Python
开箱即用的对话机器人解决方案，涵盖问答型对话、任务型对话和聊天型对话等多种场景，为您提供全方位的对话交互体验。
dialogbot：开箱即用的对话机器人解决方案，涵盖问答型对话、任务型对话和聊天型对话等多种场景，为您提供全方位的对话交互体验。 人机对话系统一直是AI的重要方向，图灵测试以对话检测机器是否拥有高度的智能。如何构建人机对话系统或者对话机器人呢？ 对话系统经过三代的演变： 规则对话系统：垂直领域可以利用模板匹配方法的匹配问句和相应的答案。优点是内部逻辑透明，易于分析调试，缺点是高度依赖专家
appium自动化测试
appium环境搭建（自行安装jdk1.8）参考网址https://www.cnblogs.com/zhaojiaoyang0202/p/12955678.html参考网址https://www.byhy.net/tut/auto/appium/01/ 1.pip install Appium-Python-Client 2.pip install selenium -U 3.下载androidS
使用 ASM 和版本升级安装 Oracle 19C RAC 的分步指南
一、概述 本文档将指导您在 Linux 平台上使用 ASM 逐步安装 Oracle 19C RAC。这里讨论每一步。我们将RAC安装与ASM配合并进行版本升级。 遵循的步骤 – 服务器配置 配置 Oracle ASM 预检查 RAC 设置 为 RAC 安装 GRID 基础设施 安装Oracle 19C数据库 版本升级/PSU补丁应用 二、过程 2.1 修
Leetcode No.53 Maximum Subarray
参考资料： 考点：子串 & 动态规划 & [题干] 1. 心路历程 这道题非常经典，蕴含的思想也是精巧无比。 2. 正解 简单来说官解就是找到了题目中的无后效性，和问题的可分解性（动归） 1）首先分解问题 一个数组中的子串是相当多的，穷举显然不是理想的做法，那么最大的子串和等于什么？？答：等于以每个数结尾的最大子串的最大值。以数组[-2,1,-
#region在多种编程语言及IDE中进行代码折叠，包括python msvc++ c#等
vs/rider中折叠C#代码 在写C#的时候，在visual studio中可以使用#region和#endregion来进行代码折叠，那么在pycharm中是否可以呢？ pycharm折叠python代码 我试了一下在pycharm中也可以使用相同的指令来折叠代码，但是如果#endregion是在方法的最后面或者类的最后面，就无法自动折叠。 最后阿风同事告诉我，可以在#endregion后
【web_逆向03】关于字节
简介 字节是二进制数据的单位。一个字节通常8位长。但是，一些老型号计算机结构使用不同的长度。为了避免混乱，在大多数国际文献中，使用词代替byte。 python中转换成字节 1个字节是8位二进制. 1111 1111 -> 255 -> FF 两位十六进制刚好最大值是 FF 255 1111 1111 x00 - xff -> 一个字节, x是一个符号. 后面跟的是
win10中Docker安装、构建镜像、创建容器、Vscode连接实例
Docker方便一键构建项目所需的运行环境：首先构建镜像（Image）。然后镜像实例化成为容器（Container），构成项目的运行环境。最后Vscode连接容器，方便我们在本地进行开发。下面以一个简单的例子介绍在win10中实现：Docker安装、构建镜像、创建容器、Vscode连接使用。 Docker安装 首先进入官网安装Docker软件。安装好打开可能会出现错误： 1、让更新WS
【web_逆向04】MD5摘要算法
MD5是一个非常常见的摘要(hash)算法，其特点就是小巧. 速度快. 极难被破解。所以, md5依然是国内非常多的互联网公司选择的密码摘要算法 这玩意不可逆. 所以. 摘要算法就不是一个加密逻辑. 相同的内容计算出来的摘要应该是一样的 不同的内容(哪怕是一丢丢丢丢丢不一样) 小功能，md5加密后是32位字符，也可以是字节 撞库与加盐 上面我们一直在说，md5加密
196. 删除重复的电子邮箱
196. 删除重复的电子邮箱 2023年8月13日19:16:12 196. 删除重复的电子邮箱 简单 SQL Schema Pandas Schema 表: Person 编写解决方案 删除 所有重复的电子邮件，只保留一个具有最小 id 的唯一电子邮件。 （对于 SQL 用户，请注意你应该编写一个 DELETE 语句而不是 SELECT 语句。） （对于 Pandas 用户，请注意你应该直
511. 游戏玩法分析 I
511. 游戏玩法分析 I 2023年8月13日21:49:47 511. 游戏玩法分析 I 简单 SQL Schema Pandas Schema 活动表 Activity： 查询每位玩家 第一次登陆平台的日期。 查询结果的格式如下所示： 通过次数 94.4K 提交次数 133.7K 通过率 70.7% 答案
1173. 即时食物配送 I
1173. 即时食物配送 I 2023年8月13日20:14:17 1173. 即时食物配送 I 简单 48 相关企业 SQL Schema Pandas Schema 配送表: Delivery 如果顾客期望的配送日期和下单日期相同，则该订单称为 「即时订单」，否则称为「计划订单」。 编写解决方案统计即时订单所占的百分比， 保留两位小数。 返回结果如下所示。 示例 1: 通过次数 21.
