python教程技术文章
-
- Python流式下载内存优化技巧
- requests.get()不加stream=True会将整个响应体加载到内存，导致大文件下载时内存激增甚至OOM；必须显式设置stream=True并用iter_content(8192)或shutil.copyfileobj()安全分块读取。
- 文章 · python教程 | 5个月前 | 352浏览 收藏
-
- Python异常处理：try-except-finally全解析
- 捕获特定异常比全局except更安全，因后者会吞掉KeyboardInterrupt和SystemExit；应按实际错误类型捕获，如FileNotFoundError、ConnectionError；多异常用元组但勿堆砌；不确定时用exceptException:；捕获后须日志或re-raise；finally在os._exit()或SIGKILL时不执行；else用于无异常才执行的逻辑，提升错误定位精度；嵌套try比长链except更清晰。
- 文章 · python教程 | 5个月前 | 267浏览 收藏
-
- 设置PyTorchOMP_NUM_THREADS环境变量教程
- OMP_NUM_THREADS控制PyTorch底层OpenMP线程数，影响BLAS/MKL并行性能；需在importtorch前设置，与torch.set_num_threads()独立作用，多进程下须避免嵌套并行导致的性能抖动或死锁。
- 文章 · python教程 | 5个月前 | 311浏览 收藏
-
- TensorFlow2.x预训练模型加载教程
- TensorFlow2.x中应使用tf.keras.applications直接加载预训练模型，如ResNet50(weights='imagenet')，自动下载权重；去顶层用include_top=False；必须用对应模型的preprocess_input预处理，不可混用或手动归一化。
- 文章 · python教程 | 5个月前 | 239浏览 收藏
-
- Python异步编程误区详解
- async/await不等于自动并行，单个await默认串行等待，需用asyncio.gather()或create_task()显式并发；同步代码中直接调用async函数不会执行；漏await会返回协程对象而非结果；asyncio.sleep()默认不响应中断，需额外处理。
- 文章 · python教程 | 5个月前 | 477浏览 收藏
-
- Python爬虫异常检测全攻略
- 爬虫异常需分层处理：网络层设timeout并检查状态码，解析层预判节点存在性与编码问题，逻辑层断言字段格式并监控反爬特征；统一日志、重试与告警实现可观测性。
- 文章 · python教程 | 5个月前 | 190浏览 收藏
-
- 提升图像处理速度：OpenCV替代PIL技巧
- OpenCV-Python通常比PIL快，但取决于操作类型、图像尺寸和是否启用硬件加速；cv2.imread读JPEG比PIL快20%–40%，而PIL在仅查尺寸或EXIF时更优，颜色空间转换和隐式复制是主要性能陷阱。
- 文章 · python教程 | 5个月前 | 269浏览 收藏
-
- Python列表反转方法对比解析
- Python中反转列表应根据需求选择：需就地修改用list.reverse()，保留原列表用切片[::-1]，仅遍历一次且省内存可用reversed()。
- 文章 · python教程 | 5个月前 | 353浏览 收藏
-
- PythonNumPy滑动窗口应用技巧
- as_strided比for循环快是因为它不复制数据，仅修改shape和strides生成视图；而for循环反复分配内存拷贝，易触发GC或爆内存，但as_strided需手动计算strides，错误会导致脏内存、崩溃或异常值。
- 文章 · python教程 | 5个月前 | 124浏览 收藏
-
- TensorFlow多线程数据加载设置教程
- TF2.x中应使用tf.data.Dataset替代已弃用的tf.train.string_input_producer和tf.train.start_queue_runners；通过interleave、map的num_parallel_calls和prefetch实现高效并行读取，避免手动线程管理。
- 文章 · python教程 | 5个月前 | 391浏览 收藏
-
- TensorFlow分布式训练卡死问题与NCCL优化方法
- MirroredStrategy在Linux上卡死大概率是NCCL选错网卡，需显式设置NCCL_SOCKET_IFNAME指向高速数据网口（如ens1f0、ib0），且所有worker节点值必须一致；Windows因NCCL不兼容，须改用HierarchicalCopyAllReduce后端。
- 文章 · python教程 | 5个月前 | 103浏览 收藏
-
- Python3处理嵌套JSON：json_normalize使用技巧
- json_normalize比手写递归更可靠，因其专为展平嵌套结构设计，内置处理None、空列表、混合类型等边界情况，并按record_path和meta精准提取结构化记录与上下文字段。
- 文章 · python教程 | 5个月前 | 276浏览 收藏
-
- Pythonstrftime优化技巧与提速方法
- strftime在高频场景下性能差，因其每次调用需解析格式串、本地化查表、动态拼接；替代方案如f-string拼接、isoformat截断可快3–10倍，但需权衡动态格式与本地化需求。
- 文章 · python教程 | 5个月前 | 265浏览 收藏
-
- Django构建复杂系统的关键架构点
- Django复杂系统架构核心是控节奏、分边界、留余地：模型按业务域切分并隔离关联，API与页面分离且URL即契约，配置多环境拆分并零硬编码，外部集成通过接口抽象与适配器实现。
- 文章 · python教程 | 5个月前 | 268浏览 收藏
-
- 非直连渠道数据提取全攻略
- 本文介绍如何在Pandas中为每位客户高效提取其访问记录中首个和末个非“Direct”渠道；若全为“Direct”，则回退取“Direct”本身，并确保按时间顺序准确判断。
- 文章 · python教程 | 5个月前 | 339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。
- 386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。
- 466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。
- 474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。
- 415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。
- 240次使用
