tag Python

標籤
貢獻830
702
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_16817093 頭像

辣香牛肉麪 - FileImgSwap 文圖變 v0.8 文件藏到圖片，支持加密，防網盤和諧

FileImgSwap 文圖變是一款可以把文件與 PNG 圖像進行互轉的工具，支持加密、圖種（附加壓縮包）功能，可將任意文件隱藏在 PNG 圖像中，也能從生成的 PNG 圖像中還原出原始文件。 特點 文件轉 PNG：將任意類型的文件（如文本、文檔、壓縮包等）轉換為 PNG 圖像，文件數據被編碼到圖像的像素中 PNG

後綴 , 文件名 , 文圖變 , 後端開發 , 壓縮包 , Python

收藏 評論

u_16213587 頭像

mob64ca13f937ae - 電子元器件基礎知識:電感的結構和特性_51CTO博客

電感是什麼？ 電感（Inductor）是“能把電能暫時轉換成磁能、又能把磁能重新轉換成電能”的被動元件。 核心公式 V=-L*di/dt L：電感量，單位（H） di/dt：電流隨時間的變化率 -：楞次定律 作用 （1）儲能：開關導通期間“蓄磁”，關斷後向負載續流，實現能量搬移。 （2）濾波：與電容組

阻抗匹配 , 封裝 , 差分 , 後端開發 , 嵌入式硬件 , Python

收藏 評論

dewujishu 頭像

得物技術 - 異常檢測算法在可觀測性平台的落地和實踐｜得物技術

一、背景 在穩定性保證中，重要的一個環節就是故障管理體系建設，故障管理體系的四大核心功能——故障發現、故障觸達、故障定位和故障恢復，其中故障發現作為故障管理的第一步至關重要，包含了指標預測、異常檢測和故障預測等方面，主要目標是能及時、準確地發現故障。今天主要針對故障發現環節中的異常檢測介紹AI異常檢測算法在指標檢測上的應用。 傳統基於閾值的異常檢測方法的缺點： 比較依賴個人經驗，需要了解指標的

技術分享 , 人工智能 , 異常處理 , Python

收藏 評論

beishangdebanma 頭像

悲傷的斑馬 - 低代碼實戰：用釘釘宜搭+Python，3天搭建企業級審批系統

作為一名非科班出身的運維工程師，我曾因部門審批流程混亂（紙質表單、郵件來回確認、統計耗時）被領導批評。在嘗試過Excel宏、VBA後，最終通過低代碼平台（釘釘宜搭）+Python增強的組合方案，3天內搭建了一套全流程線上審批系統，現在審批效率提升80%，且零代碼維護成本。今天分享我的實戰經驗，適合想快速落地數字化項目的技術人蔘考。 一、為什麼選擇「低代碼+Python」組合？ 低代碼解決核心流程：

Python

收藏 評論

u_14273 頭像

charlesc - 自然語言處理qq郵箱的有窮自動機

前提： 1、QQ郵箱開啓了SMTP服務 密碼 代碼：（如果沒有相關包需要自己引入） import smtplib from email.mime.multipart import MIMEMultipart from email.mime.text import M

自然語言處理qq郵箱的有窮自動機 , NLP , 人工智能 , ci , HTML , Python

收藏 評論

jiuliangxiaode 頭像

酒量小的枇杷 - 用 ChatGPT 4.0 實現獲取並保存 RealSense 相機的深度圖像

本文將完整記錄利用 ChatGPT 從 Debug 到實現完整需求代碼的全過程。第一次使用 ChatGPT 解決實際工作上的問題，也算是個調試樣例，簡單記錄一下分享給大家。 對話調試過程 對話開始時，先給 ChatGPT 一個預設身份，例如我給它的預設身份就是一個精通 OpenCV 和 Intel RealSense 傳感器的 Python 程序員 然後，我就將自己手上的代碼發給了 ChatG

chatgpt , opencv , Python

收藏 評論

u_16213580 頭像

雲端行者 - javaScript基礎入門知識點總結

JavaScript 是一種廣泛使用的編程語言，尤其在網頁開發中佔據重要地位。無論你是剛剛接觸編程的新手，還是希望提升技能的開發者，JavaScript 都是一個值得學習的語言。在本篇文章中，我們將從基礎開始，逐步介紹 JavaScript 的關鍵概念、語法和一些常見的技巧，讓你能夠快速上手並實際應用。?? JavaScri