1741. 查找每个员工花费的总时间
1741. 查找每个员工花费的总时间 2023年8月13日21:39:21 1741. 查找每个员工花费的总时间 简单 SQL Schema Pandas Schema 表: Employees 计算每位员工每天在办公室花费的总时间（以分钟为单位）。 请注意，在一天之内，同一员工是可以多次进入和离开办公室的。 在办公室里一次进出所花费的时间为out_time 减去 in_time。 返回结果
1795. 每个产品在不同商店的价格
1795. 每个产品在不同商店的价格 2023年8月13日19:40:25 1795. 每个产品在不同商店的价格 简单 SQL Schema Pandas Schema 表：Products 请你重构 Products 表，查询每个产品在不同商店的价格，使得输出的格式变为(product_id, store, price) 。如果这一产品在商店里没有出售，则不输出这一行。 输出结果表中的 顺
2082. 富有客户的数量
2082. 富有客户的数量 2023年8月13日20:02:31 2082. 富有客户的数量 简单 SQL Schema Pandas Schema 表： Store 编写解决方案找出 至少有一个 订单的金额 严格大于 500 的客户的数量。 返回结果格式如下示例所示： 示例 1: 通过次数 3.8K 提交次数 5K 通过率 75.3% 答案 两种思路 1、先判断大于500的 然后对i
selenium基础
Selenium 框架 Python+Selenium+Pytest+Mysql+openpyxl 配置相关 测试夹具-驱动封装 Mysql数据库封装 openpyxl封装 Selenium常用操作方法
【web_逆向05】URLEncode
我们这网站中总能看到这样一种url，例如：百度中直接搜索"周杰伦" 为什么要有urlencode 此时会发现, 在浏览器上明明是能看到中文的. 但是一旦复制出来. 或者在抓包工具里看到的. 都是这种%. 那么这个%是什么鬼? 也是加密么? 非也, 其实我们在访问一个url的时候. 浏览器会自动的进行urlencode操作. 会对我们请求的url进行编码. 这种编码规则被称为百分号编码. 是专门
测试开发笔试题（python）
测试开发笔试题（python）_测试开发python笔试题_coco_qa的博客-CSDN博客 1、字符串相关 1.1 字符串中最大长度子串 1.2 是否是回文 1.3 找出子序列 1.4 字符串中出现最多的字符
Python 潮流周刊#15：如何分析 FastAPI 异步请求的性能？
你好，我是猫哥。这里每周分享优质的 Python、AI 及通用技术内容，大部分为英文。标题取自其中一则分享，不代表全部内容都是该主题，特此声明。 本周刊精心筛选国内外的 250+ 信息源，为你挑选最值得分享的文章、教程、开源项目、软件工具、播客和视频、热门话题等内容。愿景：帮助所有读者精进 Python 技术，并增长职业和副业的收入。 >>> 微信 | 博客 | 邮件 | Git
labelme转coco数据集的那些事·完整版
1. 因为发现布置的任务的具体要求没有被组员理解，导致所有180反转后的标签都变为了： 一个json文件有好几个这样的标签 那如果人手一个个这样处理，真的是要累死，所以就写了这个代码 但是会运行报错，然后我们看下报错信息： 接下来定位到位置单步调试： 发现在第二次进入时出现了报错， 那么查看data的结构， 找到了data 点开shape 点开0 综上所述： label在d
【web_逆向06】base64
简介 base64其实很容易理解. 通常被加密后的内容是字节. 而我们的密文是用来传输的(不传输谁加密啊). 但是, 在http协议里想要传输字节是很麻烦的一个事儿. 相对应的. 如果传递的是字符串就好控制的多. 此时base64就应运而生了. 26个大写字母+26个小写字母+10个数字+2个特殊符号(+和/)组成了一组类似64进制的计算逻辑. 这就是base64了.。 base64原理 p
【Tensorflow】深度模型推理性能优化-微量优化
序 说到深度模型优化，可能想到最多的就是上GPU，对于CV、NLP这一类模型效果非常明显，一般RT能下降到原来的1/10。但是在实际中，会遇到一些排序类的模型 例如推荐模型DSMM、ESMM、DIN等模型，这些模型深度一般只有4、5层，上GPU后性能、RT反而下降，猜测原因可能是模型网络简单，导致反复IO，最终降低性能。 如何优化 一般CV、NLP这类网络复杂甚至是大模型，我们的优化方向一般是 t
PostgreSQL 15 源码安装一安装包依赖
PostgreSQL 15 源码安装 简单安装流程： ./configuremakesumake installadduser postgresmkdir -p /usr/local/pgsql/datachown postgres /usr/local/pgsql/datasu - postgres/usr/local/pgsql/bin/initdb -D /usr/local/pgsql/d