12 2020 档案
摘要：WebSocket协议是基于TCP的一种新的协议。WebSocket最初在HTML5规范中被引用为TCP连接，作为基于TCP的套接字API的占位符。它实现了浏览器与服务器全双工(full-duplex)通信。其本质是保持TCP连接，在浏览器和服务端通过Socket进行通信。 本文将使用Python编
阅读全文
摘要：JSON Web Tokens，是一种开发的行业标准 RFC 7519 ，用于安全的表示双方之间的声明。目前，jwt广泛应用在系统的用户认证方面，特别是现在前后端分离项目。 1. jwt认证流程 在项目开发中，一般会按照上图所示的过程进行认证，即：用户登录成功之后，服务端给用户浏览器返回一个toke
阅读全文
摘要：https是基于http和SSL/TLS实现的一个协议，他可以保证在网络上传输的数据都是加密的，从而保证数据安全。 接下来我们从http协议开始，提出想法并逐步进行分析，最终实现Https。 1. http协议是不安全的。 在https诞生之前，所有网站都使用http协议，而http协议在数据传输的
阅读全文
摘要：想要实现两个队列生成一个栈，需要先了解队列和栈的特性： 队列，先进先出。 栈，后进先出。 使用两个队列生成一个栈的实现思路为： 代码实现如下： ? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 2
阅读全文
摘要：链表是一个特殊的数据结构，其中每个节点包含自己的数据以及下一个值的引用（指针），链表的逆置就是指将链表下一个值的引用（指针）调换，如下图所示： 第一步 构造链表 ? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 class Node
阅读全文
摘要：更多详细关于垃圾回收：内存管理 Python解释器由c语言开发完成，py中所有的操作最终都由底层的c语言来实现并完成，所以想要了解底层内存管理需要结合python源码来进行解释。 1. 两个重要的结构体 include/object.h ? 1 2 3 4 5 6 7 8 9 10 11 12 13
阅读全文
摘要：写在前面 期待的是可以检验自己学习的成功；苦逼的是怎么又有东西没记住，但我们依然每天坚持一遍、一遍又一遍指导记住为止。 各位大佬暂时先来315道题尝尝吧，后面有时间再继续补充。 有缘人如果看到这些题，哈哈哈哈哈哈哈哈哈哈哈 注意：你问答案在哪里？答案就是不给你写。 第一部分 Python基础篇（80
阅读全文
摘要：栈的定义：栈是一个数据集合，我们可以吧它理解为是一个只能在一端进行插入或者删除的列表。栈的特点：先进后出 Stack() 建立一个空的栈对象 push() 吧一个元素添加到栈的最顶层 pop() 删除栈最顶层的元素，并返回这个元素 gettop() 取栈顶元素 isEmpty() 判断栈是否为空 s
阅读全文
摘要：一、内容 保证一个类只有一个实例，并提供一个访问它的全局访问点 二、角色 单利 三、使用场景 当类只有一个实例而且客户可以从一个众所周知的访问点访问它时 比如：数据库链接、Socket创建链接 四、优点 对唯一实例的受控访问 单利相当于全局变量，但防止了命名空间被污染 与单利模式功能相似的概念：全局
阅读全文
摘要：一、kindedit编辑器 就是上面这样的编辑输入文本的一个编辑器 这也是一个插件。那么怎么用呢？ 1、下载：百度kindedit 2、引入： <script src="/static/kindeditor/kindeditor-all.js"></script> 3、看官方提供的文档 在addar
阅读全文
摘要：如果获取的数据不是直接展示的结构，一下有三中方式 需要掌握的知识点： 1、yield返回的是一个生成器，只有在迭代的时候才会一个一个的被执行 问题： 2、什么是可迭代对象？ 答：有__iter__方法的就是可迭代对象，返回的是一个迭代器，也可以返回一个生成器 3、什么是迭代器？ 答：有__next_
阅读全文
摘要：一、介绍 Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式.Beautiful Soup会帮你节省数小时甚至数天的工作时间.你可能在寻找 Beautiful Soup3 的文档,Beautifu
阅读全文
摘要：基本上判断python对象是否为可调用的函数，有三种方法： 1、使用内置的callable函数 callable(func) 用于检查对象是否可调用，返回True也可能调用失败，但是返回False一定不可调用 2、判断对象类型是否是FunctionType type(func) is Functio
阅读全文
