Python
一份保姆级的Stable Diffusion部署教程，开启你的炼丹之路
市面上有很多可以被用于AI绘画的应用，例如DALL-E、Midjourney、NovelAI等，他们的大部分都依托云端服务器运行，一部分还需要支付会员费用来购买更多出图的额度。在2022年8月，一款叫做Stable Diffusion的应用，通过算法迭代将AI绘画的精细度提上了一个新的台阶，并能在以秒计数的时间内完成产出，还可以在一台有“民用级”显卡的电脑上运行。 通过Stable Diffus
Django容易被遗忘却无比重要的框架默认文件介绍及使用方法
在Python Web开发领域，Django框架的地位犹如璀璨的明星，其全面、高效和安全的特性使其在全球范围内广受欢迎。本文将全面解析Django框架的默认文件，并深入探讨每个文件及其组成的意义和用途，透彻展示这个强大框架的文件结构和设计原理。 首先，让我们看一下创建一个新的Django项目后的目录结构： manage.py：这是Django项目的命令行工具，可以用于执行许多与项目管理和开发
文件光标及修改/函数
文件内光标的移动（了解） 1.关于read 创建一个文件是 a.txt，里面是：大家好 hello （1） read在二进制模式下 括号内的数字表示的是读取指定的字节数（2）unicode所有的字符都是用2bytes来起步表示（3）utf8中文用3bytes来表示 英文用1bytes来表示 往后unicode可以不做研究 只研究utf8、gbk等编码即可 2.控制光标的移动
2021年电赛题目基于互联网的摄像测量系统（D题）
基于互联网的摄像测量系统设计报告2021 年全国大学生电子设计竞赛试题<10cmO 拍摄方向θ1mx1m拍摄方向BA边长为1米的 正方形测试区域l互联网参赛注意事项(1) 11 月 4 日 8:00 竞赛正式开始。本科组参赛队只能在【本科组】题目中任选一题；高职 高专组参赛队在【高职高专组】题目中任选一题，也可以选择【本科组】题目。(2) 参赛队认真填写《登记表》内容，填写好的《登记表》交赛
windows下安装 Git图形化统计工具 - gitstats
gitstats 是一款git历史统计工具，可以生成定量的统计数据，并以html图表的形式展示。统计文件包括文件数量、代码量、提交量、作者信息、每天活跃度、每周活跃度、每月活跃度以及提交数排名等等，信息比较丰富。 安装：gitstats 依赖 Git 、Python2 以及Gnuplot。以下是最新的依赖版本。- Python (>= 2.6.0)- Git (>= 1.5.2.4)-
Linux下alternatives命令学习总结
在Linux系统中提供了一个alternatives命令，用于在多个同功能的软件，或软件的多个不同版本间选择、切换。简单来说就是版本切换控制。例如，你的操作系统有多个Python版本，例如python3.6,Python 3.9,如果不用alternatives命令，那么你可能需要通过手工修改软链接来实现Python版本的切换。如果用alternatives命令就可以很容易的实现Python版本的
HuggingFace | huggingface中遇到的坑
一、不要尝试使用huggingface的Trainer函数加载自定义模型 理论上说，Hugging Face的Trainer函数可以加载自定义模型，只要您的模型是基于PyTorch或TensorFlow实现的，并且实现了必要的方法（如forward方法和from_pretrained方法）。 要将您的自定义模型与Hugging Face的Trainer函数一起使用，您需要使用Transformer
pip3安装pysqlite3
一、环境 1.更新 pip3 ，建议更新 2.更新 setuptools 不更新，报错：Preparing metadata (setup.py) ... error 3.报错：No module named '_ctypes' 解决方法：https://www.jianshu.com/p/b1f575c45e10 https://blog.csdn.net/weixin_4379027
Python报错 | RuntimeError: expected scalar type Long but found Float
