python教程技术文章
-
- PyTorch显存波动排查与内存回收技巧
- PyTorch显存不释放的主因是Python引用未断且GPU张量未被真正回收；del仅删变量名，empty_cache()只回收无引用的空闲页，需配合使用并排查隐式引用、retain_graph、grad残留、no_grad范围不当等问题。
- 文章 · python教程 | 6个月前 | 434浏览 收藏
-
- joblib.Parallel嵌套使用为何变慢？五大原因解析
- 嵌套调用joblib.Parallel会因多重序列化、进程创建与跨进程通信开销而严重劣化性能，尤其在纯Python场景下；这不是并行优化，而是并行滥用。
- 文章 · python教程 | 7个月前 | 434浏览 收藏
-
- Python批量文件分类存储方法详解
- 使用Python可自动按扩展名分类文件：通过os和shutil模块遍历“待整理文件”目录，根据预定义的file_categories映射关系，将.txt、.jpg等文件分别移入“文本文件”“图片文件”等子文件夹，未匹配的归入“其他文件”，实现高效批量整理。
- 文章 · python教程 | 7个月前 | Python 文件批量处理 434浏览 收藏
-
- lsof-L1查看deletedsocket泄漏方法
- lsof+L1显示大量deletedUnixdomainsocket表明存在资源泄漏：路径已删但文件描述符未关闭，需结合watch观察增长趋势、ss查inode、/proc/fd反查代码确认close遗漏。
- 文章 · python教程 | 7个月前 | 434浏览 收藏
-
- PyCharm图形界面开发教程详解
- 使用PyCharm开发GUI需选PyQt5/PySide2等框架，配合QtDesigner设计界面并导出.ui文件，通过pyuic5转为Python代码或动态加载，再在PyCharm中编写逻辑、调试运行，推荐结合外部工具自动化转换流程。
- 文章 · python教程 | 7个月前 | PyCharm 图形界面 434浏览 收藏
-
- Python深度学习检测模型训练教程
- 关键在于数据、标注、配置三者对齐；推荐PyTorch+torchvision，用COCO格式组织数据，自定义Dataset同步变换图像与bbox，微调FasterR-CNN时替换box_predictor并注意类别ID从1开始，用原生训练循环控制loss与评估。
- 文章 · python教程 | 8个月前 | 434浏览 收藏
-
- Python错误处理对系统稳定性的影响
- Python错误处理是系统稳定运行的底层支撑，未捕获异常会导致服务中断、数据错乱；过度宽泛捕获会隐藏真实故障；异常传播中丢失上下文削弱可观测性；资源泄漏常因异常绕过清理逻辑引发。
- 文章 · python教程 | 8个月前 | 434浏览 收藏
-
- Vueslots动态添加属性的隐患与建议
- 定义__slots__后直接赋值未声明属性会报AttributeError；若需动态添加，须显式包含'__dict__'；继承时父类无__slots__则子类定义无效；其核心是优化内存与性能，非强制封禁属性。
- 文章 · python教程 | 8个月前 | 434浏览 收藏
-
- numpyreshape函数使用方法详解
- NumPy中reshape()与resize()的核心差异在于：reshape()返回新形状的视图，不改变原数组，要求元素总数不变；resize()则原地修改数组，可改变元素数量，不足时填充0，多余时截断。
- 文章 · python教程 | 8个月前 | 434浏览 收藏
-
- Python自动化脚本教程：批量处理实操指南
- Python批量处理文件需遵循遍历+读取+解析+保存四步闭环，关键在于选用合适模块并规避路径与编码问题：统一用pathlib.Path处理路径、优先utf-8编码、非正则优先提取、结构化数据用pandas汇总、添加进度提示与错误反馈。
- 文章 · python教程 | 8个月前 | 434浏览 收藏
-
- Python类属性查找顺序解析
- Python属性查找顺序为：先实例__dict__，再按MRO搜索类及其父类，描述符会改变优先级，特殊方法隐式查找遵循MRO但跳过不可调用实例属性，__getattr__是最后兜底。
- 文章 · python教程 | 9个月前 | 434浏览 收藏
-
- Pythondataclass自定义比较方法教程
- 本文深入探讨了Pythondataclass在继承自定义方法，特别是__eq__方法时可能遇到的覆盖问题。核心在于@dataclass装饰器作为代码生成器，会自动为类生成默认的比较方法，从而覆盖父类或Mixin中定义的同名方法。文章提供了通过设置@dataclass(eq=False)来禁用自动生成，从而确保自定义比较逻辑生效的解决方案，并辅以代码示例详细说明其工作原理。
- 文章 · python教程 | 9个月前 | 434浏览 收藏
-
- Python类怎么定义和使用？
- 掌握Python类的关键是理解面向对象编程，类是创建对象的模板，使用class定义，包含属性和方法；通过__init__初始化实例，self指代当前对象；支持封装、继承与多态；建议通过银行账户、图书管理等小项目实践，熟悉语法并阅读标准库或开源代码学习优秀设计，逐步提升类的设计与应用能力。
- 文章 · python教程 | 9个月前 | Python class 434浏览 收藏
-
- Python连接Redis配置详解
- 使用Python操作Redis最常用的方式是redis-py库。1.安装：pipinstallredis；2.基础连接：通过redis.Redis()并指定host、port、db等参数建立连接；3.数据操作：支持字符串、哈希、列表、集合、有序集合等数据类型的操作；4.安全配置：设置password参数进行认证，必要时启用SSL/TLS加密；5.高效配置：使用ConnectionPool或BlockingConnectionPool管理连接池，提升性能；6.异常处理：捕获ConnectionError、A
- 文章 · python教程 | 10个月前 | 434浏览 收藏
-
- Python调用社交API获取用户数据教程
- 答案：通过Python调用社交媒体API获取用户数据常用四种方法：一、使用requests库发送带认证的HTTP请求；二、通过OAuth2.0协议完成用户授权并获取访问令牌；三、利用官方或社区SDK简化调用；四、处理分页与速率限制以确保稳定获取数据。
- 文章 · python教程 | 10个月前 | Python调用API接口 434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。
- 471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。
- 530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。
- 550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。
- 500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。
- 318次使用
