Python
使用Patroni管理LightDB高可用
使用Patroni管理LightDB高可用 测试环境 CPU: 海光x86 OS: Kylin Advanced Server V10 SP1 LightDB: 13.8-22.3 Patroni: 2.1.3 etcd: 3.5.4 安装部署etcd集群 需要3台机器。 centos/RHEL等可以从epel获取etcd。 麒麟ky10,ky10sp1没有etcd包，可以使用lightdb预编译
Django中实现用户注册登录和个人资料设置后台代码实现
Django中实现用户注册登录和个人资料设置后台代码实现 1.1 创建项目和app 话不多说开始动手 1.2 设置时区和语言 Django默认使用美国时间和英语，在项目的settings文件中，如下所示： 我们把它改为亚洲/上海时间和中文 2.1数据库模型设计 作为一个用户登录和注册项目，需要保存的都是各种用户的相关信息。很显然，我们至少需要一张用户表User，在用户表里需要保存下面的信息：
Python3+Django2实现后台管理系统入门
Python3+Django2实现后台管理系统入门 前言 使用 Django 我们只需要做一些配置，就可以实现简单的后台管理系统，下面我们以新闻系统为例子来搭建后台。 创建项目 切换到工作空间，执行以下命令： 项目结构： │ manage.py ├─news │ │ admin.py │ │ apps.py │ │ models.py │ │ tests.py │ │ vi
[2019红帽杯]childRE
[2019红帽杯]childRE 将该文件放入ida后打开按F5分析main函数 前面在读取了用户输入的31个字符串之后执行了一些较为复杂的操作，目前看不懂，此时先跳过这一部分，直接转到程序最后的部分 这边看到提示说flag是用户输入的MD5值，然后上面有一个循环判断操作，为了程序能够正常运行到输出flag的地方，两个if内的比较操作必须相等，因此我们可以逆向求得outputString的值，
Ubuntu部署django的基础软件安装
ubuntu django sudo vi django.sh sudo chmod u+x django.sh sudo ./django.sh setting.py vi wsgi.py apacheの設定 上記記述後に以下実施 :wq! 残りの設定 apacheの再起動
03 爬取新闻 bs4介绍遍历文档树，bs4搜索文档树， css选择器， selenium基本使用，selenium其他使用 搜索标签
1 爬取新闻 2 bs4介绍遍历文档树 3 bs4搜索文档树 3.2 其他用法 4 css选择器 5 selenium基本使用 5.1 模拟登录百度 6 selenium其他用法 6.2 搜索标签
Table Recognition Metric: 表格识别算法评测工具包及相关评测基准数据集
Table Recognition Metric 该库用于计算TEDS指标，用来评测表格识别算法效果。可与魔搭-表格识别测试集配套使用。 TEDS计算代码参考：PaddleOCR 和 DAVAR-Lab-OCR 使用说明： Install package by pypi. Run by command line. Usage: E
R语言文本挖掘：twitter推特LDA主题情感分析|附代码数据
原文链接：http://tecdat.cn/?p=1506 最近我们被客户要求撰写关于文本挖掘的研究报告，包括一些图形和统计输出。 高度信息化的今天,社交媒体向我们提供直接认识外界的一个窗口,决定着大家对一个地区的认知，像是一双对地区形象“塑型”的“看不见”的手 （ 点击文末“阅读原文”获取完整代码数据******** ）。 ▼ 根据这个背景，tecdat对素有“塞上
tomcat ajp任意文件读取(CVE-2020-1938)
1、介绍 由于 Tomcat AJP 协议设计上存在缺陷，攻击者通过 Tomcat AJP Connector 可以读取或包含 Tomcat 上所有 webapp 目录下的任意文件，例如可以读取 webapp 配置文件或源代码。此外在目标应用有文件上传功能的情况下，配合文件包含的利用还可以达到远程代码执行的危害。 这个漏洞影响全版本默认配置下的 Tomcat（确认其影响 Tomcat 9/8/7/
Flask结合gunicorn和nginx反向代理的生产环境部署及踩坑记录
前言 之前自己写的flask使用gunicorn上线生产环境没有什么问题，但是最近搭建了一个现成的flask项目，当使用python直接运行时不会有问题，而使用gunicorn时则会出现一些问题。 部署过程 运行测试 这里使用pyenv创建了一个虚拟环境，并安装好依赖 下面是入口函数run.py： 其中site_config.json文件如下： 意思是，运行flask服务于127.0.0.
