Python
Django实现文件上传、文件列表查看、修改、限流和日志记录
Django实现文件上传、文件列表查看、修改、限流和日志记录 本章先简单实现文件的上传，后续会将标题的功能一 一添加上去实现，并且给出远程服务器的不同连接方式【密码和秘钥】，欢迎继续关注。 安装了Django框架 创建一个Django项目 创建Django应用 进入项目目录并创建一个Django应用： 配置视图文件 在file_uplo
8月5号到8月12号。假期周总结
8月5号到8月12号。 周日我看了一下Python的课程二进制编码，标识符保留四变量的定义使用，还有给变量赋值数据的类型。周一我学习了Python的输入输出运算符的使用方法，有运算符的优先级。还有分支结构，单分支结构，双分支结构，多分支结构，嵌套的分支结构。我还学习了一下条件表达式。周二我学习了pass语句 While循环。Range函数的使用。 For循环。还有一些练习题，水仙花数。周二我学习了
chatglm.cpp使用手记
目前绝大多数LLM模型都是python实现的，运行速度有限（包括ChatGLM2-6b)，幸好有大神将其用C++重写了一遍，让运行速度大大提高。 项目地址：li-plus/chatglm.cpp: C++ implementation of ChatGLM-6B & ChatGLM2-6B (github.com) 部署过程如下（环境：WSL 2 ubuntu 22.04，显卡: N卡RT
text-generation-webui试用 windows平台 以及目前比较好的开源中文模型 Baichuan-13B-Chat测试
随着llama的大模型发布，个人也可以在自己电脑上运行生成文本的大模型，建议用大显存的显卡，比如2080ti11g ， 3060 12g ， 3090 24g。 找这篇文章操作 https://openai.wiki/text-generation-webui.html 其中最麻烦的是安装依赖，这是2080ti下
Faker库详解 - Python中的随机数据生成器
@目录Faker介绍Faker安装Faker使用基本使用方法随机生成人物相关的基础信息随机生成地理相关的信息随机生成网络相关的信息随机生成日期相关的信息随机生成数字/字符串/文本随机生成列表/元组/字典/集合/迭代器/json随机生成文件相关的信息随机生成颜色/表情每次请求获取相同的数据Faker的应用结合pymysql库将数据插入到数据库中结合openpyxl库将数据导出到Excel中在Pyte
用Python语言进行多元时间序列ARIMAX模型分析
1.ARIMAX模型定义 ARIMAX模型是指带回归项的ARIMA模型，又称扩展的ARIMA模型。回归项的引入有利于提高模型的预测效果。引入的回归项一般是与预测对象（即被解释变量）相关程度较高的变量。比如分析居民的消费支出序列时，消费会受到收入的影响，如果将收入也纳入到研究范围，就能够得到更精确的消费预测。 2.ARIMAX的建模步骤 读取数据（观察值序列）-->通过观察响应变量的时
程序员练级攻略：书单持续更新中
《与孩子一起学编程》 《Python编程快速上手》 《Python编程：从入门到实践》 《代码大全》：不需要马上看完，随着编程实践的积累，踩过坑后，拿出来看看会有更多体会 Java： 《Head First Java》或者《Java 核心技术（卷1）》 《Spring in Action》或者《Spring Boot 实战》 C#： 《C# 7.0 in a Nutshell》或者《深入理解
python创建代理报错[WinError 10061] 由于目标计算机积极拒绝，无法连接。
[WinError 10061] 由于目标计算机积极拒绝，无法连接 最近在学习《python3：网络爬虫开发实战》时遇到了一个问题，在创建代理的例子中，运行代码后报了以下的错误： 修改计算机代理设置或者防火墙都无法解决，最后注释了proxy_handler的http的键值，运行成功，所以猜测可能不支持存在多个代理信息： 爬虫小白一枚，记录一下，如果有哪位大神知道原因的话，希望能在评论区交流一下
基本环境准备(第一节)
基本环境准备(第一节)2023年8月9日16:37 1.安装Node.js；Windows 上安装 Node.js你可以采用以下两种方式来安装。1、Windows 安装包(.msi)本文实例以 v0.10.26 版本为例，其他版本类似， 安装步骤： 步骤 1 : 双击下载后的安装包 v0.10.26，如下所示：步骤 2 : 点击以上的Run(运行)，将出现如下界面：
