tag Python

標籤
貢獻830
698
06:37 AM · Oct 27 ,2025
dawanzi_6278b06ec111c 頭像 deephub 頭像 lengxi_16 頭像 u_14306318 頭像 u_17037082 頭像 kuanrongdeshanyang 頭像 fengliudeshanghen 頭像 jieduanxingdebugger 頭像 hanazawa 頭像 u_13137233 頭像 yinuo112 頭像 u_15469972 頭像

@Python / 博客 RSS 訂閱

u_16099229 頭像

架構設計師之光 - python製作以太網刷寫工具

以太網PHY和MAC對應OSI模型的兩個層——物理層和數據鏈路層。 物理層定義了數據傳送與接收所需要的電與光信號、線路狀態、時鐘基準、數據編碼和電路等，並向數據鏈路層設備提供標準接口（RGMII / GMII / MII）。 數據鏈路層則提供尋址機構、數據幀的構建、數據差錯檢查、傳送控制、向網絡層提供標準的數據接口等功能。

數據鏈路層 , 數據 , 後端開發 , 數據結構與算法 , 信號線 , python製作以太網刷寫工具 , Python

收藏 評論

kestrel_task 頭像

微芒不朽 - python 入門基礎知識練習

原創：叫我詹躲躲 鏈接：https://segmentfault.com/a/11... 1編寫第一個程序,目前使用的都是python 3 # print('hello world!') 2.查看當前python編輯器的版本號 # python -v 3.使用變量 # message = 'hello world!' # print(message) 4.字符串 name = 'jetty'

python3.x , python3.5 , pythonic , Python

收藏 評論

u_17467352 頭像

mb686fbcc4efbd6 - 無人機視角軍事目標檢測數據集VOC+YOLO格式5239張8類別

數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：5239 標註數量(xml文件個數)：5239 標註數量(txt文件個數)：5239 標註類別數：8 所在github倉庫：firc-dataset 標註類別名稱

數據集 , 後端開發 , txt文件 , xml文件 , Python

收藏 評論

zhuxianzhong 頭像

googlingman - 編程家族三兄弟的超能力大揭秘！

在神奇的計算機王國裏，住着三位各懷絕技的編程魔法師，他們雖然是一家人，性格和能力卻大不相同！ 🧸 Scratch：創意

圖形化 , 遊戲開發 , Scratch , 聊一聊WuKong編輯器 , Python

收藏 評論

u_17037082 頭像

王校長的熱狗 - 水稻開花成熟生長階段檢測12985張VOC+YOLO（已增強）

水稻開花成熟生長階段檢測12985張VOC+YOLO（已增強） 數據集格式：VOC格式+YOLO格式 壓縮包內含：3個文件夾，分別存儲圖片、xml、txt文件 JPEGImages文件夾中jpg圖片總計：12985 Annotations文件夾中xml文件總計：12985 labels文件夾中txt文件

數據集 , 水稻開花成熟生長階段 , 標籤名 , 後端開發 , txt文件 , Python

收藏 評論

u_16163442 頭像

datian1234 - 一文搞懂大模型標準配置RoPE位置編碼原理與實現！

簡介 RoPE（Rotary Positional Embedding）是當前大語言模型中最主流的位置編碼方式，通過旋轉矩陣操作將位置信息引入Q、K向量角度，實現相對位置建模。它支持長序列泛化、計算高效且保留週期信息，被LLaMA、GPT-NeoX等主流大模型採用。相比傳統位置編碼，RoPE能更好地處理序列順序信息，提升模型對相對距離的感知能力。

github , 算法 , 知識圖譜 , 後端開發 , 人工智能 , 大模型入門 , Python

收藏 評論

u_16213594 頭像

mob64ca13fae001 - matlab通信仿真mimo,mimo 基於Matlab的MIMO通信系統仿真 含報告；司中威；瞭解移動通信關鍵技術 - 下載 - 搜珍網...

1.算法運行效果圖預覽 (完整程序運行後無水印) 2.算法運行軟件版本 Matlab2024b/Matlab2022a 3.部分核心程序 （完整版代碼包含詳細中文註釋和操作步驟視頻） .............................