笔记本安装pytorch环境
先安装Anaconda3，python 3.9 创建d2l虚拟环境： 激活d2l： 在d2l虚拟环境中安装pytorch与d2l包： 在d2l虚拟环境中运行jupyter notebook：
vue中视频播放组件的安装
1. 在terminal中输入 cnpm install vue-video-player 2. 安装完成后在main.js中进行配置 import VueCoreVideoPlayer from 'vue-core-video-player' Vue.use(VueCoreVideoPlayer, { lang: 'zh-CN' }) 3. 后续即可正常使用
Resnet18实现二分类
前面一篇内容讲解了如何利用Pytorch实现ResNet，这一篇我们用ResNet18实现一个二分类。接下来从模型、数据及训练三个方面展开。 一、目标 利用ResNet18将以下数据分为两类 class_0 class_1 二、模型 ResNet系列的模型在上一篇已经详细介绍了，这里采用ResNet18。 1. 模型导入 在torchvision库中已经有一些常用模型，我们这里直接引入
04 selenium：等待元素加载 ，元素操作，执行js，切换选项卡，前进后退，异常处理，登录cnblogs，抽屉半自动点赞，xpath使用，动作链，自动登录12306，打码平台，打码平台自动登录
1 selenium等待元素加载 2 selenium元素操作 3 selenium执行js 4 selenium切换选项卡 5 selenium前进后退，异常处理 7 抽屉半自动点赞 8 xpath使用 9 动作链 10 自动登录12306 11 打码平台 12 打码平台自动登录
R语言基于逐步多元回归模型的天猫商品流行度预测
全文链接：https://tecdat.cn/?p=33212 原文出处：拓端数据部落公众号 本文通过利用回归模型对天猫商品流行度进行了研究，确定了决定天猫商品流行度的重要因素。并讲述、论证了预测天猫商品流行度是天猫商品交易的至关重要的环节。通过对天猫商品流行度预测技术的发展和探讨，深度剖析了天猫商品流行度预测这个研究课题。 一、 天猫商品流行度预测发展简介 本文使用的数据集为天猫商品数据集。 它
数据分享|Weka数据挖掘Apriori关联规则算法分析用户网购数据|附代码数据
全文链接：http://tecdat.cn/?p=32150 最近我们被客户要求撰写关于Apriori关联规则的研究报告，包括一些图形和统计输出。 随着大数据时代的来临，如何从海量的存储数据中发现有价值的信息或知识帮助用户更好决策是一项非常艰巨的任务 （ 点击文末“阅读原文”获取完整代码数据******** ）。 数据挖掘正是为了满足此种需求而迅速发展起来的，它是从大
python数据分析实践总结
p { line-height: 2 } “我的惩罚是什么？”伊萨克问艾尔曼。 “孤寂。”艾尔曼回答道。 引言： 在近日的python数据分析实战课中，我学习到使用python进行数据分析的流程、方法，对常使用的函数有一些认识和了解，对 numpy, pandas 包有了一定的理解但不深。 这篇博客将是我自己用于总结归纳的圣地，我将对整个项目的 key point 进行归纳总结，提取其中精
【剑指Offer】3、从尾到头打印链表
【剑指Offer】3、从尾到头打印链表 题目描述： 输入一个链表，按链表值从尾到头的顺序返回一个ArrayList。 解题思路： (三种方法：借助栈、递归、列表的首位插入) 从头到尾打印链表比较简单，从尾到头很自然的可以想到先将链表进行反转，然后再打印。但是，通常我们不希望改变原链表的结构，这是一个只读操作。 因此，我们进一步分析，可以发现排在后面的先输出，这是一个典型的“后入先出”的思想，因此很
深度学习（四）——torchvision中数据集的使用
一、 科研数据集 下载链接： https://pytorch.org/vision/stable/index.html 本文中我们使用的是(CIFAR)数据集 二、CIFAR10数据集详解 具体网站： CIFAR10 — Torchvision 0.15 documentation 1. 参数详解 torchvision中每个数据集的参数都是大同小异的，这里只介绍CIFAR10数据集