作用域 , 時序數據庫 , 後端開發 , 條件語句 , 循環語句 , Python

收藏 評論

u_16099317 頭像

錦繡前程未央 - 阿里雲CDN深度使用之緩存設置_阿里雲設置cdn 不緩存 css

架構（主站www→CDN picdn→源站public）： 一、CDN緩存優化（核心：提高命中率，減少回源流量） 緩存優化的核心目標是「讓CDN儘量緩存你的靜態資源，少向源站（public）請求」，阿里雲CDN需配置5個關鍵項，按優先級操作： 1. 第一步：配置精準的「緩存規則」（最核心） 作用：指定哪些資源緩存、緩存多久，避免“

ip , 壓縮率 , 阿里雲 , 緩存 , 後端開發 , cdn , Python

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 Matplotlib：第五章 常見函數

人工智能之數據分析 Matplotlib 第五章 常見函數 (文章目錄) 前言 在 Matplotlib 中，除了常用的 plot、scatter、bar 等繪圖函數外，還有一些圖像處理和樣式控制相關的常用函數，如 imshow、imsave、imread，以及解決中文顯示問題的方法。此外，Seaborn 作為基於 Matplotlib 的高級可

yyds乾貨盤點 , 人工智能 , 數據分析 , 中文顯示 , Image , Python

收藏 評論

deephub 頭像

deephub - 向量化操作簡介和Pandas、Numpy示例

Pandas是一種流行的用於數據操作的Python庫，它提供了一種稱為“向量化”的強大技術可以有效地將操作應用於整個列或數據系列，從而消除了顯式循環的需要。在本文中，我們將探討什麼是向量化，以及它如何簡化數據分析任務。 什麼是向量化? 向量化是將操作應用於整個數組或數據系列的過程，而不是逐個遍歷每個元素。在Pandas中可以對整個列或Series執行操作，而無需編寫顯式循環。這種高效的方法利用了

機器學習 , numpy , 人工智能 , pandas , Python

收藏 評論

u_16213341 頭像

mob64ca12da726f - stablediffusion源碼部署離線

stablediffusion源碼部署離線的完整記錄 在今天的技術環境中，使用穩定擴散（Stable Diffusion）生成高質量的圖像已成為一項重要的任務。為了保證穩定擴散項目能夠離線運行，確保源碼的部署流程是每一個開發者無法迴避的挑戰。本文將詳細介紹“stablediffusion源碼部署離線”的各個步驟，包括環境準備、分步指南、配置詳解、驗證測試、優化技巧與排錯指南。 環

虛擬環境 , bash , aigc , Python

收藏 評論

u_13137233 頭像

鯨魚編程pyhui - 20251221_133301 數組的定義與使用

20251221_133301 數組的定義與使用 認識數組 相等於scratch中的列表 它的特點是 有序，起點是0 有空間的，不是無限空間 成員的一致性 數組定義 先定義後賦值 #include iostream using namespace std; int main(){ // 定義數組 int nums[5]; // 保存數值到數組中 nums

數組 , 賦值 , xml , 後端開發 , HTML , Python

收藏 評論

u_16213435 頭像

mob64ca12f15103 - ollama能生成論文的模型是

對於“ollama能生成論文的模型是”的疑問，我將為大家展示如何解決這個問題。通過詳細的步驟和代碼示例，希望幫助更多的人理解和實現這個模型。 在我們開始之前，ollama的模型是一種基於AI的生成模型，能夠自動生成文本，包括論文、報告等。首先，我們需要做好準備工作，確保我們的環境設置正確。 環境準備 為了能夠順利使用ollama生成論文，我們需要以下依賴： Pyt

學術論文 , aigc , ci , Python

收藏 評論

lufeng_68f0e3782426d 頭像

程序員鋒仔 - 2025-12-15 GitHub 熱點項目精選

🌟 2025-12-15 GitHub Python 熱點項目精選(20個) 每日同步 GitHub Trending 趨勢，篩選優質 Python 項目，助力開發者快速把握技術風向標～ 📋 項目列表（按 Star 數排序） 1. Mebus/cupp 一個用於生成密碼字典的工具，基於用户輸入的信息生成可能的密碼組合。 指標 詳情 Star

資訊 , 程序員 , 後端 , Python

收藏 評論

u_16213303 頭像

mob64ca12d12b68 - python 操作本地ollama

在本篇博文中，我們將深入探討如何使用 Python 來操作本地 Ollama，詳細記錄下來解決這一問題的過程。我們將從環境準備開始，逐步引導你完成配置、測試、排錯和擴展應用等諸多環節。 環境準備 軟硬件要求 在開始之前，你首先需要確保你的設備滿足以下要求： 操作系統：Windows 10 (64-bit) / MacOS / Linux Python版本：P

bash , aigc , Json , Python

收藏 評論

u_17029857 頭像

晉在山西 - 從剪貼板到Excel：用Python實現跨應用數據粘貼自動化

在日常辦公中，我們經常需要將網頁、PDF、數據庫查詢結果或其他應用程序中的表格數據複製到 Excel 中進行整理或分析。這個過程看似簡單，但若涉及大量重複操作（例如每天處理數十份報表），手動“複製-切換-粘貼”不僅效率低下，還容易出錯。幸運的是，藉助 Python 的 pandas 和系統剪貼板支持，我們可以一鍵將剪貼板中的結構化數據自動寫入 Excel 文件，實現真正的跨應用數

