tag Python

標籤
貢獻867
1139
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

u_16970152 頭像

求知上進 - Python函數的返回值介紹

1.前言 1.1 返回值的基本概念 在Python函數設計中，返回值是函數執行後向調用者提供結果的關鍵機制。簡單來説，返回值允許函數不僅僅執行操作，還能將計算結果、狀態信息或數據結構傳遞迴調用代碼，從而實現代碼的複用和邏輯分離。Python使用return語句來定義返回值，這使得函數可以返回任意類型的對象，如數字、字符串、列表、字典甚至是其他函數。返回值是函數簽名的一

生成器 , 人工智能 , 深度學習 , ide , Python

收藏 評論

u_17037082 頭像

王校長的熱狗 - 牀單污漬檢測數據集3935張VOC+YOLO格式

牀單污漬檢測數據集3935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：3935 Annotations文件夾中xml文件總計：3935 labels文件夾中txt文件總計：3935 標籤種類數：1 標籤名稱:["stai

數據集 , 標籤名 , 後端開發 , txt文件 , 牀單污漬檢測數據集 , Python

收藏 評論

u_16213697 頭像

mob64ca14137e4f - 可視化圖表庫LightningChart JS免費下載安裝教程指南

在科研與大數據可視化項目中，選擇合適的圖表控件庫至關重要。性能、類型支持、導出能力、授權成本、開發效率等都可能決定最後的實現成本與效果。 2025 年，圖表庫技術不斷推進——在此背景下，我們對比兩個主流庫 Highcharts 與 LightningChart JS，從更新軌跡、功能提升、性能特化、生態支撐、授權模型等維度進行理性分析，幫助你在科研

2025 圖表庫對比 , LightningChart , Highcharts工具 , 大數據圖表控件 , 後端開發 , 科研可視化 , Python

收藏 評論

deephub 頭像

deephub - JAX 訓練加速指南：8 個讓 TPU 滿跑的工程實戰習慣

TPU 訓練的真實效率往往取決於兩個核心要素：Shape 的穩定性與算子的融合度。 很多時候，JAX 任務之所以出現嚴重的性能瓶頸，並非算法本身設計有問題，而是忽視了 XLA 編譯器與底層硬件對“確定性”的極度偏好。基於大量實戰調優經驗，本文總結了八條能讓 JAX 訓練任務從“甚至跑不通”蜕變為“跑滿 TPU 算力”的工程經驗。 1、儘早鎖定 Shape TPU 喜歡靜態 Shape，JA

jax , 人工智能 , 深度學習 , Python

收藏 評論

u_14126 頭像

網猴兒 - java性能分析工具-async-profiler

第一章：Java性能調優的挑戰與AsyncProfiler的價值 在現代高併發、分佈式Java應用中，性能調優已成為開發與運維團隊不可迴避的核心課題。傳統的性能分析工具如JVisualVM、JMC等依賴於Java虛擬機提供的監控接口，往往存在採樣精度低、運行時開銷大或無法定位底層系統瓶頸等問題。尤其在面對GC頻繁、線程阻塞或CPU使用率異常飆升的場

調用棧 , jvm , 後端開發 , JAVA , Python

收藏 評論

u_16213632 頭像

mob64ca14040d22 - numba，讓python速度提升百倍

第一章：從慢到飛：Python量化回測性能翻倍的挑戰與機遇 在量化交易領域，回測是策略開發的核心環節。然而，隨着數據量增長和策略複雜度提升，傳統Python回測系統常面臨性能瓶頸，單次回測耗時可能長達數分鐘甚至數小時，嚴重影響迭代效率。 性能瓶頸的根源分析 Python作為解釋型語言，在循環處理大量歷史數據時表現較弱。常見的瓶頸包括：

numpy , Css , 前端開發 , HTML , Python

收藏 評論

u_16099178 頭像

雲端小悟空 - Flink詳解系列之五--水位線（watermark）

Flink Watermark（水位線）機制詳解 Watermark是Flink處理事件時間（Event Time）的核心機制，用於處理亂序數據和觸發窗口計算。讓我全面深入地介紹： 一、核心概念 1. 什麼是Watermark？ **Watermark（水位線）**是一個時間戳標記，表示： “所有時間戳 ≤ Wat

數據 , 時間戳 , 後端開發 , 1024程序員節 , ide , Python

收藏 評論

u_16099177 頭像

雲端小夢 - 2020年人工智能論文總結 - deephub的個人空間 -

摘要：本文在“AI元人文三值糾纏理論”的基礎上，提出並系統論述了“閾值理論體系”。該體系認為，健全的個人、組織與文明並非追求自由、公*、安全三大核心價值的靜態*衡，而是致力於將其維持在動態的“健康閾值區間”內，並避免突破導致系統質變的“臨界閾值”。論文首先闡述了閾值理論從靜態*衡觀到動態閾值管理範式的哲學轉向；繼而深入剖析了自由、公*、安全三者各自的上、下限閾值內涵及其相

