tag Python

標籤
貢獻844
750
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 yinuo112 頭像 u_13137233 頭像 u_15469972 頭像

@Python / 博客 RSS 訂閱

u_16099295 頭像

IT劍客行 - 簡單瞭解SQL性能優化工具MySql Explain - 春哥大魔王的博客的個人空間 -

在數據庫性能優化領域，Explain執行計劃是MySQL開發者與DBA必須掌握的利器。它揭示了SQL語句的執行路徑、索引使用情況及資源消耗模型，是診斷慢查詢和優化索引策略的核心工具。本文將全方位解析Explain的機制與實踐技巧，助你徹底掌握SQL性能調優。 在數據庫性能優化領域，Explain執行計劃是M

字段 , 子查詢 , MySQL , 後端開發 , Python

收藏 評論

hanazawa 頭像

不愛吃香菜 - Python 的內置函數 any

Python 的內置函數 any() 是一個非常有用的函數，它用於判斷給定的可迭代對象中是否至少有一個元素為 True。如果可迭代對象中至少有一個元素為 True，則 any() 返回 True；否則返回 False。如果可迭代對象為空，any() 會返回 False。 語法 any(iterable) 參數 iterable：一個可迭代對象，如列表、元組、集合、字典等。 返回值 如果可

知識 , Python

收藏 評論

yongxinz 頭像

alwaysbeta - Python 報錯 ValueError list.remove(x) x not in list 解決辦法

平時開發 Python 代碼過程中，經常會遇到這個報錯： ValueError: list.remove(x): x not in list 錯誤提示信息也很明確，就是移除的元素不在列表之中。 比如： lst = [1, 2, 3] lst.remove(4) Traceback (most recent call last): File "stdin", line 1, in modul

List , Python

收藏 評論

u_15724537 頭像

u_15724537 - 【計算幾何 二分查找】P12261 [藍橋杯 2024 國 Java B] 激光炮|普及+

本文涉及知識點 數學C++二分查找 P12261 [藍橋杯 2024 國 Java B] 激光炮 題目描述 小明在二維平面上放置了 門激光炮，第 門激光炮位於座標 ，射向靶點 ，形成 條線段。他想使用一條垂直於 軸且其中一個端點在 輸入格式 輸入共 第一行為一個正整數 。 後面 行，每行 2

洛谷 , 藍橋杯 , 數學 , c++ , 後端開發 , 計算幾何 , Python

收藏 評論

u_16213688 頭像

mob64ca14116c53 - AI 學習必知的十大深度學習方法！

NVIDIA-GPU 標量 / 向量 / 矩陣 / 張量 你提的問題很關鍵，這些概念是理解大模型數據流轉和計算邏輯的基礎。簡單説，它們是不同維度的“數值容器”，在大模型中分別承擔着存儲單個參數、單個特徵、批量特徵和高維複雜特徵的角色。 1. 標量（Scalar）：單個數值，0維 標量是最簡單的“數值容器”，只有大小，沒有方

數組 , 標量 , 權重 , 後端開發 , 人工智能 , 深度學習 , Python

收藏 評論

u_16099265 頭像

智能開發者 - linux 安裝 espeak 後 目錄在哪

一、前提是在Linux環境上安裝好python3.7版本和mysq5.75.7版本（此處是我自己使用的版本） 二、下載HttpRunnerManage源碼 1、可以到GitHub上下載源碼壓縮包到本地，GitHub下載地址：https://github.com/httprunner/HttpRunnerManager（可以查看readme） 2、在Linux的r

MySQL , 架構 , 數據庫 , 後端開發 , Python

收藏 評論

u_106065 頭像

laokugonggao - 2023大唐杯學習筆記——5G網絡架構與部署（1）

第一部分：5G標準發展的總體脈絡 5G標準的制定主要由國際標準組織3GPP負責。其發展並非一蹴而就，而是分階段、分版本逐步推進和完善的，就像一個軟件的“大版本更新”。 核心思想：5G標準的發展是一個從“能用”到“好用”，再到“全面賦能”的演進過程。 第二部分：3GPP核心版本詳解 可以將3GPP的版本理解為5G成長的幾個關

4G , 組網 , 服務化 , 後端開發 , 5G核心網規劃與應用 , Python

收藏 評論

u_16213560 頭像

數據小探 - 24.嵌入式部分框架設計與實現

文章目錄 前言 一、數據流架構 二、具體實現講解 1.命令解析層 2.配置處理層 前言 最近工作中遇到一個需求，在開發一個產品時，需要通過app去配置產品的一些功能開關、參數等，然後在這個同時，還可以通過電腦端應用去配置產品的功能開關、參數等，然後它們配置

