python教程技术文章
-
- Anaconda环境下requests_html包安装指南
- Anaconda环境下缺失包的解决方法在使用Anaconda进行Python开发时，经常会遇到某些需要的包未安装的情况。例如，�...
- 文章 · python教程 | 1年前 | 455浏览 收藏
-
- Python文件搜索替换：高效工具及代码实现
- Python高效文件搜索替换方法是：1.使用os模块遍历文件，re模块利用正则表达式进行精准匹配替换；2.利用multiprocessing.Pool创建进程池，实现多进程并行处理，显著提升效率；3.可进一步优化，例如：增量式替换减少IO操作，备份原始文件防止数据丢失，开发图形界面提升用户体验，优化正则表达式提高效率，并注意代码可读性和异常处理。通过这些步骤，可以构建一个高效、强大的文件搜索替换工具。
- 文章 · python教程 | 1年前 | Python 文件搜索替换 455浏览 收藏
-
- Python元组格式化输出与对齐详解
- 本文介绍了Python元组格式化输出和对齐技巧，主要方法是：1.使用str.format()方法，通过占位符{}和对齐标志(<,>,^)控制输出格式及宽度；2.使用f-string，语法更简洁，可读性更好，并可指定数据类型格式(如:.2f保留两位小数)。需注意元素类型一致性及宽度设置，大数据量处理可预先计算格式化字符串提升效率。清晰易懂的代码至关重要。
- 文章 · python教程 | 1年前 | 455浏览 收藏
-
- 什么是机器学习？初学者指南
- 机器学习(ML)：开启人工智能时代的新篇章机器学习是当今最激动人心、最具颠覆性的技术之一，它正在改变着各个行业的面貌，从个性化推荐到自动驾驶，其影响力日益显著。但机器学习究竟是什么？它如何运作？本文将用简洁易懂的语言，为您揭开机器学习的神秘面纱。什么是机器学习？简单来说，机器学习是人工智能(AI)的一个分支，它赋予计算机从数据中学习并进行决策的能力，无需人工编写针对每种情况的具体规则。我们只需提供数据给算法，算法便能学习其中的模式，从而进行预测或决策。例如，要构建一个识别照片中猫的系统，无需编写诸如“猫有
- 文章 · python教程 | 1年前 | 455浏览 收藏
-
- 如何在 Python 中使用代理
- 如果您已经使用python了一段时间，尤其是在数据抓取的特定情况下，您可能遇到过在尝试检索所需数据时被阻止的情况。在这种情况下，了解如何使用代理是一项方便的技能。在本文中，我们将探讨什么是代理、它们为何有用，以及如何通过python中的库请求来使用它们。什么是代理？让我们从头开始定义什么是代理。您可以将代理服务器视为计算机和互联网之间的“中间人”。当您向网站发送请求时，该请求首先通过代理服务器。然后，代理将您的请求转发到网站，接收响应并将其发送回给您。此过程会屏蔽您的ip地址，使请求看起来像是来自代理服务
- 文章 · python教程 | 1年前 | 455浏览 收藏
-
- 如何使用 NumPy 的 random.normal 生成指定范围内的正态分布随机数？
- 使用NumPyRandom.normal设置上限和下限如何在使用NumPy的random.normal...
- 文章 · python教程 | 1年前 | 455浏览 收藏
-
- Python赋能计算机视觉：探索图像处理与分析的全新境界
- python作为一门多功能、易于学习的编程语言，凭借其丰富的库和社区支持，在计算机视觉领域发挥着日益重要的作用。本文将探讨Python在图像处理和分析方面的应用，并展示其在计算机视觉领域的强大优势。1.Python库：助力图像处理与分析Python拥有众多功能强大的库，可轻松实现图像处理和分析。其中最常用的包括：OpenCV：计算机视觉领域的标配库，提供图像处理、分析和机器学习功能。NumPy：用于科学计算的库，提供高效的数值计算功能。SciPy：科学计算库，提供信号处理、统计和优化等功能。Matplot
- 文章 · python教程 | 2年前 | Python 机器学习 计算机视觉 图像处理 图像分析 455浏览 收藏
-
- Python中的序列化和反序列化技巧的最佳实践是什么？
- Python中的序列化和反序列化技巧的最佳实践是什么？序列化和反序列化是在数据存储、数据传输等场景中常用的技术。在Python中，通过序列化和反序列化可以将一个对象转化为可以存储或传输的格式，然后再将其重新转化回对象。本文将介绍Python中序列化和反序列化的最佳实践，包括使用pickle和json库，以及如何处理自定义对象的序列化和反序列化。使用pickl
- 文章 · python教程 | 2年前 | 序列化：pickle 反序列化：unpickle 最佳实践：pickleloads()/pickledumps() 455浏览 收藏
-
- Django解决AppRegistryNotReady问题方法
- AppRegistryNotReady是Django应用注册未完成时访问模型引发的异常，主因是在django.setup()完成前于模块顶层执行了模型类访问、get_model()、ForeignKey(模型类)等操作，常见于settings.py、urls.py、apps.py或models.py的导入链中过早触发ORM。
- 文章 · python教程 | 4个月前 | 454浏览 收藏
-
- Python局部变量怎么理解_Python局部变量概念与使用规则详解
- 局部变量仅在函数内部有效，函数结束即销毁，无法被外部访问。1、函数内赋值创建的变量默认为局部变量。2、局部变量不影响同名全局变量。3、赋值前读取局部变量会引发UnboundLocalError。4、局部变量屏蔽同名全局变量，优先使用局部变量。5、可用locals()查看局部变量字典。6、每次函数调用重新初始化局部变量，递归调用中各层独立。7、需跨调用保留状态时应使用类或闭包。8、嵌套函数中需用nonlocal声明以修改外层局部变量，不可用于全局变量。
- 文章 · python教程 | 4个月前 | Python 454浏览 收藏
-
- PythonWeb日志与分布式追踪配置详解
- Flask/FastAPI中logging.basicConfig()不生效是因为框架启动时已配置rootlogger，basicConfig()仅在未配置时生效；应提前显式配置logger或使用框架推荐方式。
- 文章 · python教程 | 5个月前 | 454浏览 收藏
-
- 线上预测时Python怎么降低模型推理延迟_转换为ONNX格式利用运行库加速
- 直接用PyTorch/TensorFlow线上推理慢，因模型加载、GIL、动态图解释及冗余算子开销；ONNX通过固化模型+轻量运行时绕过Python层成本。转ONNX须固定输入shape、确保tensor操作可追踪、替换自定义op；ORT加速需设CUDAprovider、启用图优化、单线程、输入dtype一致；部署前必验数值一致性与内存生命周期。
- 文章 · python教程 | 5个月前 | 454浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 485次学习
-
- Golang深入理解GPM模型
- Golang深入理解GPM调度器模型及全场景分析，希望您看完这套视频有所收获；包括调度器的由来和分析、GMP模型简介、以及11个场景总结。
- 474次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集，涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用，助力提升NLP模型性能。
- 474次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台，提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能，助您快速选择最适合项目的高性能大语言模型。
- 532次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制，用户可对比不同大模型回答并生成实时排行榜，助力开发者优化模型及用户选择最佳AI工具。
- 552次使用
-
- HELM
- 深入了解斯坦福推出的HELM（Holistic Evaluation of Language Models）大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景，涵盖准确性、公平性、鲁棒性等多维度指标，助力开发者全面优化语言模型性能。
- 505次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台，提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景，助力开发者全面评估多模态模型性能。
- 324次使用
