python教程技术文章
-
- RNN与LSTM原理及区别解析
- RNN通过隐藏状态传递时序信息，但难以捕捉长期依赖；LSTM引入遗忘门、输入门和输出门机制，有效解决梯度消失问题，提升对长距离依赖的学习能力，适用于语言建模、翻译等序列任务。
- 文章 · python教程 | 8个月前 | 343浏览 收藏
-
- 时间戳转日期，Python轻松处理
- Python中时间戳与日期转换依赖datetime模块，核心方法为fromtimestamp()和timestamp()，结合strptime()与strftime()处理字符串格式；需注意时区aware与naive对象区别，避免本地时间误解析；毫秒、微秒级时间戳需先转为秒再处理，推荐使用timezone.utc确保UTC时间正确转换。
- 文章 · python教程 | 8个月前 | 441浏览 收藏
-
- Pythonzoneinfo教程：时区处理详解
- Pythonzoneinfo模块是处理时区的现代推荐方式，应始终用ZoneInfo实例构造带时区datetime，避免replace()强行赋时区或依赖系统本地时区，跨时区转换必须用astimezone()。
- 文章 · python教程 | 8个月前 | 189浏览 收藏
-
- Python人脸识别教程：dlib与OpenCV实战详解
- dlib+OpenCV是轻量稳定的人脸识别组合，支持CPU运行、精度够用、部署简单；需用conda安装dlib（Windows）或先装CMake/boost再pip（macOS/Linux）；用HOG+SVM检测正脸，68点关键点定位后提取128D特征向量，通过欧氏距离比对。
- 文章 · python教程 | 8个月前 | 308浏览 收藏
-
- NumPy广播扩展一维数组技巧分享
- 本文介绍如何利用NumPy的广播（broadcasting）和ravel()方法，将原始一维数组中每个元素扩展为连续的n个整数（如[x,x+1,x+2]），最终拼接成一个展开的一维数组，全程无需Pythonfor循环，兼顾性能与简洁性。
- 文章 · python教程 | 8个月前 | 364浏览 收藏
-
- PythonCallable标注任意可调用函数方法
- 标注“任意callable函数”最标准方式是typing.Callable[...,Any]，其中...表示任意参数，Any表示任意返回值；不可省略泛型，禁用Callable[Any,Any]或裸Callable。
- 文章 · python教程 | 8个月前 | 374浏览 收藏
-
- Python布尔转整数技巧分享
- Python中布尔值True和False本质是整型子类，True对应1，False对应0，可通过int()显式转换或在算术运算中自动转换。这种设计使逻辑判断与数值计算无缝衔接，常用于计数、条件求和等场景，提升代码简洁性。但需注意可读性与类型混淆问题，建议在保证清晰的前提下合理使用隐式转换，并辅以类型提示增强代码健壮性。
- 文章 · python教程 | 8个月前 | 126浏览 收藏
-
- Snowpark填充Decimal缺失值技巧
- 在Snowpark中使用df.na.fill()填充缺失值时，若目标列为DecimalType（如DecimalType(38,12)），直接传入int或float（如0或0.0）会因类型不匹配而被跳过；必须显式提供decimal.Decimal实例才能成功填充。
- 文章 · python教程 | 8个月前 | 107浏览 收藏
-
- FastAPI依赖注入使用详解
- 在Python中使用FastAPI进行依赖注入可以大大简化代码结构和提高可维护性。1）依赖注入允许将业务逻辑从路由处理中分离，使代码更清晰和可测试。2）依赖函数可以被多个路由共享，减少代码重复。3）依赖注入有助于解耦和提高灵活性，但需注意性能开销和复杂性。
- 文章 · python教程 | 8个月前 | 205浏览 收藏
-
- Python提取数字的实用技巧
- Python提取字符串中数字的核心是识别连续数字字符，常用正则表达式（如r'-?\d+.?\d*(?:eE?\d+)?'支持整数、小数、科学计数法）、re.findall(r'\d+',text)提取纯数字块、逐字符遍历或filter(str.isdigit,text)获取单个数字字符。
- 文章 · python教程 | 8个月前 | 256浏览 收藏
-
- Python注释规范与文档编写技巧
- Python注释只能用#，三引号字符串不是注释；docstring必须位于模块/函数/类定义正下方首行，用"""包裹并绑定__doc__属性；推荐Google或NumPy风格，需统一且聚焦“为什么”而非“做什么”。
- 文章 · python教程 | 8个月前 | 120浏览 收藏
-
- PyCharm图形界面显示问题解决方法
- 在PyCharm中解决图形不显示问题的方法包括：1.确保代码中包含显示命令，如plt.show()；2.检查PyCharm的运行配置，确保启用图形界面支持；3.更新图形驱动以解决兼容性问题；4.使用虚拟环境隔离依赖；5.在其他环境中运行代码排除PyCharm特有问题。
- 文章 · python教程 | 8个月前 | 146浏览 收藏
-
- PythonAI大模型推理优化技巧分享
- 大模型推理加速需全链路优化：量化压缩（AWQ/GPTQ）、专用推理引擎（vLLM/llama.cpp/TensorRT-LLM）、精简解码策略（限token数、top-p采样）、系统级协同（mmap加载、共享模型、TF32加速）。
- 文章 · python教程 | 8个月前 | 194浏览 收藏
-
- Pythonfor循环使用教程详解
- Python中for循环用于遍历可迭代对象，核心是简洁地处理每个元素。基本语法为for变量in可迭代对象:，如遍历列表、字符串或使用range()生成数字序列。配合break和continue可控制循环流程，else块在循环正常结束时执行。相比while循环（依赖条件判断），for更适用于已知序列的遍历。通过enumerate()可同时获取索引和值，zip()则能并行遍历多个序列，提升代码可读性与效率。
- 文章 · python教程 | 8个月前 | 332浏览 收藏
-
- FastAPI同步异步接口混合实现方法
- FastAPI不支持同一endpoint注册同步和异步函数，但可通过封装逻辑+按需await、依赖注入动态切换或同路径不同方法三种方式实现统一接口语义。推荐用asyncendpoint内部结合asyncio.to_thread调用同步代码。
- 文章 · python教程 | 8个月前 | 486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。
- 267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。
- 318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。
- 304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。
- 275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。
- 95次使用
