Python
5.25 python 功能（对石家庄铁道大学网站稳定性的检测）
我今天完善了一下我的python大作业中对石家庄铁道大学网站运行时间，同时承载多少用户同时点击之后还能稳定运行，以及对用户访问时响应速度的一个监测。 代码如下：
openpose 安装
visual studio 2019 community cmake 3.25.3 windows11 家庭版 cuda 11.1.1 cudnn 8.9 python 3.10 这个openpose装了好几天，处处是坑。最后是参考这里，一步一步安装好的。 总结一下经验： 因为一开始是想全都勾选上，结果总是报错“Error in configuration process, project fil
如何在ubuntu下安装Vscode并且运行C语言文件或者python文件
要想在ubuntu中编写并运行C语言或python文件，有两种方法，第一种是直接用vim编写（在我之前的文章中有详细介绍） 可以点击如下链接： 今天我要说的是用专业的软件Vscode进行编写并运行。 一、下载vscode: 法一：在官网下载 网址：下载Visual Studio Code - Mac， Linux， Windows 下载deb后的x64版本 法二、直
辅助生成：低延迟文本生成的新方向
大型语言模型如今风靡一时，许多公司投入大量资源来扩展它们规模并解锁新功能。然而，作为注意力持续时间不断缩短的人类，我们并不喜欢大模型缓慢的响应时间。由于延迟对于良好的用户体验至关重要，人们通常使用较小的模型来完成任务，尽管它们的质量较低 (例如 代码补全任务)。 为什么文本生成这么慢？是什么阻止你在不破产的情况下部署低延迟大型语言模型？在这篇博文中，我们将重新审视自回归文本生成的瓶颈，并介绍一种新
接口自动化测试遇到的问题
from openpyxl.styles.colors import * 的失败调用问题，使用openpyxl 模块调用 进行颜色分配时，无法调用函数colors openpyxl进行版本降低 2.6.1后，正常使用 引发XLRDError（FILE_FORMAT_DESCRIPTIONS[FILE_FORMAT]+“；不支持”） xlrd.biffh.xlrd错误：Excel xlsx文件；不
es笔记七之聚合操作之桶聚合和矩阵聚合
本文首发于公众号：Hunter后端 原文链接：es笔记七之聚合操作之桶聚合和矩阵聚合 桶(bucket)聚合并不像指标(metric)聚合一样在字段上计算，而是会创建数据的桶，我们可以理解为分组，根据某个字段进行分组，将符合条件的数据分到同一个组里。 桶聚合可以有子聚合，意思就是在分组之后，可以在每个组里再次进行聚合操作，聚合的数据就是每个组的数据。 以下是本篇笔记目录： 基本桶聚合操作 过
时间戳、时间元组、格式化时间
时间戳、时间元组、格式化时间strftime：str表示字符串，f是format，time是时间，就是时间格式化为字符串（人类可阅读的时间）strptime：str表示字符串，p是parse，time是时间，就是字符串解析为时间（解析为时间元组） struct_time元组包含九个元素，可以用9个字记忆（年月日，时分秒，周天夏） time.gmtime()与localtime()的
web安全之SQL注入漏洞
基本知识 原理：用户能控制输入的内容；Web应用把用户输入的内容带入到数据库中执行。 分类：依据注入点参数类型分类：数字型注入、字符型注入、搜索型注入 依据获取信息的方式分类：union注入、布尔盲注、时间盲注、报错注入、堆叠查询注入 &n
大模型-FastChat-Vicuna（小羊驼的部署与安装）
大模型-FastChat-Vicuna（小羊驼的部署与安装） 虚拟环境创建 7B --model-path：表示模型的路径 --target：表示生成后的vicuna模型的路径 --delta 启动小羊驼 脚踏实地，注重基础。
prophet翻译（六）-- 乘积季节模型
乘积季节模型 默认情况下，Prophet采用加法季节性拟合，就是说季节性效应被添加到趋势中以进行预测。但下面这个描述乘客数量的时序例子，则不适合使用加法季节性算法： 这个时间序列具有明显的年度周期，但预测中的季节性在时间序列的开始处过大，在末尾处过小。在这个时间序列中，季节性不是Prophet所假设的恒定加法因子，而是随着趋势增长而增长的乘法季节性。 Prophet可以通过在输入参数中设置se
Ubuntu下OpenWRT环境配置、下载、配置、运行记录
简单记录Ubuntu下OpenWRT开发环境配置，版本下载和编译，以及通过QEMU运行OpenWRT并和Host进行ssh通信。 1. 环境安装和版本下载 编译环境设置： 下载openwrt 22.03版本： 更新并安装软件包： OpenWRT目录结构： 第一行是原始目录，第二行是编译过程中生成的目录。 2. 编译OpenWRT QEMU CA15版本 通过m
1.3 字符串、列表、元组、字典和集合[转载]