项目2:生成随机的测验试卷文件
1. 项目简介 假如你是一位地理老师，班上有35名学生，你希望进行美国各州首府的一个小测验。不妙的是，班里有几个坏蛋，你无法确信学生会不会作弊，你希望随机调整问题的次序，这样每份试卷都是独一无二的，这让任何人都不能从其他人那里抄袭答案，当然手工完成这件事又费时又无聊。好在，你懂一些python。 创建35份不同的测试试卷。 为每份数据创建50个多重选择题，次序随机。 为每个问题提供一个正确答案和
pytest + yaml 框架 -50.支持 redis 数据库配置
前言 v1.4.1 新增 redis 数据库配置 redis 基本操作 环境准备 python 操作redis 基本代码 yaml 用例中操作redis config 配置中配置 REDIS yaml 用例中使用 'redis'对象，调用对应方法如：'redis.get('x')' 网易云完整视频课程https://study.163.com/course/courseMain.htm?c
腾讯视频 微信小程序 视频下载方案
本文所有教程及源码、软件仅为技术研究。不涉及计算机信息系统功能的删除、修改、增加、干扰，更不会影响计算机信息系统的正常运行。不得将代码用于非法用途，如侵立删！ 腾讯视频 微信小程序 视频缓存方案 环境 win10 Charles Internet Download Manager 抓包分析 搜索关键词可以很容易的找到发包的位置，解析json数据，搜索mp4或m3u8之类的后缀关键词找到
mysql8 多表联合查询、pymysql
一、多表联合查询 1、数据准备 部门表和员工表 create table dep( id int primary key auto_increment, name varchar(20) ); create table emp( id int primary key auto_increment, name varchar(20), sex
python之数据库： 约束条件
约束条件 以上例子15: 以上例子16: 以上例子17: 就是name 那一列不能有重复的 以上例子18: 只能有一个是可以重复的 以上例子19: 以上例子20: 以上例子21: 以上例子22: 清空表的两种方式 以上例子23: 以上例子24: 补充其他SQL语句 以上例子25: 往表里加一个age字段，该字段会插入到末尾展示。 2.把gender插
Shell | Transformer-xl代码的shell代码实现
实现网址：https://github.com/kimiyoung/transformer-xl/tree/master/pytorch 图中的.sh文件就是shell命令实现。可以从文件命名看出，中间段是对应的数据集，第三段是规格。我们点开一个看一下： 执行命令： Training bash run_enwik8_base.sh train --work_dir PATH_TO_WORK
pandasTrans
一、导入库 二、读取文件 创建数据表 三、查看数据表信息 1、查看数据维度 df_1.shape 2、查看数据基本信息（维度、列名称、数据格式、所占空间等） df_1.info() df_1.isnull().sum().sort_values(ascending=False) 3、每一列数据的格式 df_1.dtypes 4、某一列格式 df_1['id'].dtype 5、空值 df_1
python之数据库：表关系（外键）,外键约束，一对多, 一对一 ,多对多,多表查询(核心),Navicat客户化工具,Python操作MySQL
表关系(外键) 表关系 一对多 外键约束 多对多的表关系 一对一的表关系 数据准备 多表查询(核心，重要) Navicat客户化工具 Python操作MySQL SQL文件 作业
Python concurrent.futures 模块(转载)
Python concurrent.futures 模块 Python标准模块 concurrent.futures 高度封装进程池线程池模块 1 介绍 concurrent.futures: 模块提供了高度封装的异步调用接口 ThreadPoolExecutor: 线程池，提供异步调用 ProcessPoolExecutor: 进程池，提供异步调用 2 基本方法 submit(f