Python
VSCode使用指定的 SOCKS 代理进行网络连接
VSCode 使用指定的 SOCKS 代理进行网络连接 June 10, 2023 vscode怎么打开 settings.json 文件？ ChatGPT 在 Visual Studio Code (VSCode) 中，打开 settings.json 文件的步骤如下： 打开 Visual Studio Code。 点击左上角的“文件”菜单，然后选择“首选项” > “设置” (
机器学习——泰坦尼克号幸存者预测及分析
1. 项目背景 泰坦尼克号: 是当时世界上体积最庞大、内部设施最豪华的客运轮船, 于1909年3月31日动工建造, 1912年4月2日完工试航. 于1912年4月10日, 在南安普敦港的海洋码头, 启程驶往纽约, 开始了它的第一次, 也是最后一次的航行. 泰坦尼克号将乘客分为三个等级: 三等舱位于船身较下层也最便宜; 二等舱具备与当时其他一般船只的头等舱同样
有关 python 切片的趣事
哈喽大家好，我是咸鱼 今天来讲一个我在实现 python 列表切片时遇到的趣事 在正式开始之前，我们先来了解一下切片（slice） 切片操作是访问序列（列表、字符串......）中元素的另一种方法，它可以访问一定范围内的元素，通过切片操作，可以生成一个新的序列 语法如下 start 是切片的起始索引值，当 start 是序列首位时可以省略 end 是切片结束索引值，当 end 是序列末位时可以
华为OD机试题（A&B卷）真题抽中记录文档（更新到 6 月 10 日）
@目录本篇博客的价值华为 OD 机试题 ⭐ ⭐🏆 华为 OD 机试 6 月 9 日 抽中卷第一套 OD 机试卷华为 OD 机试 6 月 8 日 抽中卷第一套 OD 机试卷华为 OD 机试 6 月 7 日 抽中卷第一套 OD 机试卷第二套 OD 机试卷华为 OD 机试 6 月 6 日 抽中卷第一套 OD 机试卷华为 OD 机试 6 月 5 日 抽中卷第一套 OD 机试卷华为 OD 机试 6 月 1
使用NLPAUG 进行文本数据的扩充增强
在机器学习中，训练数据集的质量在很大程度上决定了模型的有效性。我们往往没有足够的多样化数据，这影响了模型的准确性。这时数据增强技术就派上了用场。 数据增强可以通过添加对现有数据进行略微修改的副本或从现有数据中新创建的合成数据来增加数据量。这种数据扩充的方式在CV中十分常见，因为对于图像来说可以使用很多现成的技术，在保证图像信息的情况下进行图像的扩充。 但是对于文本数据，这种技术现在应用的还很少，所
我好像开始想过自己的人生
如果说是想了很久，谨慎的斟酌才决定拾取19年python课带给我的兴趣启发，计算机，代码，程序，逻辑，智能化，那可有点太夸张了，做出这个决定更多是受不了打工的反胃感，一时兴起想去读个计算机的研究生。从今天起，6.9-12.24，我会认认真真在这个账号更新我的考研每日。无论是学习笔记，思路，还是感想，都会一一记录，祝我的23岁成熟强大。
python sys、os模块
一、sys模块 在Python中，sys.argv是一个列表，它包含了命令行参数传递给Python脚本的参数值。sys.argv列表的第一个元素是脚本的名称，后面的元素是传递给脚本的参数。 import sys # 打印脚本名称 print("脚本名称:", sys.argv[0]) # 打印传递给脚本的参数值 print("参数值:", sys.argv[1:]) # 检查
pytest + yaml 框架 -36.mark 标记功能实现
前言 pytest可以支持对用例自定义标记， 可以把用例按自己的需要归类标记，比如按用例优秀级，标记一些smoke冒烟测试用例。 pytest 标记基本使用 test_m.py 用例内容 执行的时候加-m 参数 yaml 用例中加 mark 标记 yaml 用例中支持2个地方加标记 config 中使用mark, 作用是当前yaml 文件中的全部用例打上标记 case 用例中加mark，只针
【LeetCode SQL 70】
