法快速简单，但缺乏真实感。图像着色是指使用算法分析图像内容，并根据内容添加颜色，这需要一个复杂的算法。深度学习方法
Python 数据分析（PYDA）第三版（一）
原文：wesmckinney.com/book/ 译者：飞龙 协议：CC BY-NC-SA 4.0 关于开放版本 第 3 版的《Python 数据分析》现在作为“开放获取”HTML 版本在此网站wesmckinney.com/book上提供，除了通常的印刷和电子书格式。该版本最初于 2022 年 8 月出版，将在未来几个月和年份内定期修正勘误。如果您发现任何勘误，请在此处报告。 一般来说，本网
Python 数据分析（PYDA）第三版（二）
原文：wesmckinney.com/book/ 译者：飞龙 协议：CC BY-NC-SA 4.0 四、NumPy 基础知识：数组和向量化计算 原文：wesmckinney.com/book/numpy-basics 译者：飞龙 协议：CC BY-NC-SA 4.0 此开放访问网络版本的《Python 数据分析第三版》现已作为印刷版和数字版的伴侣提供。如果您发现任何勘误，请在此处报告。请
Python 数据分析（PYDA）第三版（三）
原文：wesmckinney.com/book/ 译者：飞龙 协议：CC BY-NC-SA 4.0 六、数据加载、存储和文件格式 原文：wesmckinney.com/book/accessing-data 译者：飞龙 协议：CC BY-NC-SA 4.0 此开放访问网络版本的《Python 数据分析第三版》现已作为印刷版和数字版的伴侣提供。如果您发现任何勘误，请在此处报告。请注意，由
Python 数据分析（PYDA）第三版（四）
原文：wesmckinney.com/book/ 译者：飞龙 协议：CC BY-NC-SA 4.0 八、数据整理：连接、合并和重塑 原文：wesmckinney.com/book/data-wrangling 译者：飞龙 协议：CC BY-NC-SA 4.0 此开放访问网络版本的《Python 数据分析第三版》现已作为印刷版和数字版的伴侣提供。如果您发现任何勘误，请在此处报告。请注意，由
Python 数据分析（PYDA）第三版（五）
原文：wesmckinney.com/book/ 译者：飞龙 协议：CC BY-NC-SA 4.0 十、数据聚合和组操作 原文：wesmckinney.com/book/data-aggregation 译者：飞龙 协议：CC BY-NC-SA 4.0 此开放访问网络版本的《Python 数据分析第三版》现已作为印刷版和数字版的伴侣提供。如果您发现任何勘误，请在此处报告。请注意，由 Qu
Python 数据分析（PYDA）第三版（六）
原文：wesmckinney.com/book/ 译者：飞龙 协议：CC BY-NC-SA 4.0 十二、Python 建模库介绍 原文：wesmckinney.com/book/modeling 译者：飞龙 协议：CC BY-NC-SA 4.0 此开放访问网络版本的《Python 数据分析第三版》现已作为印刷版和数字版的伴侣提供。如果您发现任何勘误，请在此处报告。请注意，由 Quart
Python 数据分析（PYDA）第三版（七）
原文：wesmckinney.com/book/ 译者：飞龙 协议：CC BY-NC-SA 4.0 附录 附录 A：高级 NumPy 原文：wesmckinney.com/book/advanced-numpy 译者：飞龙 协议：CC BY-NC-SA 4.0 此开放访问网络版本的《Python 数据分析第三版》现已作为印刷版和数字版的伴侣提供。如果您发现任何勘误，请在此处报告。请注意，
【Python基础】日志工具介绍及使用
日志的主要功能 日志不是软件功能的必需品，但是对于软件开发和维护具有至关重要的作用，其主要的作用在于： 问题追踪和调试： 当程序出现错误或异常行为时，日志可以提供关于何时以及在哪里发生问题的详细信息，对于识别、隔离和修复错误很有帮助。 审计和合规性： 提供详细的操作记录，用于证明系统是否符合规定。 系统监控和预警： 通过分析日志，了解系统的运行状态，如服务的使用情况、性能瓶颈等；当检测到异常模式
机器视觉-无GPC情况下增加内存的速度测试
测试场景 我的电脑没有GPU, 想着升级增加内存多少会提升一下深度学习的速度, 实践证明, 增加内存并不能提升速度, 连一星点效果都没有, 原因也简单, 瓶颈在CPU上而不是内存. 如果手上没有GPU的电脑, 还是直接在算力平台上租用靠谱. 测试结果如下: 内存 batch 内存使用率 5 epoch耗时 16 16 80% 20分 40 16 40% 20分 40 32 8
[tornado]入门tornado(1): 项目结构
学习资料 tornado-bolierplate据说是一个适合新手入门的项目,但是已经是14年前的项目了, 使用的tornado版本是3.2(而现在tornado已经到6.4了),所以这个项目对我来说更多是学习工作流程以及项目结构 iwokh blog以及这一篇2020年的博客, 时间稍微近一点 本文主要是搞清楚一个tornado app的大致结构, 通过结构出发来理解各模块的作用, 毕竟有那
一种在新版本Cuda上运行TensorFlow V1版本程序的方法
这年头了我居然还得跑TensorFlow V1版本的程序，居然还有人写TensorFlow V1版本的程序，然而服务器上CUDA版本已经更新到最新，着实让人头大。。。 一番苦苦搜索后，在社区里找到了一个解决方案：https://github.com/tensorflow/tensorflow/issues/43629 具体来说就是Nvidia自己维护了一个TensorFlow V1.
Spring Boot无需Dockerfile创建Docker镜像三种方法
Spring Boot无需Dockerfile创建Docker镜像三种方法 随着技术的发展，服务于终端用户请求的应用程序的部署方式也发生了变化。传统上，你需要用一台机器来部署应用程序，然后决定机器的配置，以保证应用程序的运行。容器的引入，即把整个软件堆栈打包成一个单一的实体并进行运输，解决了开发人员
图像显示窗口名支持中文 使用cv2.imshow()显示图像默认是不支持中文名称的窗口的
图像显示窗口名支持中文 使用cv2.imshow()显示图像默认是不支持中文名称的窗口的，如果你的窗口名参数中包含中文将会显示为乱码。这是由于在OpenCV-Python包中，imshow函数的窗口标题是gbk编码，而Python3默认UTF-8编码。因而窗口标题包含中文时，会显示乱码。 解决这个问题，最直接就是