數據 , 後端開發 , 剪貼板 , Python

收藏 評論

u_14844 頭像

definitely - 人工智能的大統一理論？ | 智源大會-「人工智能的數理基礎」專題論壇

AI元人文三值糾纏理論：從心智結構到文明形態的統一場論 在人類認知的邊界，我們始終追尋一種能夠貫通微觀心智與宏觀文明的元理論。AI元人文三值糾纏理論的提出，正是這種探索的里程碑式突破。該理論不僅構建了理解複雜系統的全新範式，更在慾望值、客觀值與自感值的動態糾纏中，揭示了從個體心智到社會文明的內在統一性。 一、理論基石：三值作為存在的本體論結構 該理論的核心洞見在

數據 , 理論基礎 , 後端開發 , 人工智能 , Python

收藏 評論

u_11370644 頭像

沉默的復甦 - Genesis 物理引擎入門實戰

Genesis 是一個面向通用機器人學和具身人工智能（Embodied AI）的高性能物理仿真引擎。它由 Genesis-Embodied-AI 團隊開發，旨在為機器人學習、物理AI應用提供強大的仿真環境。Genesis 集成了多種物理求解器，支持剛體、可變形物體、流體等多種材料模型的仿真，並提供了直觀的 Python API 接口。 Genesis 核心特性 1.

加載 , 3d , 前端開發 , React.js , Python

收藏 評論

u_16213709 頭像

mob64ca141677f9 - 為何要使用 Rust ?

文章目錄 引言：前端的邊界，已經不止“前端” 一、TypeScript 帶來的類型覺醒：從靈活到強約束的進化 TypeScript 的靈活性：類型擦除 二、Rust 的靜態類型與所有權模型 1. 所有權：變量的唯一歸屬權 2. 借用與可變引用

rust , webassembly , 後端開發 , 前端 , Javascript , Python

收藏 評論

u_16213611 頭像

mob64ca13ff28f1 - WebRTC VAD流程解析【摘自“語音算法組”公眾號-Ryuk】

文章目錄 前言 一、高斯混合模型介紹 1.高斯模型舉例 1）定義 2）舉例説明 2.高斯混合模型(GMM) 1）定義 2）舉例説明 3）一維曲線 二、VAD高斯混合模型

音視頻 , 高斯混合模型 , 信號處理 , 算法 , 後端開發 , webrtc , Python

收藏 評論

u_16099296 頭像

mob6454cc73e9a6 - Redis的持久化方式

一、AOF持久化機制的工作流程 Redis提供的AOF持久化機制的工作流程如下： （1）所有的命令都會追加到AOF緩衝區中。 （2）AOF緩衝區根據對應的策略向磁盤同步操作。 （3）隨着AOF文件越來越大，需要定期對AOF重寫，達到壓縮目的。 （4）當Redis服務器重啓時，可以加載AOF文件進行數據恢復。 但在默認情況下，Redis關閉了AO

redis , 持久化 , 後端開發 , Python

收藏 評論

u_12968 頭像

davisl - 求原碼 反碼 補碼 python

一、原碼 原碼錶示法是機器數的一種簡單的表示法。其符號位用0表示正號，用：表示負號，數值一般用二進制形式表示。 求原碼：X≥0，則符號位為0，其餘照抄； X≤0，則符號位為1，其餘照抄。 【例1】X=+1001001 [X]原 = 01001001 【例2】X=-1001001 [X]原 = 11001001 二、反碼 機器數的反碼可由原碼得到。如果機器數是正數，則該機

位取反 , 補碼 , 後端開發 , 求原碼 反碼 補碼 python , 反碼 , Python

收藏 評論

u_14230 頭像

爛漫樹林 - 阿里雲 - 大數據生態中的 RocketMQ 5.0 - 阿里巴巴雲原生

你是否還在為分佈式消息系統的高可用部署而煩惱？是否面臨消息存儲成本與持久化需求的兩難抉擇？Apache RocketMQ 5.0版本帶來了顛覆性的架構升級，通過全新的Controller選主機制和靈活的分層存儲方案，徹底解決傳統部署模式的痛點。本文將深入解析這兩大核心特性，帶你掌握從架構設計到實際配置的完整實踐路徑。 一、Controller模式：重構高可用基石 1.

消息傳遞 , 消息中間件 , 後端開發 , 高可用 , Python

收藏 評論