kestra apache airflow 可选方案
今天我有简单说明过一个mage-ai 的airflow 替换方案，kestra 是另外一个可选方案kestra 使用了yaml 进行piepline 的配置，当然我们也可以直接在ui 中操作，kestra包含了自己的插件系统 适合的业务场景 数据调度 分布式调度 事件驱动workflow 说明 kestra 也提供了可以在线体验的地址，可以使用测试，相比mage-ai 基于python 开发
端侧DNN部署——模型转换
1 端侧推理框架经验总结 总结下最近用过的一些框架，并介绍他们的主要特点和转换过程。 onnxruntime ncnn mnn tensorflow lite huawei hiai paddlelite 2 模型部署转换过程 我们以torchvision库中的resnet50模型为例，介绍模型转换的过程。 2.1 pytorch 转换到 others pytorch是目前主流的模型训练框架，
Linux 上的 DB2 11.1 GUI 安装
概述 在这篇文章中，我们将介绍在 Linux 上安装 DB2 11.1 的步骤。在安装任何 DB2 LUW 产品之前，您应该确保您的系统满足操作系统、硬件、软件、存储和内存要求。 注：以下步骤也适用于 Linux 上的 DB2 11.5 安装。 解决方案 第 1 步：检查以下链接以了解最新的安装要求 https://www.ibm.com/support/p
Hackintosh 安装
Hackintosh 安装 来源 https://zhuanlan.zhihu.com/p/157200950 前言 这一篇排骨来说说 Z490 主板的黑苹果系统安装流程 (基于 OpenCore). 仍然是以上一篇的硬件 Intel i7-10700K + 圣旗 Z490-PRO Gaming + 讯景 RX 480 为基础, 介绍排骨开荒吃土的全部过程~ 流程大概有以下
176. 第二高的薪水
176. 第二高的薪水 2023年8月12日19:03:40 176. 第二高的薪水 中等 SQL Schema Pandas Schema Employee 表： 查询并返回 Employee 表中第二高的薪水 。如果不存在第二高的薪水，查询应该返回 null(Pandas 则返回 None) 。 查询结果如下例所示。 示例 1： 示例 2： 这错在哪里了 我的错 答案
177. 第N高的薪水
177. 第N高的薪水 2023年8月12日20:32:24 177. 第N高的薪水 中等 SQL Schema 表: Employee 查询 Employee 表中第 n 高的工资。如果没有第 n 个最高工资，查询结果应该为 null 。 查询结果格式如下所示。 示例 1: 示例 2: 通过次数 215.4K 提交次数 461.1K 通过率 46.7% 答案
183. 从不订购的客户
183. 从不订购的客户 2023年8月12日20:15:58 183. 从不订购的客户 简单 SQL Schema Pandas Schema Customers 表： Orders 表： 找出所有从不点任何东西的顾客。 以 任意顺序 返回结果表。 结果格式如下所示。 示例 1： 通过次数 345.7K 提交次数 521.9K 通过率 66.2% 答案
1148. 文章浏览 I
1148. 文章浏览 I 2023年8月12日20:21:30 1148. 文章浏览 I 简单 相关企业 SQL Schema Pandas Schema Views 表： 请查询出所有浏览过自己文章的作者 结果按照 id 升序排列。 查询结果的格式如下所示： 示例 1： 通过次数 64K 提交次数 90.4K 通过率 70.8% 答案
1527. 患某种疾病的患者
1527. 患某种疾病的患者 2023年8月12日20:31:37 1527. 患某种疾病的患者 简单 SQL Schema Pandas Schema 患者信息表： Patients 查询患有 I 类糖尿病的患者 ID （patient_id）、患者姓名（patient_name）以及其患有的所有疾病代码（conditions）。I 类糖尿病的代码总是包含前缀 DIAB1 。 按 任意顺序