python教程技术文章
-
- Flasksession使用详解与示例代码
- 不安全。Flask的session虽支持字典操作，但仅防篡改不加密，依赖SECRET_KEY签名Cookie；未设密钥则静默失效；应优先用session.get()防KeyError，并避免存敏感数据。
- 文章 · python教程 | 5个月前 | 244浏览 收藏
-
- Windows11安装Python3.12教程
- Python3.12安装后cmd报“不是内部或外部命令”主因是PATH未正确配置，安装时必须勾选“Addpython.exetoPATH”，否则需手动添加安装目录及Scripts路径到系统环境变量。
- 文章 · python教程 | 5个月前 | 119浏览 收藏
-
- Python异步缓存技巧：async-lru加速接口响应
- async-lru能直接装饰asyncdef函数，但必须用@alru_cache()（带括号），否则装饰器未生效；它基于asyncio.Lock保证并发安全，缓存键由可哈希参数生成，不支持TTL、不可哈希类型或session实例传参。
- 文章 · python教程 | 5个月前 | 261浏览 收藏
-
- glob匹配三位数NIfTI文件路径方法
- 本文详解如何在Python中使用glob模块编写准确的通配符模式，匹配形如123_beta_faces.nii.gz或042_beta_faces_up.nii.gz的文件路径，避免过度匹配，并给出可直接运行的代码示例与关键注意事项。本文详解如何在Python中使用`glob`模块编写准确的通配符模式，匹配形如`123_beta_faces.nii.gz`或`042_beta_faces_up.nii.gz`的文件路径，避免
- 文章 · python教程 | 5个月前 | 267浏览 收藏
-
- DeepFace人脸验证技巧与模型选择指南
- 面对千类万人脸数据集（每类10张图像），直接使用DeepFace内置预训练模型提取特征并构建分类器是高效可靠的选择；微调需谨慎评估计算成本与泛化风险，通常不建议从零训练。面对千类万人脸数据集（每类10张图像），直接使用DeepFace内置预训练模型提取特征并构建分类器是高效可靠的选择；微调需谨慎评估计算成本与泛化风险，通常不建议从零训练。在实际人脸识别任务中，模型选择的核心逻辑不是“能否微调”，而是“是否值得微调”。DeepFace默认集成的VGG-Fac
- 文章 · python教程 | 5个月前 | 238浏览 收藏
-
- VSCode配置Python环境详细教程
- VSCode中Python插件无法识别解释器、模块导入失败、调试断点无效及中文乱码等问题，根源在于解释器路径未正确配置、虚拟环境未激活、launch.json配置错误或终端/文件编码不一致，需按系统差异逐一排查。
- 文章 · python教程 | 5个月前 | 117浏览 收藏
-
- Flask用Celery实现异步任务方法
- Flask默认不支持真正异步任务，因其基于同步WSGI协议，无法识别协程；需用Celery等工具将任务卸载至独立worker进程执行。
- 文章 · python教程 | 5个月前 | 433浏览 收藏
-
- Python爬虫重试技巧：装饰器实现异常重试
- 应捕获特定网络异常而非Exception：requests对应ConnectionError、Timeout、HTTPError（需status_code≥500）；httpx对应ConnectError、TimeoutException；重试3次，采用带抖动的指数退避；必用functools.wraps保留签名；非幂等请求如POST需业务层控制重试。
- 文章 · python教程 | 5个月前 | 164浏览 收藏
-
- PythonSQLAlchemy模型测试技巧分享
- 直接MockSQLAlchemy模型易失败，因其非可调用对象，真正需Mock的是session实例及其Query链式行为，须让mock支持.filter()等中间调用并仅在.all()等终端方法返回数据。
- 文章 · python教程 | 5个月前 | 304浏览 收藏
-
- Python提取含特定字符串的行方法
- str.contains默认返回NaN而非False，因NaN参与布尔索引会被丢弃；设na=False可统一返回False，避免漏行。
- 文章 · python教程 | 5个月前 | 498浏览 收藏
-
- PythonLeetCode题解与实战技巧
- 答案是使用Python解决LeetCode题目需理解题意并按函数签名实现逻辑，常用双指针、哈希表、滑动窗口、DFS/BFS和动态规划等算法，结合数据结构优化解法，通过手动测试用例和平台验证调试，建议分类刷题、总结模板并学习优质解答以提升效率。
- 文章 · python教程 | 5个月前 | 182浏览 收藏
-
- Z3定理证明器唯一动作推导教程
- 本文详解如何通过Z3的增量求解（push/pop）与双重检查（SAT/UNSAT对比）机制，严格验证在给定约束下哪些动作谓词（如Overtake(v1)）必然为真，从而实现确定性行为推理。本文详解如何通过Z3的增量求解（push/pop）与双重检查（SAT/UNSAT对比）机制，严格验证在给定约束下哪些动作谓词（如`Overtake(v1)`）必然为真，从而实现确定性行为推理。在自动驾驶或形式化安全推理场景中，仅满足约束是不够的——我们需要
- 文章 · python教程 | 5个月前 | 196浏览 收藏
-
- 路由器无线设置步骤详解
- 正确设置路由器无线参数可提升网络稳定性与安全性：首先设置个性化SSID，避免默认名称和敏感信息；其次选择WPA2/WPA3加密并设置强密码；然后根据使用场景选择2.4GHz（覆盖广）或5GHz（速率高）频段，必要时调整信道减少干扰；最后建议定期更新固件、关闭WPS、启用MAC过滤或隐藏SSID，完成设置后重启路由器并测试连接，确保网络高效安全运行。
- 文章 · python教程 | 5个月前 | 104浏览 收藏
-
- Python文本处理技巧大公开
- 如果您在使用Python处理大量文本数据时遇到速度缓慢、内存占用过高的问题，则可能是由于字符串操作方式不当、I/O效率低下或算法复杂度不合理所致。以下是提升Python文本处理性能的具体技巧：一、避免频繁字符串拼接Python中字符串是不可变对象，使用+或+=反复拼接会不断创建新字符串对象，导致时间与空间开销剧增。应改用更高效的数据结构一次性构建结果。1、将待拼接的字符串存入列表中，最后调用''.join()合并。2、对于多行文本生成，优先使用列表推导式配合join()，而非循环内累加。3、若
- 文章 · python教程 | 5个月前 | 496浏览 收藏
-
- Python异步重试机制全解析
- asyncio.run()无法直接捕获create_task启动的任务异常，需在任务内处理或通过await、gather(return_exceptions=True)、task.exception()显式获取；retrying不支持异步。
- 文章 · python教程 | 5个月前 | 196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。
- 1012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。
- 1017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。
- 1141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。
- 1113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。
- 958次使用