1.3 字符串、列表、元组、字典和集合 本节要介绍的是Python里面常用的几种数据结构。通常情况下，声明一个变量只保存一个值是远远不够的，我们需要将一组或多组数据进行存储、查询、排序等操作，本节介绍的Python内置的数据结构可以满足大多数情况下的需求。这一部分的知识点比较多，而且较为零散，需要认真学习。 1.3.1 字符串 开始练习之前请新建string.py文件，将下面展现的代码逐步添加到该
web安全之XSS漏洞
原理 未对用户提交的数据（嵌入的恶意js代码）进行过滤处理，使用户被动访问黑客服务器并传输cookie。造成盗取账户、页面挂马、非法转账等危害。特性：不是对服务器的攻击，是对客户端浏览器的攻击，即前端攻击。浏览即中招，又叫做页面挂马。 分类 反射型XSS：常见于搜索框处，将恶意脚本执行后形成的链接制作成超链接并诱导用户点击。 存于URL中。条件：server有漏洞、用户点击
supervisor使用详解
一 介绍 使用文档：http://supervisord.org/ supervisor是Python开发的c/s服务，是Linux系统下的进程管理工具。 可以监听、启动、停止、重启一个或多个进程 用supervisor管理的进程，当一个进程意外被杀死，supervisor监听到进程死后，会自动将它重启，很方便的做到进程的自动恢复的功能，不在需要自己写脚本来控制 二 安装 2.1 pip安装 2
scrapy：电影天堂案例
嵌套数据封装成一个item（一个item包含多级页面的数据）：每条记录的名称+点进去之后第二页中的图片 1. 创建爬虫项目 scrapy startproject scrapy_movie_5 2. 创建爬虫文件 scrapy genspider mv https://www.ygdy8.net/html/gndy/china/index.html 3. 实现爬虫 s
GitHub API
Github API GitHub API 是一个 RESTful API，支持 HTTP 请求和 JSON 响应。主要用于访问 GitHub 上的仓库、问题、pull request、用户、组织等信息。 使用 GitHub API，你需要遵循以下步骤： 1.获取个人访问令牌 首先，你需要在 GitHub 上创建一个个人访问令牌，用于进行 API 访问。在 GitHub 网站上登录后，依次点击
Linux安装Miniconda和换源
1. Miniconda简介 相比于Anaconda的臃肿，使用Miniconda是个不错的选择，Miniconda是一款小巧的python环境管理工具，安装包大约只有50M多点，其安装程序中包含conda软件包管理器和Python。 2. Miniconda下载 官方下载 清华镜像下载（推荐） 3. 安装教程 安装过程一路回车，yes，安装过程中根据提示输入enter或yes
NEEPU Sec 2023 Misc 两题题记
GoingOn 题目描述 Keep going on channel 1 ;D 考察的是 midi lsb隐写 MIDI文件概述 CSV文件概述 midi转csv工具 midicsv 将 MIDI 文件转换为逗号分隔值 (CSV) 文本文件，保留原始 MIDI 文件中的所有信息。 CSV 文件的格式是为便于文本处理工具处理而特意设计的。 csvmidi 程序读取这种格式的 CSV 文件并创建
prophet翻译（七）--- 不确定性间隔
不确定性间隔 默认情况下，Prophet将为预测的yhat返回不确定性区间。这些不确定性区间背后有几个重要的假设。 预测中存在三种不确定性来源：趋势的不确定性、季节性估计的不确定性以及额外的观测噪声。 趋势的不确定性 预测中最大的不确定性源是未来趋势变化的潜在性。在本文档中已经看到的时间序列显示了历史上明显的趋势变化。Prophet能够检测和拟合这些趋势变化，但是在未来，我们应该预期什么样的趋势变
python 读取文件夹以及文件夹下所有的文件名
python 读取文件夹以及文件夹下所有的文件名 test: ['C:/Users/Sea/Desktop/Sea_Test/dsadsa/das.tmp', 'C:/Users/Sea/Desktop/Sea_Test/dsadsa/新建文件夹/新建 PPT 演示文稿.ppt', 'C:/Users/Sea/Desktop/Sea_Test/新建 PPT 演示文稿
on_delete=models.CASCADE级联删除
on_delete=None, # 默认models.CASCADE on_delete=models.CASCADE, # 级联删除,即关联的表删除某一项数据,此表关联的数据都会被删除 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 class Publishe
prophet翻译（八）--- 异常值
异常值 异常值可以影响Prophet的预测结果，主要有两种方式。下面的示例中，我们使用之前提到的R页面的日志化维基百科访问量数据进行预测，但添加了一段错误的数据： 在上述示例中，趋势的预测看起来是合理的，但不确定性区间似乎过于宽广。Prophet能够处理历史中的异常值，但是只能通过拟合趋势变化来处理它们。因此，不确定性模型预期未来的趋势变化具有类似的幅度。 处理异常值的最佳方法是将其移除- P