报错信息 在执行nlp自定义模型的训练函数的时候，报如下错误： 错误原因 这个错误通常是由于张量数据类型不匹配引起的。在 PyTorch 中，张量数据类型非常重要，因为它们指定了张量中存储的数值的精度和类型。如果您在模型的前向传递中使用了错误的数据类型，就会出现这个错误。 例如： 运行结果： 因为input也就是我们的v是torch.long类型的而weight是torch.float类型
linux编译PDFium.so
主要参考https://zhuanlan.zhihu.com/p/37729756这篇文章，不过编译后没有libPDFium.so这个文件。 本方法已在龙芯3A5000,统信专业版测试通过。已打包PDFium及gyp的下载地址：链接: https://pan.baidu.com/s/1tG-gf3gehzXjSYnoanIDSg?pwd=xwzv 提取码: xwzv 一、取主代码 pdfium的源
python爬虫scrapy入门教程
背景：python实现网页爬虫，可以使用scrapy，首先，需要安装python的运行环境，我们这里使用anaconda集成环境。 安装好以后，打开Anaconda Navigator，打开CMD.exe Prompt，在命令行窗口运行：pip install scrapy，运行完，没有报错，意味着scrapy就安装好了，然后，在当前文件夹下新建一个文件，名为：myspider.py，代码如下：
python 获取动态库 lib-dynload 路径
动态库 lib-dynload 路径 参考； https://blog.csdn.net/jaket5219999/article/details/53512071
C++ 设计模式之享元模式
设计模式之享元模式 享元模式，运用共享技术有效地支持大量细粒度的对象。面向对象技术可以很好地解决一些灵活性或扩展性问题，但在很多情况下需要在系统中增加类和对象的个数。当对象数量太多时，将导致运行代价过高，带来性能下降等问题。享元模式正式为了解决这依赖问题而诞生的。享元模式通过共享技术实现相同或相似对象的重用，示意图如下（我们可以公用一个Hello world对象，其中字符串“Hello worl
python数据类型详解
python 数据类型详解 Author: Huang ChengLong ShortDescription： Python基础数据类型详解 str字符串 list列表 dict字典 tuple元组 set集合 python 数据类型详解 1. 常用基本数据类型分类 1.1 按是否可变分类 1.2 按序列类型分类 2. 数字类型（int、float、complex） 2.1 定义 2.
18.python-描述器
pyhton 描述器 目录pyhton 描述器类属性和描述器描述器的实际应用数据校验实现类型检查参考资料 在 Python 中，描述器是一种特殊的对象，它允许您控制属性的访问方式。描述器通常与类属性一起使用，以便在访问属性时执行自定义的行为。这种类是当做工具使用的，不单独使用 类属性和描述器 描述符的作用是用来代理另外一个类的属性的 (必须把描述符定义成这个类的类属性，不能定义到构造函数中) 描述
因子分解机 libFM| DeepFM| Deep&wide| NFM
1. 因子分解机 MF的回顾 矩阵分解： 将矩阵拆解为多个矩阵的乘积 用户users和商品Items的评分矩阵是稀疏的，因为他不会对所有商品打分；把它拆分为2部分，K值是降维的维度，比如user1对10w个电影打分，10w降为K维（K一般取100左右）； k维降维变成稠密矩阵； 矩阵分解方法： EVD（特征值分解） SVD（奇异值分解） 求解近似矩阵分解的最优化问题 ALS（
4.2 x64dbg 针对PE文件的扫描
通过运用LyScript插件并配合pefile模块，即可实现对特定PE文件的扫描功能，例如载入PE程序到内存，验证PE启用的保护方式，计算PE节区内存特征，文件FOA与内存VA转换等功能的实现，首先简单介绍一下pefile模块。 pefile模块是一个用于解析Windows可执行文件（PE文件）的Python模块，它可以从PE文件中提取出文件头、节表、导入表、导出表、资源表等信息，也可以修改PE文
「路飞项目15」上线
1 下单接口前端 理论 CourseDetail.vue 2 支付宝get回调和post回调 2.1 前端回调页面 2.2 前端回调get请求 2.3 后端支付宝回调接口 3 上线前准备 4 阿里云购买 4.1 上线架构图 浏览器写ip地址，不写端口号，默认端口是80 5 安装git 6 安装mysql 7 安装redis 8 安装python 9安装虚拟环境 1