Table of Contents SQL基础 1068. 产品销售分析 I NumPy Arrays NumPy Indexing and Selection NumPy Operations Pandas 01 - Pandas Official Tutorials 02 - Pandas API Reference Series DataFrame Missing Data
Python网络爬虫--爬取首都全年气候并可视化分析
一、选题的背景 为什么要选择此选题？要达到的数据分析的预期目标是什么？从社会、经济、技术、数据来源等方面进行描述 选题的背景？：天气是我们日常生活中非常重要的一个方面，它关系到我们的出行、衣食住行等各个方面。同时，天气也是一个非常复杂的系统，它受到多种因素的影响，如地理位置、气候、季节等。因此，对于天气的预测和分析一直是人们关注的热点之一。 为什么要选择此选题？：北京作为中国的首都，其天气
Penetration Suite Toolkit
推荐一个工具Penetration Suite Toolkit 帮助渗透新手快速搭建工作环境，工欲善其事，必先利其器。 Windows10 Penetration Suite Toolkit within Kali Linux v4.0 项目地址:https://github.com/makoto56/penetration-suite-toolkit/ 2022.12.06
Docker（三）存储持久化、自定义网桥、端口映射
一、存储持久化 docker容器不保存任何数据 重要数据可以使用外部卷存储（数据持久化） 容器可以映射真实主机目录或共享存储为卷 将外部卷映射到容器中提供持久化存储（规则：目录不存在就自动创建；目录存在就直接覆盖掉。语法：docker run -v 外部目录:容器目录 -it 容器名:标签 bash） 外部卷可以给多个容器映射使用，这种方式可以解决容器间共享问题 因此，可以使用以下方式实现不同宿主
高考答题卡怎么被机器识别？基于OpenCV答题卡识别模拟-米尔ARM+FPGA异构开发板
本篇测评由优秀测评者“筑梦者与梦同行”提供。 01. 前言MYD-JX8MMA7SDK发布说明 根据下图文件内容可以知道myir-image-full系统支持的功能，其支持OpenCV，也就不用在格外安装相关驱动包等，省了很多事情。 02. MYD-JX8MMA7软件评估指南 本文介绍了Python的基本操作，在文档中10.1开发语言支持。 03. 历程
网络爬虫——IMDb-Most Popular Tv Shows
一、选题的背景 1.选择IMDb流行电视剧的网络爬虫作为选题，是因为电视剧在当今社会中扮演着重要角色，它们不仅是娱乐消遣的方式，还反映了社会文化、价值观和审美趋势。通过对IMDb流行电视剧的数据分析，可以了解观众的喜好和市场需求，为制作公司、投资者、广告商等提供有价值的参考信息。 2.预期目标是获取IMDb网站上热门电视剧的关键信息，如中英文名称、导演、年份、评分以及排名变化等，从而进行深入分析。
基于XC7Z100+OV5640(DSP接口)YOLO人脸识别前向推理过程（部分2）
认识神经网络 1. 认识神经网络中的神经元 神经网络是模仿生物神经网络的结构和功能的数学模型或计算模型，由大量的节点或称神经元相互连接构成。 神经元是神经网络的基本成分，它接收来自其他神经元的输入信号，通过权重、偏置和激活函数来产生输出信号。 权重（weight）是表示输入信号的重要性的参数，偏置（bias）是表示神经元被激活的容易程度的参数，激活函数（activation function）是
数据同步智能化！利用ETLCloud自动化流程实现钉钉OA系统数据自动同步至数仓
钉钉数据同步需求 钉钉是一款企业级通讯和协同办公应用软件，钉钉为企业提供包括聊天、通讯录、日程安排、考勤打卡、审批、通知公告、文件共享、会议等功能，很多企业都在使用钉钉。 很多情况下我们需要把钉钉的数据拉取到数据库中，然后再通过报表工具进行统计分析，实现这种自动化流程通常的做法是写一段 python 或是 java 代码才可以实现，这样做对技术要求高，普通用户掌握不了，那么下面介绍一款无需要写代码