失序 , 數據 , 後端開發 , 人工智能 , Python

收藏 評論

u_16213619 頭像

mob64ca14010a69 - 《C語言筆記》第6章 指針_51CTO博客

目錄 1. sizeof和strlen的對⽐ 2. 數組和指針筆試題解析 3. 指針運算筆試題解析 1. sizeof和strlen的對⽐ 1.1 sizeof(單目操作符） 注意：sizeof不是函數，它只是操作符 ,以字節為單位 在學習操作符的時候，我們學習了 sizeof ， sizeof 計算變量

數組 , 數組名 , C語言 , 後端開發 , bc , Python

收藏 評論

u_16213408 頭像

mob64ca12eab427 - linux 本地部署Llama3

在這篇文章中，我將為大家帶來如何在 Linux 系統上本地部署 Llama3 的詳細步驟，幫助你一步步搭建自己的環境。內容涵蓋環境準備、分步指南、配置詳解、驗證測試、優化技巧以及擴展應用，確保你能夠順利運行 Llama3。 環境準備 開始之前，我們需要確認我們的系統滿足一些基本的軟硬件要求。這個過程包括操作系統，內存，CPU等。核實這些要求能夠確保你的 Llama3 環境能順利運

硬件資源 , bash , aigc , Python

收藏 評論

hanazawa 頭像

不愛吃香菜 - Python 的內置函數 classmethod

Python 的內置函數 classmethod 是一個裝飾器，用於將類中的方法標記為類方法。類方法的特點是第一個參數始終是類本身（通常命名為 cls），而不是實例對象（self）。這種特性使得類方法可以在不創建類實例的情況下被調用，主要用於實現與類相關但不依賴於特定實例的操作。 基本語法 class MyClass: @classmethod def my_class_metho

知識 , Python

收藏 評論

yinuo112 頭像

程序員一諾python - 【爬蟲開發】爬蟲開發從0到1全知識教程第12篇：scrapy爬蟲框架【附代碼文檔】

🏆🏆🏆教程全知識點簡介：1.Mongodb數據庫包括介紹、mongodb簡單使用（mongodb服務端啓動、啓動mongodb客户端進入mongo shell）。2. scrapy爬蟲框架涵蓋 ip使用、啓動爬蟲、停止爬蟲、scrapyd webapi。3. Gerapy包含通過Gerapy配置管理scrapy項目。4. appium移動端抓取涉及appium自動控制移動設備、appium

數據庫 , 爬蟲 , 後端 , Python

收藏 評論

u_16099278 頭像

代碼工匠傳奇 - 【第十四屆藍橋杯】第三期模擬賽B組C++題解（待修正+持續更新-ing）

鏈表 1. 常見的鏈表有單鏈表和雙鏈表 單鏈表 單鏈表的每個結點由用於存數據的 data 和指向下一個結點的指針 next 構成 typedef struct LNode{ ElemType data; // 單鏈表的數據域 struct LNode *

結點 , 數組 , 後端開發 , 鏈表 , Python

收藏 評論

u_17534189 頭像

qq68d2318712d49 - 一次性批量刪除列表中的多個元素的時間複雜度是多少？

關鍵前提：列表的底層結構 Python 列表（List）底層是 動態數組，內存連續存儲。刪除元素時，若刪除的不是末尾元素，需將後續元素向前“平移”填補空位——這是時間複雜度的核心影響因素（平移操作的時間成本）。 各方案時間複雜度詳細分析 方案 1：切片賦值刪除（連續元素） 時間複雜度：O(m)，m 是“刪除後需平移的元素個數” 底層邏輯：刪

時間複雜度 , 刪除元素 , 後端開發 , 倒序 , Python

收藏 評論

u_17534189 頭像

qq68d2318712d49 - 詳細介紹一下MyBatis的緩存機制

MyBatis 緩存機制詳解（一級緩存+二級緩存+自定義緩存） MyBatis 的緩存機制是其核心性能優化手段之一，目的是減少數據庫查詢次數，降低IO開銷，提升查詢效率。其設計遵循“分層緩存”理念，分為 一級緩存（SqlSession 級別） 和 二級緩存（Mapper 級別），同時支持集成第三方緩存（如 Redis）實現分佈式場景下的緩存共享。 一、緩存核心設計理念

二級緩存 , 緩存 , 後端開發 , SQL , Python

收藏 評論

yy_6938e777a8137 頭像

Jackyy - Python 量化 101：行情數據爬取 vs 專業 API？看這篇就夠了（含對比代碼）

在量化交易開發中，「數據」是所有策略的根基——我們對接過數十家基金公司和專業交易團隊的項目，發現80%的初期問題都集中在行情數據環節：數據格式不統一導致回測失真、實時性不足影響實盤決策、合規風險引發系統癱瘓……本文從工程實踐角度，拆解用Python搭建跨境量化行情獲取體系的核心邏輯，代碼可直接複用，幫開發者跳過數據層的坑。 一、為什麼Python是量化交易的首選工具？ 跨境量化場景對開發效率和數據