摘要：1.简单计算器 1 #计算一个表达式的时候，首先肯定是先算括号里面的，再算乘除法，后算加减法 2 import re 3 # 1.去括号 4 def remove_kuohao(expression): 5 ''' 6 这是一个去除括号的函数 7 :param expression: 传进来的表达式
阅读全文
摘要：1.匹配标签 1 import re 2 ret = re.search('<(?P<tag_name>\w+)>\w+</(?P=tag_name)>','<h1>hello</h1>') 3 #还可以在分组中利用?P<name>的形式给分组起名字 4 #获取的匹配结果可以直接用group('名字
阅读全文
摘要：一、递归的定义 1.什么是递归：在一个函数里在调用这个函数本身 2.最大递归层数做了一个限制：997，但是也可以自己限制 1 def foo(): 2 print(n) 3 n+=1 4 foo(n) 5 foo(1) 验证997 3.最大层数限制是python默认的，可以做修改，但是不建议你修改。
阅读全文
摘要：一、http://mail.126.com/ 发送邮件 import smtplib from email.mime.text import MIMEText from email.utils import formataddr msg = MIMEText('老大，我今天需要请假。', 'plai
阅读全文
摘要：问题2：客户的添加页面，通过popup创建用户时 解决方案： 如果新创建的用户时：如果是销售部的人，页面才增加 目的是:拿到limit_choices_to，就可以判断了 当有两个Foreignkey的时候，都关联同一张表，反向生成的时候不知道去找那个字段了，得加上releated_name 1、创
阅读全文
摘要：一、创建表 1 from django.db import models 2 3 from django.db import models 4 5 class Department(models.Model): 6 """ 7 部门表 8 市场部 1000 9 销售 1001 10 """ 11 t
阅读全文
摘要：目的：实现图书的增删改查 models.py from django.db import models # Create your models here. class Book(models.Model): nid = models.AutoField(primary_key=True) # 自增
阅读全文
摘要：目的：实现学生，老师，课程的增删改查 models.py from django.db import models # Create your models here. class UserInfo(models.Model): """ 用户表:既有班主任也有老师 """ username = mo
阅读全文
摘要：001 博客系统（设计表时需要注意的） 1、表继承 因为当你makemigrations和migrate的时候会自动生成auth_user表 所以创建用户表的时候可以用人家自定义的auth_user表， 如果你还想在表里增加一些字段，可以利用继承 from django.contrib.auth.m
阅读全文
摘要：调查问卷相关 1、问卷的保存按钮前端通过ajax把数据发过来后端处理数据，然后返回给前端2、对问卷做答首先用户进行登录，验证条件：1、只有本班的学生才能对问卷做答 2、已经参加过的不能再次访问 在前端显示的样式 显示当前问卷的问题 - 你对近期的学习有哪些意见、。？ 1 2 3 4 5 。。 10
阅读全文
摘要：会议室预定设计 一、目标 - 会议室预定 二、业务流程 - 用户登录 - 预定会议室 - 退订会议室 - 选择日期；今日以及以后日期 三、表结构设计 - 用户表 - 会议室表 - 记录表 用户ID 会议室ID 时间 时间段 user_id room_id data timeline 1 1 2017
阅读全文
摘要：一、验证码相关知识 Python生成随机验证码，需要使用PIL模块. 安装： pip3 install pillow 基本使用 1. 创建图片 from PIL import Image img = Image.new(mode='RGB', size=(120, 30), color=(255,
阅读全文
摘要：项目篇 001 初学Python几个小程序练习 002 用Python打印九九乘法表与金字塔（*）星号 003 几个python编程例子 004 python函数，模块知识点运用示例 005 基于面向对象设计一个简单的游戏 006 元类小测试 007 socket小程序写一个客户端，实现给服务端发送
阅读全文