數據 , 無線通信 , 後端開發 , ML , Python

收藏 評論

deephub 頭像

deephub - 一份寫給數據工程師的 Polars 遷移指南：將 Pandas 速度提升 20 倍代碼重構實踐

在大數據處理領域，性能和效率始終是核心問題。 polars 作為新一代數據處理框架，通過利用Rust語言的底層實現和現代化的並行計算架構，在處理大規模數據集時展現出顯著的性能優勢。根據性能測試文章的數據顯示，在CSV文件讀取操作中， polars 的處理速度可達 pandas 的20倍。這種性能提升主要得益於其優化的內存管理機制和並行計算能力。 本文將系統地介紹如何從 pandas 遷移到 po

機器學習 , 人工智能 , pandas , Python

收藏 評論

u_16213586 頭像

mob64ca13f8eecb - 【JAVA項目實戰】【圖書管理系統】借閲管理功能【Servlet】+【Ajax】+【MySql】+【Session】_java借書還書

摘要 本文以“在線圖書借閲平台”為案例，通過飛算JavaAI的【智能引導】功能實現代碼高效生成，並針對複雜業務邏輯（如多維度圖書借閲生命週期管理）進行深度優化。 前言 飛算Java AI圍繞與AI協同開發，提供多維度功能助力高效開發：左側智能會話含編程智能體自動執行編程任務、智能問答實時答疑、Java Chat做工程分析與代碼優化；中間引導式生成完整項目，先拆解

業務邏輯 , 系統配置 , spring , 飛算JavaAI炫技賽 , 後端開發 , java開發 , Python

收藏 評論

u_14344 頭像

冷月星 - 流敏感，路徑敏感和上下文敏感_alu

Introduction 傳統的使用 AccessPath 的字段敏感分析在面臨循環字段引用（cyclic field reference）時存在路徑爆炸的問題，比如對於 JDK 8 中 TreeMap 的實現： 函數 rotateLeft 在函數 fixAfterInsertion 的 while 循環中被調用，rotateLeft 的 16, 17, 19

字段 , 控制流 , 後端開發 , 靜態分析 , Python

收藏 評論

u_13354 頭像

小咪咪 - 分享幾種論文寫作神器，提高你的寫作效率

前言 Zotero作為我一直使用的文獻管理工具，其簡單、免費的優點一直讓我很放心，寫一篇博客來記錄我的使用和配置。本文主要介紹如何使用（堅果雲）網盤進行文獻同步，以及如何使用插件對文獻進行標註和界面、條目等的美化。 Zotero界面 目錄 一、 網盤同步文獻庫 二、 Zotero插件：zotero-style 三、 Zote

網盤 , github , 背景顏色 , 後端開發 , Python

收藏 評論

u_16213586 頭像

mob64ca13f8eecb - 【夯實Redis】如何保證數據庫與緩存雙寫一致性? 跟着大宇學Redis

首先我們先來説一下什麼是緩存雙寫，就是我們使用redis的情況下一定會使用一個持久化的數據庫，最典型的就是redis+mysql的組合，使用他們倆就一定會存在數據不一致的情況，我們為了業務要求必須保證最終一致性，所以需要我們解決的就是使用什麼方法讓他們之間的數據儘可能的在最短的時間、最大的吞吐量、最安全的方式下保證數據的一致性。 關於策略就有同步和

redis , 數據 , 緩存 , 數據庫 , 後端開發 , Python

收藏 評論

u_16213446 頭像

mob64ca12f3f05d - ubutun 安裝 allama

在這篇博文中，我將分享如何在 Ubuntu 系統上安裝 Allama，這包括環境準備、分步指南、配置詳解、驗證測試、優化技巧和擴展應用等內容，希望能夠有效幫助到讀者。 環境準備 軟件和硬件要求 在開始之前，請確保您的系統滿足以下要求： 操作系統：Ubuntu 20.04 或更高版本 內存：至少 4 GB RAM 硬盤空間：至少 20 GB 可用空間

bash , 數據庫 , aigc , Python

收藏 評論

u_16077014 頭像

wx643df9f1afa1d - iMetaMed | 温附一夏二傑組-預測乳腺癌5年生存率-可解釋機器學習模型

基於整合蛋白質組學和臨牀數據的可解釋機器學習模型預測乳腺癌5年生存率 iMetaMed主頁：https://onlinelibrary.wiley.com/journal/3066988x 研究論文 ●原文：iMetaMed ●英文題目：An Interpretable Machine Learning Model for

機器學習 , 預測模型 , 數據 , 模型預測 , 後端開發 , 人工智能 , Python

收藏 評論

hanazawa 頭像

不愛吃香菜 - Python 的內置函數 compile

Python 的內置函數 compile() 用於將源代碼編譯為可執行的代碼對象或抽象語法樹（AST）。該函數可以將字符串形式的 Python 代碼編譯為字節碼，以便後續通過 exec() 或 eval() 函數執行。 函數簽名 compile(source, filename, mode, flags=0, dont_inherit=False, optimize=-1) 參數説明 sour