數據 , C語言 , 單片機 , stm32 , 後端開發 , mcu , Python

收藏 評論

u_16099164 頭像

碼海舵手 - 一步一步學習PHP(6) 面向對象

噠噠噠！這個也是重點，所以語言通用的。要理解並記住。今天講oop面向對象的重點:封裝，繼承，多態！ 封裝 通過字面意思，我們知道封裝就是把東西弄在一起裝起來，我們生活中有很多例子，比如開車，我們一踩油門，汽車就會開始加速了，但是，具體汽車裏面是如何加速的，比如如何把油燃燒，產生動力，並能帶動輪子的。這裏面的具體邏輯我們是不清楚的，我們也沒必要

封裝 , php , 開發語言 , 後端開發 , 多態 , 父類 , Python

收藏 評論

nick_63c3c5cf4b3ee 頭像

nick_63c3c5cf4b3ee - 模糊哈希（fuzzy hash）對比文件相似度

對比兩個文件相似度，python中可通過difflib.SequenceMatcher/ssdeep/python_mmdt/tlsh實現， 在大量需要對比，且文件較大時，需要更高的效率，可以考慮模糊哈希（fuzzy hash），如ssdeep/python_mmdt 測試過程發現： difflib方法，讀取文件後，可以實現匹配度輸出 ssdeep/mmdt/tlsh方法可以實現，實現

hash , Python

收藏 評論

u_16213669 頭像

mob64ca140ce312 - Louvain community detection method(社區社區檢測算法原理介紹+python版代碼實現)_louvain method_weixin

你是否曾經面對複雜的網絡數據，卻不知道如何從中發現有意義的結構？🤔 社交網絡、生物網絡、推薦系統...這些看似雜亂無章的數據背後，往往隱藏着清晰的社區模式。Python-Louvain庫正是為解決這一挑戰而生，它基於著名的Louvain算法，通過優化模塊度來識別網絡中的社區結構。本完整教程將帶你從零開始，掌握這個強大的社區檢測工具，讓你的數據分析能力更上一層樓！🚀

網絡數據 , Css , 前端開發 , HTML , Python

收藏 評論

yujiaao 頭像

Yujiaao - yield 關鍵字在 Python 中的用途是什麼？

要了解其yield作用，必須瞭解什麼是 生成器。而且，瞭解生成器之前，必須瞭解 _iterables_。 可迭代： iterable 創建一個列表，自然是需要能一一閲讀其中每個元素。逐一讀取其項的過程被稱為迭代： mylist = [1, 2, 3] for i in mylist: ... print(i) 1 2 3 mylist 是一個_可迭代的_。當您使用列表推導式時，即是創建

yield , generator , Python

收藏 評論

u_16213301 頭像

mob64ca12d0a366 - stable diffusion 多GPU

在處理Stable Diffusion時，你可能會遇到“多GPU”的問題。這裏，我將分享一個詳細的過程，幫助你成功實現Stable Diffusion的多GPU配置。 環境準備 在開始之前，我們需要先準備好我們的環境，以確保基礎組件全部就位。 前置依賴安裝 首先，確保你的系統具備Python、CUDA、CuDNN等必要的依賴。下面是安裝這些依賴的命令： # 更新包管理

bash , aigc , CUDA , Python

收藏 評論

u_16099327 頭像

AI智行者 - python中的super()和__init_

Python的面向對象編程（OOP）中，繼承是一個強大的工具，但它也常常是初學者（甚至有經驗的開發者）的困惑之源。核心的困惑點通常圍繞： 為什麼子類的 __init__ 必須手動調用父類的 __init__？ super() 到底是什麼，它和直接用父類名調用有何區別？ 本文將通過“造房子”的類比和“鑽石問題”的深度解析，徹底澄清這些概念。

子類 , 初始化 , Css , 前端開發 , 父類 , HTML , Python

收藏 評論

u_16213376 頭像

mob64ca12e33720 - Langchain 入門指南PDF版

Langchain 入門指南PDF版的描述 在這篇博文中，我將帶你一起探索如何有效地使用 Langchain。我們的目標是從環境準備到擴展應用，詳細闡述整個過程，確保每個步驟都易於理解並且可操作。 環境準備 為了成功運行 Langchain，你需要滿足以下軟硬件要求： 操作系統: Linux/Windows/Mac OS Python版本: 3.7 及以上

配置環境變量 , 硬件資源 , aigc , Python

收藏 評論

u_15654855 頭像

此星光明 - LBA-ECO ND-07 Microbial Biomass in Cerrado Soils, Brasilia, Brazil

巴西利亞塞拉多土壤中的 LBA-ECO ND-07 微生物生物量 簡介 本數據集報告了巴西利亞塞拉多（Cerrado，一種林地-稀樹草原地區）土壤樣品中的微生物生物量。微生物生物量以磷脂脂肪酸（PLFA）的總濃度來衡量。土壤樣品（0-5 釐米）採集於 2000 年 6 月至 2001 年 6 月，地點為塞拉多兩個原生區域，這兩個區域經歷了不同