API , Python

收藏 評論

u_16213720 頭像

mob64ca14193248 - 大數據培訓hive數倉存儲格式詳解_hive一次能insert多少條

5.1.5 數據倉庫存儲格式選擇 選擇合適的存儲格式，需要在查詢性能、寫入性能、存儲成本、壓縮效率、模式演化支持、生態系統兼容性等多個維度進行權衡。現代數據倉庫（尤其是基於數據湖的架構）提供了多種列式存儲格式作為首選。 一、 核心存儲格式對比 以下是目前主流的、適用於數據倉庫場景的存儲格式：

大數據 , 數據 , hive , 數據倉庫 , 元數據 , 後端開發 , Python

收藏 評論

dawanzi_6278b06ec111c 頭像

大丸子 - Python讀取PDF：文本、圖片與文檔屬性

在日常的數據採集、文檔歸檔與信息挖掘過程中，PDF格式因其版式固定、內容穩定而被廣泛使用。Python 開發者若希望實現 PDF 內容的自動化提取，選擇一個易用且功能完善的庫至關重要。本文將介紹如何使用Python實現 PDF文本提取、圖片提取 以及 文檔屬性讀取 三大核心操作，適用於信息抽取、電子檔案處理等場景。 Python讀取PDF文本 Python讀取PDF圖片 Python讀取P

pdf導出 , 文檔管理工具 , 圖片處理 , pdf , Python

收藏 評論

u_16213674 頭像

mob64ca140e0490 - HTML入門-Java工程師必會的前端知識(1)

文章目錄 Java Web概覽 HTML核心知識點總結 一、HTML基礎概念 1.1 HTML文檔基本結構 1.2 HTML標籤特點 二、常用HTML標籤 2.1 文本標籤 2.2 鏈接與圖像 綜合示例

表單 , 後端開發 , HTML , Python

收藏 評論

u_16213717 頭像

mob64ca1418736f - java - LeetCode-133-克隆圖 - LeetCodet題解

一、問題分析 1. 問題描述 給定無向連通圖中一個節點的引用，要求返回該圖的深拷貝（克隆）。圖中每個節點包含值val和鄰居列表neighbors，需保證： 新圖與原圖結構完全一致，但所有節點都是新創建的（內存獨立）； 無向圖的雙向引用需正確複製（如節點 A 的鄰居包含 B，則節點 B 的鄰居也需包含 A 的克隆

leetcode , 無向圖 , 遞歸 , 算法 , 後端開發 , 職場和發展 , Python

收藏 評論

u_16213684 頭像

mob64ca14106f2f - Android的隱式跳轉

🎯 隱式跳轉 = 給 Android 發一張“任務説明書” 任務説明書裏面有三樣東西： Action（動作） —— 我要幹什麼 Data（數據內容） —— 我要對什麼幹 Category（類別提示） —— 有什麼特殊要求 Android 會根據這三條信息，去找能處理這個任務的 Activity。

data , 後端開發 , Android , Python

收藏 評論

kuanrongdeshanyang 頭像

小小張説故事 - Python 網頁解析中級篇：深入理解BeautifulSoup庫

在Python的網絡爬蟲中，BeautifulSoup庫是一個重要的網頁解析工具。在初級教程中，我們已經瞭解了BeautifulSoup庫的基本使用方法。在本篇文章中，我們將深入學習BeautifulSoup庫的進階使用。 一、複雜的查找條件 在使用find和find_all方法查找元素時，我們可以使用複雜的查找條件，例如我們可以查找所有class為"story"的p標籤： from bs4 im

beautifulsoup , Python

收藏 評論

u_16213607 頭像

mob64ca13fe1aa6 - Deployment和Statefulset區別

在 Kubernetes 中，Deployment 和 StatefulSet 都是用於管理 Pod 的控制器（Controller），但它們適用於不同類型的負載，主要區別在於對 有狀態應用（Stateful Applications） 與 無狀態應用（Stateless Applications） 的支持。 下面是兩者的主要區別： 1. Pod 標識與網絡標

按序 , Deployment , Pod , 後端開發 , Python

收藏 評論

u_16213631 頭像

mob64ca1403c772 - 堵俊平：大數據與 AI 生態中的開源技術.pdf

本文介紹了某機構與Jina AI的合作，旨在通過整合開源多模態嵌入、重排序器和小型語言模型等技術，共同推進AI應用中的檢索能力。核心內容包括向量搜索、文本圖像理解模型以及高效的文檔與代碼檢索方案。 Elastic 與 Jina AI 攜手推動 AI 應用中的開源檢索技術 檢索技術是 Elastic Search AI 平台的核心。多年來，我們一直致力於提供強大的搜索相

elastic , 搜索 , 後端開發 , 公眾號 , Python

收藏 評論