Python
Databend v1.2 版本发布！Data + AI
各位社区小伙伴们，Databend 于 2023 年 6 月 29 日迎来了 v1.2.0 版本的正式发布！相较于 v1.1.0 版本，开发者们一共新增了 600 次 commit，涉及 3083 个文件变更，约 17 万 行代码修改。感谢各位社区伙伴的参与，以及每一个让 Databend 变得更好的你！ 在 v1.2.0 版本中，Databend 新增了 BITMAP 数据类型 、 使用列号
Python黑魔法：探秘生成器和迭代器的神奇力量
在Python中，生成器和迭代器是实现惰性计算的两种重要工具，它们可以帮助我们更有效地处理数据，特别是在处理大数据集时，可以显著减少内存的使用。接下来，我们将详细介绍这两种工具。 一、迭代器 迭代器是一种特殊的对象，它可以遍历一个集合中的所有元素。任何实现了__iter__()和__next__()方法的对象都可以被称为迭代器。 1.1 创建迭代器 首先，让我们通过一个简单的例子来看看如何创建
python一题多解：编写函数 change(str1) ，其功能是对参数 str1 进行大小写转换
# 习题 6，3. 编程题，p95 # (2) 编写函数 change(str1) ，其功能是对参数 str1 进行大小写转换， # 将大写字母转换成小写字母； # 小写字母转换成大写字母； # 非英文字符不转换。 # 类似p54，4. 编程题 (1)，用分支语句实现。 def change1(str1): ret = "" for i in range(len(st
分类问题、回归问题，使用的损失函数和评估指标
问题 模型的最后一层应该使用的激活函数 损失函数 评估指标 二分类问题 sigmoid binary_crossentropy accuracy 单标签、多分类问题 softmax 处理多分类问题的标签有两种方法：1. 通过分类编码（也叫one-hot编码）对标签进行编码，然后使用categorical_crossentropy损失函数；2. 将标签编码为整数，然后使用spars
NLP | epoch、train_steps和batch_size的关系
在深度学习中，通常使用 epoch、train_steps 和 batch_size 三个参数来控制模型的训练过程。它们之间的关系如下： epoch 表示模型训练过程中的迭代次数，即遍历整个训练数据集的次数。一个 epoch 完成之后，相当于模型已经看到了整个训练集的数据。每个 epoch 训练过程中都会对所有的训练数据进行一次训练，以此来更新模型的参数，提高模型对数据的拟合能力。例如，如果训
Flask SQLALCHEMY Model 模型
Flask SQLALCHEMY Model 模型 SQLAlchemy常用列类型 db.Column类构造函数的第一个参数代表数据类型，SQLAlchemy中基本包含了所有数据库中的类型，具体如下： 类型名 Python类型 说明 Integer int 普通整数，32位 SmallInteger int 16位整数 BigInteger int或long 不限制精
python 判断方法是不是协程函数
asyncio.iscoroutinefunction 是一个函数，用于检查给定的函数是否是一个协程函数（Coroutine function）。 在 asyncio 模块中，协程是一种特殊的函数，可以在异步程序中进行非阻塞的并发操作。协程函数可以通过 async def 声明，或者通过 @asyncio.coroutine 装饰器定义。 asyncio.iscoroutinefunction 函
完全兼容DynamoDB协议！GaussDB(for Cassandra)为NoSQL注入新活力
摘要：DynamoDB是一款托管式的NoSQL数据库服务，支持多种数据模型，广泛应用于电商、社交媒体、游戏、IoT等场景。 本文分享自华为云社区《完全兼容DynamoDB协议！GaussDB(for Cassandra)为NoSQL注入新活力》，作者：GaussDB 数据库 。 DynamoDB是一款托管式的NoSQL数据库服务，支持多种数据模型，广泛应用于电商、社交媒体、游戏、IoT等场景。为了
selenium ui自动化遇到切换窗口，点击高级并继续访问的处理方式
在python自动化中（ui），遇到了一个需要浏览器切换窗口，点击“高级”-“接受风险并继续”的操作，前期在本地编写代码调试时，没有任何问题。 切换环境，放到Linux服务中，使用无头模式去运行代码时，发现切换窗口时，总是找不到页面元素，查看截图发现页面为空白，检查两天无果。 场景图片，如下图所示，当点击某个按钮，触发新的浏览器窗口时，所展示的页面： # 修改之前的启动浏览器部分代码 opt
【numpy基础】--数组排序