數據挖掘 , 大數據 , MySQL , 數據庫 , NASA , Python

收藏 評論

u_16213701 頭像

mob64ca14147fe3 - LeetCode 題解 | 1297.子串的最大出現次數 -

【問題描述】 計算一個子串在目標字符串中出現的次數並輸出。 相關知識 通用序列中，count()函數可以統計某子序列sub在目標序列target中不重疊（non-overlapping）時出現的次數。 如： target = 'abcyxtabcedfjkdabdfpabc' sub = 'abc'

字符串 , 子串 , 後端開發 , bc , Python

收藏 評論

deephub 頭像

deephub - 基於強化學習的量化交易框架 TensorTrade

打開交易圖表，堆上十個技術指標，然後對着屏幕發呆不知道下一步怎麼操作——這場景對交易員來説太熟悉了。如果把歷史數據丟給計算機，告訴它“去試錯”。賺了有獎勵，虧了有懲罰。讓它在不斷的嘗試和失敗中學習，最終迭代出一個不説完美、但至少能邏輯自洽的交易策略。 這就是 TensorTrade 的核心邏輯。 TensorTrade 是一個專注於利用 強化學習 (Reinforcement Learning,

量化交易 , 強化學習 , Python

收藏 評論

u_16213384 頭像

mob64ca12e51ecb - ollama部署千問模型

在當前的技術環境中，部署“ollama千問模型”顯得尤為重要。本文旨在分享這項任務的實施過程，幫助讀者通過一個清晰、系統的流程瞭解如何部署這一複雜的模型。 環境準備 前置依賴安裝 在開始之前，確保您已安裝以下依賴項，以便順利完成模型的部署。 # 更新包管理器 sudo apt-get update # 安裝 Python 及其工具 sudo apt-get instal

硬件資源 , bash , aigc , Python

收藏 評論

u_16099181 頭像

數碼悟透 - HDFS兩種操作方式：命令行和Java API

一、引言 Hadoop 分佈式文件系統（HDFS）作為大數據生態的核心存儲組件，憑藉高容錯性、高擴展性及海量數據存儲能力，成為分佈式數據處理場景的基石。本文聚焦 HDFS 的三種核心客户端操作模式 —— 命令行客户端（client1）、9870 端口 Web UI 客户端（client2）與 Java API 客户端（client3），將系統拆解每

hdfs , hadoop , 後端開發 , 前端 , Python , ui

收藏 評論

hunter_58d48c41761b8 頭像

Hunter - Python筆記六之多進程

本文首發於公眾號：Hunter後端 原文鏈接：Python筆記六之多進程 在 Python 裏，我們使用 multiprocessing 這個模塊來進行多進程的操作。 multiprocessing 模塊通過創建子進程的方式來運行多進程，因此繞過了 Python 裏 GIL 的限制，可以充分利用機器上的多個處理器。 1、多進程使用示例 多進程的使用方式和多線程的方式類似，這裏使用到的是 m

多進程 , 後端 , Python

收藏 評論

u_16213720 頭像

mob64ca14193248 - 1、RabbitMQ簡介 - 一念花開 -

摘要：RabbitMQ 作為最流行的開源消息中間件之一，在 2024–2025 年迎來了重大架構升級。本文基於官方最新 4.0+ LTS 版本，深入解析其核心新特性（如 Streams 2.0、Quorum Queue 優化、K8s Operator 增強）、性能提升數據，並提供生產環境部署建議。無論你是運維工程師還是後端開發者，都能從中獲得實

erlang , 生產環境 , rabbitmq , 持久化 , 後端開發 , 分佈式 , Python

收藏 評論

u_16213406 頭像

mob64ca12ea4e24 - stable diffusion把模型用完刪掉後 還留下一些顯存佔用

在使用“Stable Diffusion”生成模型時，我們經常會遇到一個讓人苦惱的問題：在使用完模型並將其刪除後，系統顯存依然佔用的現象。這可能會導致後續模型加載時的性能問題，或甚至導致無法加載新模型。本文將詳細記錄解決這個問題的過程，包括環境配置、編譯過程、參數調優、定製開發、部署方案以及進階指南。 環境配置 我們需要確保運行環境的各個組件都正確配置，以便高效利用顯存。以下是配

aigc , 編譯過程 , ci , Python

收藏 評論

u_12959 頭像

lanhy - JAVA學習日誌（8-2-多態成員特點與實例） - Almon的個人空間 -

按照功能模塊進行分類分析。 1. 核心系統定義和配置 成員變量 ReplicationMode EGameplayEffectReplicationMode ReplicationMode; 意義: 控制 GameplayEffect 的複製模式 項目用途: 優化網絡帶寬，根據客户端類型決

ue5 , 學習 , 虛幻引擎 , c++ , 後端開發 , 筆記 , Python

收藏 評論