time模块、datetime模块、random模块、sys模块
time模块(跟时间打交道的模块) python中时间日期格式化符号: 几种格式之间的转换: 练习： 结构化时间: timestamp：时间戳 struct_time：结构化时间 format_string:格式化时间 时间戳-->结构化时间: datetime模块 总结年月日时分秒及时区问题 random模块（随机） 随机验证码练习： sys模块 介绍： 使用： 练
python爬虫--爬取各大城市的各个区域的租房信息
一、选题背景 衣食住行是生活的基本需求。衣和食好解决，不喜欢的衣服可以买新的，不好吃的食物可以换一家吃。可是在住宿上，买房和租房的置换成本都相对较高，因此房源选择尤为慎重。作为目前买不起房的自然人，我们一般是通过中介来实现租房的需求比如自如，贝壳找房和链家。链家占据了租赁市场的主导地位，且提供的信息相对公允。但每当我刷超过十个房源，我就会记不起来每一个的信息，也无法可视化去比较很多个房源，城市里面
pytest -fixture-request
request在pytest-fixture经常使用到，具体看看有什么内容： 自动化用例 test_002他本身是参数化的，fixture也是参数化的，执行顺序fixture参数1 -> 用例参数1 -> 用例参数2 -> fixture参数2 -> ...一共执行4次 注意不要和requests库搞混了
Vue第三方框架之ElementUi
目录一 Elementui引入二 elementui使用 一 Elementui引入 图标字体库和CSS框架:https://fontawesome.dashgame.com/ Elementui官网：https://element.eleme.cn/#/zh-CN/ Elementui是一个ui 库，控制样式的，它就是vue的一个插件 在vue项目中引入 elementui 在
time模块 datetime模块 random模块
目录time模块datetime模块random模块sys模块os模块 time模块 和时间有关系的我们就要用到时间模块 时间的三种方式： 1. 时间戳 2. 结构化时间 3. 格式化时间 格式化时间 结构化时间 datetime模块 random模块 例 sys模块 sys模块是与python解释器交互的一个接口 os模块
python 数据可视化———电子商务销售分析
一、选题背景 随着互联网和移动互联网技术的不断发展，电子商务已经成为了一个全球性的发展趋势。越来越多的商家和消费者都开始使用电子商务平台进行线上交易，这在一定程度上改变了传统商业模式，并且对于消费者而言，电子商务平台也提供了更为便捷的购物体验，因此，我们将亚马逊等一部分平台的数据进行可视化及分析，这种数据可视化的分析对于电商从业者和市场研究人员来说具有重要的意义。首先，通过分析亚马逊平台的数据，可
用python获取文件夹中文件的路径，基础路径，后缀，复制文件等。
#读取文件夹中文件的路径#方法一import osimport shutilwenjianjia=r'D:Desktop内部培训python' #文件夹绝对路径#r的作用是去除转义字符lujing=os.listdir(wenjianjia) #获取文件夹中所有文件的相对路径返回一个列表for lujing_list in lujin
文心一言 VS 讯飞星火 VS chatgpt （36）-- 算法导论5.3 6题
六、请解释如何实现算法 PERMUTE-BY-SORTING，以处理两个或更多优先级相同的情形。也就是说，即使有两个或更多优先级相同，你的算法也应该产生一个均匀随机排列。 文心一言： 算法 PERMUTE-BY-SORTING 是一种基于排序的随机排列算法，它通过将输入数组中的元素按照优先级排序，然后根据优先级依次将元素插入到输出数组中，从而生成一个均匀随机排列。 对于两个或更多优先级相同的情形，