摘要：目录 一、"玫瑰花绘制"问题分析 1.1 问题分析 二、"玫瑰花绘制"实例展示 2.1 定义一个曲线绘制函数 2.2 初始位置设定 2.3 绘制花朵形状 2.4 绘制花枝形状 2.5 绘制一个绿色叶子 2.6 绘制另一个绿色叶子 2.7 全代码 三、"玫瑰花绘制"举一反三 3.1 艺术之于编程，设计
阅读全文
摘要：目录 一、概述 二、Python库之图形用户界面 2.1 PyQt5 2.2 wxPython 2.3 PyGObject 三、Python库之游戏开发 3.1 PyGame 3.2 Panda3D 3.3 cocos2d 四、Python库之虚拟现实 4.1 VR Zero 4.2 pyovr 4
阅读全文
摘要：目录 一、概述 二、Python库之网络爬虫 2.1 Requests 2.2 Scrapy 2.3 pyspider 三、Python库之Web信息提取 3.1 Beautiful Soup 3.2 Re 3.3 Python-Goose 四、Python库之Web网站开发 4.1 Django
阅读全文
摘要：目录 一、"霍兰德人格分析雷达图"问题分析 1.1 问题分析 1.2 霍兰德人格分析 1.3 霍兰德人格分析雷达图 二、"霍兰德人格分析雷达图"实例展示 三、"霍兰德人格分析雷达图"举一反三 一、"霍兰德人格分析雷达图"问题分析 1.1 问题分析 雷达图 Radar Chart 雷达图是多特性直观展
阅读全文
摘要：目录 一、概述 1.1 从数据处理到人工智能 二、Python库之数据分析 2.1 numpy 2.2 pandas 2.3 scipy 三、Python库之数据可视化 3.1 matplotlib 3.2 Seaborn 3.3 Mayavi 四、Python库之文本处理 4.1 PyPDF2 4
阅读全文
摘要：目录 一、概要 二、导学 三、实践能力 一、概要 从数据处理到人工智能 实例15-霍兰德人格分析雷达图 从Web解析到网络空间 从人机交互到艺术设计 实例16-玫瑰花绘制 二、导学 纵览Python计算生态，看见更大的世界 三、实践能力 初步编写带有计算生态的复杂程序
阅读全文
摘要：目录 一、Python基础语法 (全体系) 二、Python程序设计思维 三、Python第三方库安装 一、Python基础语法 (全体系) 二、Python程序设计思维 计算思维：抽象计算过程和自动化执行 计算生态：竞争发展、相互依存、快速更迭 用户体验：进度展示、异常处理等 IPO、自顶向下、模
阅读全文
摘要：目录 一、"第三方库自动安装脚本"问题分析 1.1 问题分析 二、"第三方库自动安装脚本"实例讲解 2.1 第三方库自动安装脚本 三、"第三方库自动安装脚本"举一反三 3.1 自动化脚本+ 一、"第三方库自动安装脚本"问题分析 1.1 问题分析 第三方库自动安装脚本 需求：批量安装第三方库需要人工干
阅读全文
摘要：目录 一、os库基本介绍 二、os库之路径操作 2.1 路径操作 三、os库之进程管理 3.1 进程管理 四、os库之环境参数 4.1 环境参数 一、os库基本介绍 os库提供通用的、基本的操作系统交互功能 os库是Python标准库，包含几百个函数 常用路径操作、进程管理、环境参数等几类 路径操作
阅读全文
摘要：目录 一、概述 二、看见更大的Python世界 2.1 Python社区 2.1.1 PyPI 2.1.2 实例：开发与区块链相关的程序 2.2 安装Python第三方库 三、第三方库的pip安装方法 3.1 pip安装方法 四、第三方库的集成安装方法 4.1 集成安装方法 五、第三方库的文件安装方
阅读全文
摘要：目录 一、单元开篇 二、计算思维与程序设计 2.1 计算思维 2.1.1 第3种人类思维特征 2.1.2 抽象和自动化 2.1.3 计数求和：计算1-100的计数和 2.1.4 圆周率的计算 2.1.5 汉诺塔问题 2.1.6 天气预报 2.1.7 量化分析 2.1.8 抽象问题的计算过程，利用计算
阅读全文
摘要：目录 一、"体育竞技分析"问题分析 1.1 问题分析 1.2 体育竞技分析：模拟N场比赛 1.3 比赛规则 二、自顶向下和自底向上 2.1 自顶向下(设计) 2.2 自底向上(执行) 三、"体育竞技分析"实例讲解 3.1 体育竞技分析 3.2 第一阶段：程序总体框架及步骤 3.3 第二阶段：步骤3
阅读全文
摘要：目录 一、概要 二、导学 三、实践能力 一、概要 实例13-体育竞技分析 Python程序设计思维 Python第三方库安装 模块7-os库的基本使用 实例14-第三方库自动安装脚本 二、导学 理解并掌握一批Python程序设计思维 三、实践能力 学会编写更有设计感的程序
阅读全文
