tag Python

標籤
貢獻867
1064
06:37 AM · Oct 27 ,2025
dawanzi_6278b06ec111c 頭像 deephub 頭像 lengxi_16 頭像 u_17037082 頭像 u_14306318 頭像 jieduanxingdebugger 頭像 kuanrongdeshanyang 頭像 lufeng_68f0e3782426d 頭像 fengliudeshanghen 頭像 hanazawa 頭像 yinuo112 頭像 chuanghongdengdeqingwa_eoxet2 頭像

@Python / 博客 RSS 訂閱

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_16099280 頭像

編程小達人之心 - 運用Python——勞拉下棋_四連環遊戲_重力四子棋遊戲（代碼與遊戲判定）

項目實踐：重力四子棋遊戲 在此基礎之上做出了修改 class GravityConnectFour: #創建類 def __init__(self): # 創建6行7列的空棋盤，用 '.' 表示還沒有落子的棋格 self.rows = 6 self.cols = 7

遊戲 , 連線 , 重置 , 開發語言 , 後端開發 , harmonyos , 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_16841336 頭像

火雲大軍 - 本地大模型編程實戰(39)MCP實戰演練

之前兩篇文章:MCP簡介和MCP能做什麼闡述了MCP的基本概念和原理。 本文將使用Visual Studio Code寫一個MCP服務端和MCP客户端，演示MCP的基本功能。 MCP版本迭代很快，能用把代碼順利跑起來並不是一件容易的事：） 準備運行環境 Windows 10 Visual studio code 1.104.3

llm , 私藏項目實操分享 , mcp , 人工智能 , 深度學習 , 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

u_17467352 頭像

mb686fbcc4efbd6 - 基於yolov11實現車輛速度估計+距離測量+軌跡跟蹤+區域進出統計python源碼實現

這個是網上目前可能唯一一個使用不足一百行代碼實現了複雜車輛速度估計+距離測量+軌跡跟蹤+區域進出統計系統。之所以這麼簡單是因為ultralytics模塊現在已經成熟而且強大，不需要從頭開始寫車輛速度估計、距離測量、軌跡跟蹤、區域進出統計系統代碼，因為裏面邏輯比想象要複雜不少，不是有經驗程序員無法短時間從邏輯代碼解放出來。因此代碼對小白十分友好，而且我們只需要關注功能結果本身不必注

文件路徑 , 後端開發 , ide , Python

收藏 評論

u_16213616 頭像

mob64ca14005461 - Python的多版本、多虛擬環境共存(jupyter篇)

在實際開發中，我們經常會遇到這樣的場景：一個項目需要Python 3.7，另一個項目卻要求Python 3.9，如何在同一台電腦上優雅地管理不同版本的Python環境？本文將詳細介紹如何使用虛擬環境來解決這個問題，讓多個Python版本和依賴包和諧共存。 一、為什麼需要虛擬環境？ 避免依賴衝突：不同項目可能需要同一個包的不同版本

conda環境管理 , Python虛擬環境 , pip virtualenv , 前端開發 , Javascript , Python

收藏 評論

songofhawk 頭像

songofhawk - mysql 大數據表的分頁性能優化

最近的工作中實現了一個定時統計功能：需要按指定順序，從源表中取出數據，經過分組合並，插入目標表。 源表數據量相當大，有幾千萬行，顯然不適合一次性取出（如果是一次性的腳本，在大內存的機器上也是可以考慮的，但定時任務每次啓動都佔用數十GB內存就太誇張了），需要分頁查詢。 但最初的實現中，採用了一個封裝好的分頁庫，單純的全表查詢，純粹依賴limit子句限制結果集窗口，構成的SQL語句類似這樣： sele

大數據 , sqlalchemy , MySQL , 查詢優化 , Python

收藏 評論

mashukui 頭像

馬哥python説 - 【爬蟲軟件】小紅書轉換工具：主頁鏈接和小紅書號一鍵批量互轉

本工具僅限學術交流使用，嚴格遵循相關法律法規，符合平台內容的合法及合規性，禁止用於任何商業用途！ 一、背景分析 1.1 開發背景與功能介紹 我之前開發了幾個小紅書採集軟件，受到了很多相關用户的認可和關注，感謝大家。 曾經和很多用户聊過，他們希望有一個小工具，可以把小紅書個人主頁的鏈接（或者uid）轉換成小紅書號，或者反之（把小紅書號轉成主頁鏈接或uid），為了滿足這類需求，我特意用pytho

小紅書 , 工具軟件 , 軟件 , 效率工具 , Python

收藏 評論

u_16213640 頭像

mob64ca1405d568 - 機器學習多元線性迴歸梯度下降法代碼 多元線性迴歸梯度下降python

本文主要講了梯度下降法的兩種迭代思路，隨機梯度下降（Stochastic gradient descent）和批量梯度下降（Batch gradient descent）。以及他們在python中的實現。 梯度下降法 梯度下降是一個最優化算法，通俗的來講也就是沿着梯度下降的方向來求出一個函數的極小值。那麼我們在高等數學中學過，對於一些我們瞭解

機器學習 , 人工智能 , 數據結構與算法 , 迭代 , 機器學習多元線性迴歸梯度下降法代碼 , Python

收藏 評論

devil_5931bede13754 頭像

Geekrun - python:記一次簡單的模擬flask和cgi服務器

最近web服務器知識，中間懶癌犯了，斷了一兩天後思路有點接不上來，手頭上也有其他事情要做，先簡單的總結下學習進度，很多重要的功能都沒跑通，目前flask只是簡單實現路由分顯示不同的結果，cgi可以根據不同的靜態資源或者py腳本文件路徑顯示不同的結果。目前來説文章亮點就是解耦做的還行，有一定的可擴展性 簡單的仿flask實現路由分發 from wsgiref.simple_server import

cgi , wsgi , Python

收藏 評論

u_17037082 頭像

王校長的熱狗 - 車輛品牌類型識別數據集2788張VOC+YOLO格式

車輛品牌類型識別數據集2788張VOC+YOLO格式 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：2788 Annotations文件夾中xml文件總計：2788 labels文件夾中txt文件總計：2788

數據集 , 標籤名 , 後端開發 , txt文件 , Python

收藏 評論