Python
实用工具 Anaconda
介绍 Anaconda 介绍： Anaconda 是可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的工具。适用 Windows、macOS、Linux 平台。 Anaconda 拥有 conda 包、环境管理器、1000+ 开源库。 Anaconda 包含 180+ 的科学包以及其依赖项，如 conda、numpy、scipy、ipython notebook 等。
pycharm运行代码自动跳转到Python控制台窗口
问题： 在使用Pycharm的过程中，会遇到运行代码Pycharm会自动跳转到Python控制台(python console)窗口，如下图 解决方案： 造成上述问题的原因是：不经意的设置了使用Pytho控制台运行，我们只需要修改以下运行配置就可以恢复正常，如下图 （1）进入编辑配置： （2）取消勾选使用Python控制台运行 也可以直接从模板中关闭，如下图 最终效果：
Knowledge-QA-LLM: 基于本地知识库+LLM的问答系统
⚠️注意：后续更新，请移步README Knowledge QA LLM 基于本地知识库+LLM的问答系统。该项目的思路是由langchain-ChatGLM启发而来。 缘由： 之前使用过这个项目，感觉不是太灵活，部署不太友好。 借鉴如何用大语言模型构建一个知识问答系统中思路，尝试以此作为实践。 优势： 整个项目为模块化配置，不依赖l
基于wsl2在container中利用conda安装pytorch环境
## # 一、利用conda创建一个新的环境 参考命令 conda create -n ENV_NAME python=X.X •-n ENV_NAME 指定环境名称 •python=X.X 指定要创建的Python版本,比如 python=3.6 使用命令： conda create -n pytorch1.13 python=3.8 参考资料-Anaconda conda常用命令：从入门到精
自学周记（7.22-7.29）
这周结束了对教资专业课的学习，开始了对于302中学教育知识与能力的学习，掌握了很多教育学的相关知识，对教书育人有了很多新的理解。 下星期应该是预备8号的科目三考试加继续对302的学习。 除此之外，进行了一些对于ps的训练，以及对于python基础知识的回顾，下周争取看完老师推荐的电视剧，以及开始对大数据的学习
pandas模块--------------------基础篇学习
1.读取Excel数据 Python通过pandas库可以轻松地读取Excel数据。pandas库是一个专门用于数据分析和处理的库，它可以将Excel中的数据读取为DataFrame格式，便于进行后续的数据分析和操作。 2. 同样是上面的测试表格，我们将分值大于60的人员筛选出来，然后按照分值降序排列。 3.使用pandas库，可以将处理好的数据快速写入Excel文
Sctf2023 Re 部分题解
re 是谁不复习计网和数据库写re Syclang 给出两个文件 一个是ir 一个是编译器 直接看ir即可 拿vscode正则匹配替换 得到 直接编译即可 别开O3优化 会优化没（） 然后ida识别 建结构体 然后z3解即可 偷一份 sctf{r5cbsumyqpjy0stc7u} Digital_circuit_learning stm32固件逆向 参照[原创]固件安全之加载地址分析-智
VMware NSX Advanced Load Balancer (NSX ALB) 22.1.4 - 负载均衡平台
VMware NSX Advanced Load Balancer (NSX ALB) 22.1.4 - 负载均衡平台 请访问原文链接：https://sysin.org/blog/vmware-nsx-alb-22/，查看最新版。原创作品，转载请保留出处。 作者主页：sysin.org 负载均衡平台 NSX Advanced Load Balancer NSX Advanced Load Ba
HTML | HTML表单
概念：一个包含交互的区域，用于收集用户提供的数据。 1. 基本结构 简单梳理： 标签名 标签语义 常用属性 单 / 双标签 form 表单 action ：用于指定表单的提交地址（需要与后端人员沟通后确定）。target ：用于控制表单提交后，如何打开页面，常用值如下： _self ：在本窗口打开。 _bla
ESP32连接云服务器【WebSocket】
ESP32连接云服务器【ESP32+宝塔面板】 🔮🔮🔮🔮🔮相关文章🔮🔮🔮🔮🔮 ESP32连接MQ Sensor实现气味反应 🔗 https://blog.csdn.net/ws15168689087/article/details/131365573 ESP32+MQTT+MySQL实现发布订阅【气味数据收集】 🔗 https://blog.csdn.net/ws15
多线程共享全局变量的问题
线程之间共享全局变量 多个线程都是在同一个进程中 , 多个线程使用的资源都是同一个进程中的资源 , 因此多线程间是共享全局变量 问题 示例 输出： g_num1: 1891306 g_num2: 2000000 定义两个函数，实现循环100万次，每循环一次给全局变量加1 创建两个子线程执行对应的两个函数，从结果中可以发现有1个线程执行结果错误。就是因为资源共享存在可见性、非原子性等问
Django Form源码分析(2)
1 前置知识点 1.1 render函数 可以看到render函数先拿到模板， 再进行模板渲染 那么form函数是如何自动生成表单里的input标签呢， 应该是在form里已经渲染好一遍生成了input标签放进了{"form": form}的集合 render函数再进行渲染 2 Form函数 2.1 Form源码分析 2.1.1 Form初始化 当我们自己写了个
解决(几乎)任何机器学习问题(1、建立你的工作环境)
原作者：Abhishek Thakur 原文：GitHub - abhishekkrthakur/approachingalmost: Approaching (Almost) Any Machine Learning Problem 1、建立你的工作环境 在我们开始编码之前，在你的机器上设置好一切是非常重要的。在本书中，我们将使用 Ubuntu 18.04 和 Python 3.7.6。 如
多线程共享资源之竞态条件