摘要：目录 一、数字类型及操作 二、字符串类型及操作 三、程序的分支结构 四、程序的循环结构 五、代码复用与函数递归 六、集合类型及操作 七、序列类型及操作 八、字典类型及操作 8.1 文件的使用 8.2 一维数据的格式化和处理 8.3 二维数据的格式化和处理 一、数字类型及操作 整数类型的无限范围及4种
阅读全文
摘要：目录 一、wordcloud库基本介绍 1.1 wordcloud库概述 1.2 wordcloud库的安装 二、wordcloud库使用说明 2.1 wordcloud库基本使用 2.2 wordcloud库常规方法 2.3 配置对象参数 2.4 wordcloud应用实例 一、wordcloud
阅读全文
摘要：目录 一、概述 二、二维数据的表示 2.1 使用列表类型 2.2 一二维数据的Python表示 三、CSV格式与二维数据存储 3.1 CSV数据存储格式 3.2 二维数据的存储 四、二维数据的处理 4.1 二维数据的读入处理 二维数据的逐一处理 单元小结 二维数据的格式化和处理 一、概述 二维数据的
阅读全文
摘要：目录 一、概述 二、数据组织的维度 2.1 从一个数据到一组数据 2.2 维度：一组数据的组织形式 2.3 一维数据 2.4 二维数据 2.5 多维数据 2.6 高维数据 2.7 数据的操作周期 三、一维数据的表示 3.1 如果数据间有序：使用列表类型 3.2 如果数据间无序：使用集合类型 四、一维
阅读全文
摘要：目录 一、"自动轨迹绘制"问题分析 1.1 问题分析 1.2 自动轨迹绘制 二、"自动轨迹绘制"实例讲解 2.1 自动轨迹绘制 2.2 数据接口定义 2.3 数据文件 三、"自动轨迹绘制"举一反三 3.1 理解方法思维 3.2 应用问题的扩展 一、"自动轨迹绘制"问题分析 1.1 问题分析 自动轨迹
阅读全文
摘要：目录 一、概述 二、文件的类型 2.1 文件的理解 2.2 文本文件 2.3 二进制文件 2.4 文本文件 vs. 二进制文件 2.5 f.txt文件保存 三、文件的打开和关闭 3.1 文件的打开关闭 3.2 文件的打开 3.3 文件路径 3.4 打开模式 3.5 文件的关闭 3.6 文件使用 四、
阅读全文
摘要：目录 一、数据格式化 二、概要 三、方法论 四、实践能力 一、数据格式化 二、概要 文件的使用 实例11-自动轨迹绘制 一维数据的格式化和处理 二维数据的格式化和处理 模块6-wordcloud库的使用 实例12-政府工作报告词云 三、方法论 从Python角度理解的文件和数据表示 四、实践能力 学
阅读全文
摘要：目录 一、数字类型及操作 二、字符串类型及操作 三、程序的分支结构 四、程序的循环结构 五、代码复用与函数递归 六、集合类型及操作 七、序列类型及操作 八、字典类型及操作 一、数字类型及操作 整数类型的无限范围及4种进制表示 浮点数类型的近似无限范围、小尾数及科学计数法 +、-、*、/、//、%、*
阅读全文
摘要：目录 一、"文本词频统计"问题分析 1.1 问题分析 二、"Hamlet英文词频统计"实例讲解 三、"《三国演义》人物出场统计"实例讲解(上) 四、"《三国演义》人物出场统计"实例讲解(下) 4.1 《三国演义》人物出场统计 五、"文本词频统计"举一反三 5.1 应用问题的扩展 一、"文本词频统计"
阅读全文
摘要：目录一、jieba库基本介绍1.1 jieba库概述1.2 jieba库的安装1.3 jieba分词的原理二、jieba库使用说明2.1 jieba分词的三种模式2.2 jieba库常用函数2.3 分词要点 一、jieba库基本介绍 1.1 jieba库概述 jieba是优秀的中文分词第三方库 中文
阅读全文
摘要：目录 一、概述 二、字典类型定义 2.1 理解“映射” 2.2 字典类型定义 2.3 字典类型的用法 2.4 字典类型定义和使用 三、字典处理函数及方法 3.1 字典类型操作 3.2 字典类型操作函数和方法 3.3 字典功能默写 四、字典类型应用场景 4.1 映射的表达 4.2 元素遍历 五、单元小
阅读全文
摘要：目录 一、"基本统计值计算"问题分析 1.1 问题分析 二、"基本统计值计算"实例讲解 2.1 基本统计值计算 三、"基本统计值计算"举一反三 3.1 技术能力扩展 一、"基本统计值计算"问题分析 1.1 问题分析 基本统计值 需求：给出一组数，对它们有个概要理解 该怎么做呢？ 总个数、求和、平均值
阅读全文
摘要：目录 一、概要 二、序列类型定义 2.1 序号的定义 三、序列处理函数及方法 3.1 序列类型操作实例 3.2 序列类型通用函数和方法 四、元组类型及操作 4.1 元组类型定义 4.2 元组类型操作 五、列表类型及操作 5.1 列表类型定义 5.2 列表类型操作函数和方法 5.3 列表功能默写 5.