numpy 数组通常是用于数值计算的多维数组，而排序功能可以快速、准确地对数据进行排序，从而得到更加清晰、易于分析的结果。 在数据分析和处理过程中，常常需要对数据进行排序，以便更好地理解和发现其中的规律和趋势。 排序会应用在很多场景中，比如： 数据分类：将数据按照一定的特征进行分类，可以通过 numpy 数组排序来实现。 数据筛选：通过 numpy 数组排序，可以快速地筛选出符合特定条件的数据。
[oeasy]python0070_动态类型_静态类型_编译_运行_匈牙利命名法
动态类型_静态类型 回忆上次内容 上次了解了 帮助文档的 生成 开头的三引号注释 可以生成 帮助文档 文档 可以写成网页 python3 本身 也有 在线的帮助手册 目前的程序 提高了 可读性
[重要] try except语句的基本语法是什么？
try except语句的基本语法是什么？ ━━━━━━━━━━━━━━━━━━━━━━ 有时候我们写程序的时候，会出现一些错误或异常，导致程序终止. 为了处理异常，我们使用try...except 把可能发生错误的语句放在try模块里，用except来处理异常。 except可以处理一个专门的异常，也可以处理一组圆括号中的异常， 如果except后没有指定异常，则默认处理所有的异常。 每一个tr
Python全栈学习 day10 函数基础
day10 函数入门 目标：掌握函数的编写方式以及函数的基本使用。 今日概要： 初识函数 函数的参数 函数的返回值 提示：由于昨天的内容比较多，为了减轻大家的学习压力，今天设计的课程内容会比较少。 1. 初识函数 函数到底是个什么东西？ 函数，可以当做是一大堆功能代码的集合。 例如： 什么时候会用到函数？ 什么时候会用到函数呢？一般在项目开发中有会有两种应用场景： 有重复代码
Python全栈学习 day15 内置和开发规范
day15 内置模块和开发规范 目标：掌握常见的内置模块的使用及了解软件开发的规范。 今日概要： 内置模块 json time datetime re 开发规范 主文件 配置文件 数据 附件 业务代码 1. 内置模块 1.1 json json模块，是python内部的一个模块，可以将python的数据格式 转换为json格式的数据，也可以将json格式的数据转换为python的
Python全栈学习 day13 内置函数各生成器及推导式
day13 内置函数和推导式 今日概要： 匿名函数 生成器 内置函数 附加：推导式，属于数据类型的知识，内部的高级的用法会涉及到【生成器】和【函数】的知识。 1. 匿名函数 传统的函数的定义包括了：函数名 + 函数体。 匿名函数，则是基于lambda表达式实现定义一个可以没有名字的函数，例如： 基于Lambda定义的函数格式为：lambda 参数:函数体 参数，支持任意参数。
python之numpy模块
1 NumPy是什么？ NumPy （全称：Numeric Python）是python的第三方模块，主要用于计算、处理一维或多维数组。 Numpy通常与Scipy（Python科学计算库），Matplotlib（Python绘图库），Pandas（Python数据处理）等组合使用，这样可以广泛的代替Matlab的使用。 2 为什么使用NumPy？ Python中没有内置数组(array)类型，
Vulnhub_Acid_wp
前言 靶机下载地址：https://download.vulnhub.com/acid/Acid.rar 靶机探测 nmap -sn 192.168.20.0/24 192.168.20.146是新出现得ip所以为靶机ip 详细信息扫描 nmap -A -p- 192.168.20.146 漏洞扫描 nmap nmap -p 33447 --script=vuln 192.168.20.146
python: Enum
# encoding: utf-8 # Author : geovindu,Geovin Du 涂聚文. # IDE : PyCharm 2023.1 python 11 # Datetime : 2023/7/2 21:18 # User : geovindu # Product : PyCharm # Project : pythonStu
微信公众号_爬虫_fiddler_抓包_python
wechat_python/run.py wechat_python/app.py wechat_python/src/main.py wechat_python/src/core/conf.py wechat_python/src/models/__init__.py wechat_python/src/models/article.py wechat_python/src/sche
最优化问题简介及优秀教材《凸优化》介绍