什么是竞态条件？ 竞态条件是指多个线程在访问和操作共享资源时，由于执行顺序的不确定性而导致结果不确定或出现错误。 示例1： 输出：Counter: 0 多次执行从结果上，是对的。多线程存在竞态条件，可能导致结果不正确。（有些结果是正确的，有写结果是错误的，存在概率问题） 在这段代码中，两个线程分别对共享变量 counter 进行加一和减一操作。由于这两个线程同时访问和修改 counter 变
QEMU启动RISC-V架构OpenEuler并配置OSC环境
基于Ubuntu 18.04，QEMU 8.0.2，OpenEuler 22.09 安装QEMU 安装基础编译工具 下载QEMU 建立文件夹用于编译： 建立文件夹用于安装： 可登录官网将版本号换成最新版本即可： 安装QEMU 配置环境变量 下载 OpenEuler RISC-V 系统镜像 建立目录： 根据自己的用户名修改user 下载OpenEuler 22.09版本
P9459 浴眼盯真 题解
由于我不会使用正则表达式，所以我只能使用基础 Python 语法 QwQ。 [input().split()for _ in range(int(input()))] 是个列表生成器，效果是产生一个长度为 (T) 的列表，列表的元素是以每一行以空格为分割符的字符串列表。 for(a,b,c,d)in[] 可以用 (a,b,c,d) 来复制列表中每个元素的第 (0,1,2,3) 个元素，非常方便。
Django web框架实现修改【单个】nacos配置
Django web框架实现修改【单个】nacos配置 基于上一个博客的Django 的项目环境继续添加一些高级的功能——修改nacos配置。 简单回顾一下，上面添加的功能： 博客网站文章上传、发布，redis key删除接口。 1. 首先安装Python Nacos客户端库 2. 创建nacos_settings.py文件 在Django项目中创建一个nacos_setti
v831-c-编译环境部署篇
学了一遍又学回来了，整理整理v831的环境吧 头文件 这些头文件上面部分是在python里面在编译成可执行文件之前会创造出来的，不用理他 下面则是components里面的，需要在.vscode里面设置一下路径 这样基本上就可以了，其他的我们不再vscode里面一键操作，就不设置了 工具链路径 工具链的路径我用的还是从t113拿的工具链，因为所用的工具相同所以复制粘贴一下就行了，记得用命令设置
linux文本编辑YCM报错
linux文本编辑YCM报错 刚从github安装了vimplus，可是发现存在不少的问题。索性给直接记录一下。 The ycmd server SHUT DOWN (restart with ':YcmRestartServer'). ycm的readme中给出推荐版本需要注意一下。 由于本人的python版本是3.10，所以出现了版本兼容的问题。原因是Python3.10版本以后对req
python线程并行执行与java的线程并行执行的对比
python 多线程并不是真正的并行执行，而java的多线程是真正的并行执行 python 在Python中，由于全局解释器锁（GIL）的存在，多线程并不能实现真正的并行执行。 GIL是一种机制，它限制了同一时刻只能有一个线程执行Python字节码，这意味着在多线程环境下，多个线程并不能同时执行CPU密集型的任务。 GIL的存在导致Python的多线程主要适用于IO密集
线性回归模型实现——pytorch版
import random import torch from d2l import torch as d2l def synthetic_data(w,b,num_examples): """生成y=Xw+b+噪声""" x = torch.normal(0,1,(num_examples,len(w))) #0 1 正态分布，num_examples个样本，len(w)列
高精度离线免费 的C#文字识别PaddleOCR库
随便打开一个Microsoft Visual Studio，新建一个WinForms项目，从下面列表中随便选择一个NET框架。目标平台要设置成X64，该OCR仅支持64位。 1 2 3 net35;net40;net45;net451;net452;net46;net461;net462;net47;net471;net472;net48; netstandard
IO密集型任务与CPU密集型任务
IO密集型 1. IO密集型任务是指在执行过程中主要涉及到输入输出（IO）操作的任务。这些任务通常需要与外部资源进行交互，如读写文件、网络请求、数据库查询等，而实际的计算量相对较小。 2. 在IO密集型任务中，CPU的使用率相对较低，大部分时间都花费在等待IO操作完成上。因此，多线程在这种情况下能够充分利用等待IO操作的时间，执行其他任务，从而提高程序的并发性和响应能力。 3. 当一
softmax回归模型——pytroch版
import torch from IPython import display from d2l import torch as d2l # from d2l.mxnet import Accumulator batch_size = 256 # 每次读256张图片,返回训练iter和测试iter train_iter, test_iter = d2l.load_data_fashion_mn
softmax回归模型simple——pytroch版
import torch from torch import nn from d2l import torch as d2l batch_size = 256 train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size) # PyTorch不会隐式地调整输入的形状。因此， # 我们在线性层前定义了展平层（flatten），来调整
多层感知机——pytorch版
import torch from torch import nn from d2l import torch as d2l batch_size = 256 train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size) num_inputs,num_outputs,num_hiddens = 784, 10,256 w1 =