clickhouse使用入门
转载请注明出处(～￣▽￣)～严禁用于商业目的的转载～ 导语：同学，你也不想你根本不懂ClickHouse，却赶鸭子上架使用的事情被其他人知道吧？ 写在前面：本文旨在让原先有一定SQL基础的人快速简单了解ClickHouse的（关键）概念/特性，侧重于使用方面的介绍比较而非原理/实现挖掘。文章算是个人摘录学习+理解，主要参考资料为ClickHouse官方（英文）文档（毕
【视频】决策树模型原理和R语言预测心脏病实例
全文链接：https://tecdat.cn/?p=33128 原文出处：拓端数据部落公众号 分析师：Yudong Wan 决策树模型简介 决策树模型是一种非参数的有监督学习方法，它能够从一系列有特征和标签的数据中总结出决策规则，并用树状图的结构来呈现这些规则，以解决分类和回归问题。与传统的线性回归模型不同，决策树回归模型能够捕捉到非线性关系，并生成易于解释的规则。 决策树模型的实现过程 决策树
ARIMA模型，ARIMAX模型预测冰淇淋消费时间序列数据|附代码数据
全文下载链接：http://tecdat.cn/?p=22511 最近我们被客户要求撰写关于ARIMAX的研究报告，包括一些图形和统计输出。 标准的ARIMA（移动平均自回归模型）模型允许只根据预测变量的过去值进行预测 。 该模型假定一个变量的未来的值线性地取决于其过去的值，以及过去（随机）影响的值。ARIMAX模型是ARIMA模型的一个扩展版本。它还包括其他独立（预测）变量。该模型也被称为向量A
R语言和Python用泊松过程扩展：霍克斯过程Hawkes Processes分析比特币交易数据订单到达自激过程时间序列|附代码数据
全文下载链接：http://tecdat.cn/?p=25880 最近我们被客户要求撰写关于泊松过程的研究报告，包括一些图形和统计输出。 本文描述了一个模型，该模型解释了交易的聚集到达，并展示了如何将其应用于比特币交易数据。这是很有趣的，原因很多。例如，对于交易来说，能够预测在短期内是否有更多的买入或卖出是非常有用的。另一方面，这样的模型可能有助于理解基本新闻驱动价格与机器人交易员对价
R语言用Copulas模型的尾部相依性分析损失赔偿费用
原文链接：http://tecdat.cn/?p=22226 最近我们被客户要求撰写关于Copulas的研究报告，包括一些图形和统计输出。 两个随机变量之间的相依性问题备受关注,相依性(dependence)是反映两个随机变量之间关联程度的一个概念 它与相关性(correlation)有区别，常用的相关性度量是Pearson相关系数,它只度量了两个随机变量之间的线性关系,其值不仅依赖于它们的Cop
day07--23.7.6java程序运行机制以及IDEA安装
JAVA程序运行机制 计算的的高级语言编辑类型 编译型：complie；需要编译器；对操作系统的要求比较低，比如操作系统，c，c++ 解释型：性能会有损失，比如网页，速度要求没那么高 java既有编译型的特点也有解释型的特点 区别在于时机不同 程序运行机制 源文件-->编译器-->字节码-->类装载器-->字节码校验器-->解释器-->操作
pandas 计算kama 均线
pandas 计算kama 均线 原址:Python Pandas Kaufman Adaptive Moving Average (KAMA)--在Pandas或Cython中进行递归计算 - IT宝库 (itbaoku.cn)
16本python书籍推荐
16本python书籍推荐 16本python书籍推荐 - 哔哩哔哩 (bilibili.com) 1. 《流畅的Python》这本书由Python核心开发人员之一所写，讲解了Python中一些比较难以理解的概念，如迭代器、生成器、装饰器等。适合有一定编程基础的读者。2. 《Python编程：从入门到实践》这是一本非常适合初学者的Python入门书籍，通过实
知识图谱之《海贼王-ONEPICE》领域图谱项目实战（含码源）：数据采集、知识存储、知识抽取、知识计算、知识应用、图谱可视化、问答系统(KBQA)等
知识图谱之《海贼王-ONEPICE》领域图谱项目实战（含码源）：数据采集、知识存储、知识抽取、知识计算、知识应用、图谱可视化、问答系统(KBQA)等 实体关系可视化页面可视化页面尝鲜 1. 项目背景& 项目内容 《海贼王》(英文名ONE PIECE) 是由日本漫画家尾田荣一郎创作的热血少年漫画，因为其宏大的世界观、丰富的人物设定、精彩的故事情节、草蛇灰线的伏笔，受到世界各地的读者欢迎，截