前言 最优化广泛应用于科学与工程计算、数据科学、机器学习、人工智能、图像和信号处理、金融和经济、管理科学等众多领域。 最优化问题可以归纳为如下定义： 最优化问题一般很难求解，除了一些特例。目前已经发展成熟的，能够有效求解的最优化问题可以归为以下三类： 最小二乘问题 least-squares problems 线性规划问题 linear programming prob
微型神经网络库MicroGrad-基于标量自动微分的类pytorch接口的深度学习框架
一、MicroGrad MicroGrad是大牛Andrej Karpathy写的一个非常轻量级别的神经网络库（框架），其基本构成为一个90行python代码的标量反向传播（自动微分）引擎，以及在此基础上实现的神经网络层。 其介绍如下： A tiny scalar-valued autograd engine and a neural net library on top of it with
D3CTF-2023 d3Tetris
之前一直没啥时间，假期做了一下D3的安卓题目D3Tetris。 总的来说如果能够动调来做这道题会好很多。 首先是它的Java层整体做了混淆，不是很好看，在MainActivity部分大致都是些界面相关，无关痛痒。 主要是有一个com.jetgame.tetris.logic下的GameViewModel类，其中有两个native函数格外亮眼，这样归功于解析so时发现了这样两个导出函数。o
pyqt5-QMessageBox消息对话框
1、介绍 QMessageBox提供多种消息提示的对话框。 2、多种类型 2.1 一般信息 information(parent: QWidget, title: str, text: str, buttons: Union[QMessageBox.StandardButtons, QMessageBox.StandardButton] = QMessageBox.Ok, defaultB
企业级GitLab搭建
企业级GitLab搭建 一、简介 1.GitLab概述 是一个利用 Ruby on Rails 开发的开源应用程序，实现一个自托管的Git项目仓库，可通过Web界面进行访问公开的或者私人项目。 Ruby on Rails 是一个可以使你开发、部署、维护 web 应用程序变得简单的框架。 GitLab拥有与Github类似的功能，能够浏览源代码，管理缺陷和注释。可以管理团队对仓库的访问，它非常易于浏
Linux三剑客grep、sed、awk(包括练习题)
Linux grep、sed、awk（包含练习题） 一、grep Linux grep (global regular expression) 命令用于查找文件里符合条件的字符串或正则表达式。 基本用法与常见的正则表达式 扩展正则表达式实践 此处使用grep -E 进行实践扩展正则，egrep官网已经弃用 二、sed 注意：sed和awk使用单引号，双引号有特殊解释 sed
docker基础展示-2
13.Dockerfile-构建JAVA网站镜像 参考：https://blog.csdn.net/liukuan73/article/details/60880137 该章节难点：理解CMD和ENTRYPOINT指令的区别 CMD指令为ENTRYPOINT指令提供默认参数是基于镜像层次结构生效的，而不是基于是否在同个Dockerfile文件中。意思就是说，如果Dockerfile指定的基础镜像中
Search-as-a-Service：Algolia
Algolia是一个搜索和发现API，帮助公司为其网站和移动应用构建搜索体验。Algolia提供后端API客户端和前端小部件，帮助公司管理其数据并构建搜索体验。Algolia是与数据库无关的，因此可以与任何数据源一起使用，包括NoSQL数据库。 Algolia成立于2012年，由Nicolas Dessaigne和Julien Lemoine在法国巴黎创立。 Algolia是一
Tensorflow基础
基础概念 tensor:张量（数据） operation(op):专门运算的操作节点，所有操作都是一个op grap:图，整个程序的结构 Session:会话，运算程序的图 Tensorflow属于计算密集型，大多是在cpu上进行计算。 图 图默认已经注册，一组表示tf.Operation计算单位的对象和tf.Tensor表示操作之间流动的数据单元的对象。 获取调用： tf.get_defau
在pycharm中导入conda虚拟环境解释器
在anaconda中装有多个python环境，如下图 如果想在pycharm中导入pytorch-GPU-env虚拟环境解释器，首先进入图中显示的该环境的路径（D:installminiconda3envspytorch-GPU-env） 可以看到，该路径下有一个python.exe文件，即为我们要导入的解释器 打开pycharm，如下图所示操作，即可完成解释器的导入