知識 , Python

收藏 評論

u_16099221 頭像

技術領航者之聲 - Python自動化 作為代碼小白，我是這樣成為自動化大神的！

Playwright MCP的技術架構解析 Playwright MCP的創新絕非偶然，它是微軟Playwright測試框架與MCP協議的深度融合產物。這套系統打破了傳統測試工具的技術壁壘，將自然語言處理與自動化測試完美結合。 其核心技術亮點在於三重智能化處理： 自然語言理解引擎：採用最先進的Transformer架構，能夠

選擇器 , 測試用例 , 後端開發 , 自動化測試 , Python

收藏 評論

u_16213691 頭像

mob64ca14122c74 - python 獲取微信小遊戲 內容自動點擊

adb shell screencap -p /sdcard/autojump.png adb pull /sdcard/autojump.png . AI寫代碼 shell 計算按壓時間 如果能精確測量出起始和目標點之間測距離，就可以估計按壓的時間來精確跳躍

微信 , 後端開發 , Android , Python

收藏 評論

u_17546912 頭像

麗麗的博客家園 - 理解Python中的屬性（@property）：優雅地控制類成員訪問

在面向對象編程中，封裝是核心原則之一——隱藏內部實現細節，僅通過受控接口與外界交互。Python 雖然沒有嚴格的“私有成員”，但通過 @property 裝飾器，我們可以以簡潔、Pythonic 的方式實現對類屬性的讀取、驗證和計算邏輯，既保持了代碼的直觀性，又增強了健壯性。本文將深入講解 @property 的用法、優勢及典型應用場景。 1. 為什麼需要 @propert

只讀屬性 , 後端開發 , 應用場景 , Python

收藏 評論

plcode 頭像

wx65dfdaaec020c - 消息隊列性能優化與調優實戰指南

消息隊列性能優化與調優實戰指南 摘要 本文將深入探討消息隊列在生產環境中的性能優化策略，涵蓋Kafka、RabbitMQ、RocketMQ三大主流消息中間件的性能調優技巧。通過詳細的配置示例、性能測試數據和實戰案例，幫助開發者構建高性能、高可用的消息系統。 性能優化指標體系 關鍵性能指標定義 指標類別 具體指標 優化目

性能優化 , 後端開發 , 消息隊列 , kafka , Python

收藏 評論

u_15642578 頭像

wx62830f4b679a4 - 人和動物的區別在哪裏？？？

各有各的説法，但這裏我説説我個人的看法： 人呀，人就是穿着衣服的猴子。 本文包含：--> -->

後端開發 , 説法 , Python

收藏 評論

u_16213705 頭像

mob64ca14157da7 - python實現訂閲是opcda數據

如果你已經通過了招聘人員的電話面試，那麼下面正是該展現你代碼能力的時候了。無論是練習，作業，還是現場白板面試，這都是你證明自己的代碼技巧的時刻。 我們知道面試官常常會出一些題讓你來解決，作為一名程序員，除了需要具備解決問題的思路以外，代碼的質量和簡潔性也很關鍵。因為從一個人的代碼可以直接看

數據結構 , python實現訂閲是opcda數據 , 默認值 , 後端開發 , Python

收藏 評論

fannaodeshafa 頭像

煩惱的沙發 - 提升Python開發效率的7款實用工具

Python社區生態非常強大，因此Python有不少好用的工具來簡化工作流。這裏整理了7款實用工具，既有解決環境痛點的集成方案，也有在特定領域表現極致的小而美庫。 ServBay 開發環境的配置一直是新老手的噩夢，尤其是當項目依賴不同版本的 Python，或者需要混合開發（如 Python 後端配合 Go 微服務）時，本地環境很容易變得混亂。 ServBay 是一個集成的開發環境管理工具，就能很

觀點 , 後端 , Python

收藏 評論

swiftcommunity 頭像

Swift社區 - 併發編程任務調度指南：從算法到優化，打造高性能系統

摘要 任務調度是併發編程中的核心問題，合理的調度策略能夠顯著提升系統性能。本文將深入探討常見的任務調度算法，如FIFO、優先級調度等，分析其適用場景和優缺點。同時，我們將提供任務調度的實現方案和性能優化建議，並通過可運行的示例代碼幫助讀者更好地理解這些概念。 引言 在併發編程中，任務調度是指如何將多個任務分配給有限的資源（如CPU、線程等）以最大化系統性能和資源利用率。不合理的調度策略可能導致資源

併發編程 , Python

收藏 評論

myskies 頭像

潘傑 - ModuleNotFoundError: No module named 'setuptools'

在使用python的pip(3)安裝module時，可能會遇到如下錯誤： ModuleNotFoundError: No module named 'distutils' 這是由於只有當python的版本介於3.4 - 3.11版本間時，python才提供了distutils模塊，這間接的説明了，我們當前正在安裝模塊依賴的python版本為3.4 - 3.11，所以解決該問題的的根本的方法是將當前

module , Python

收藏 評論