阅读全文
摘要：目录 一、概述 二、集合类型定义 三、集合操作符 3.1 集合间操作 3.2 6个操作符 3.3 4个增强操作符 四、集合处理方法 五、集合类型应用场景 5.1 包含关系比较 5.2 数据去重：集合类型所有元素无重复 六、小结 一、概述 集合类型定义 集合操作符 集合处理方法 集合类型应用场景 二、
阅读全文
摘要：目录 一、概要 二、方法论 三、实践能力 一、概要 集合类型及操作 序列类型操作-元组类型和列表类型 实例9-基本统计值计算 字典类型及操作 模块5-jieba库的使用 实例10-文本词频统计 二、方法论 Python三种主流组合数据类型的使用方法 三、实践能力 学会编写处理一组数据的程序
阅读全文
摘要：目录 一、数字类型及操作 二、字符串类型及操作 三、程序的分支结构 四、程序的循环结构 五、代码复用与函数递归 一、数字类型及操作 整数类型的无限范围及4种进制表示 浮点数类型的近似无限范围、小尾数及科学计数法 +、-、*、/、//、%、**、二元增强赋值操作符 abs()、divmod()、pow
阅读全文
摘要：目录 一、"科赫雪花小包裹"问题分析 1.1 科赫雪花 1.2 用Python绘制科赫曲线 二、"科赫雪花小包裹"实例讲解(上) 2.1 科赫曲线的绘制 2.2 科赫雪花的绘制 三、"科赫雪花小包裹"实例讲解(下) 四、"科赫雪花小包裹"举一反三 4.1 绘制条件的扩展 4.2 分形几何千千万 一、
阅读全文
摘要：目录 一、PyInstaller库基本介绍 1.1 PyInstaller库概述 1.2 pip的使用 1.3 pip install pyinstaller (cmd命令行) 二、PyInstaller库使用说明 2.1 简单的使用 2.2 PyInstaller库常用参数 2.3 使用举例 一、
阅读全文
摘要：目录 一、概述 二、代码复用与模块化设计 2.1 代码复用 2.2 模块化设计 三、函数递归的理解 3.1 递归的定义 3.2 递归的两个关键特征 3.3 类似数学归纳法 四、函数递归的调用过程 4.1 递归的实现 4.2 函数 + 分支语句 4.3 递归的调用过程 五、函数递归实例解析 5.1 字
阅读全文
摘要：目录 一、"七段数码管绘制"问题分析 1.1 问题分析 1.2 七段数码管绘制时间 二、"七段数码管绘制"实例讲解(上) 2.1 基本思路 2.2 步骤1 2.3 步骤2 三、"七段数码管绘制"实例讲解(下) 3.1 绘制漂亮的七段数码管 3.2 步骤3 四、"七段数码管绘制"举一反 4.1 理解方
阅读全文
摘要：目录 一、概述 二、函数的理解与定义 2.1 函数的定义 三、函数的使用及调用过程 3.1 函数的调用 3.2 函数的调用过程 四、函数的参数传递 4.1 可选参数传递 4.2 可变参数传递 4.3 参数传递的两种方式 五、函数的返回值 六、局部变量和全局变量 6.1 规则1 6.2 规则2 6.3
阅读全文
摘要：目录 一、概要 二、方法论 三、实践能力 一、概要 函数的定义与使用 实例7-七段数码管绘制 代码复用与函数递归 模块4-PyInstaller库的使用 实例8-科赫雪花小包裹 二、方法论 Python基本代码抽象即函数的使用方法 三、实践能力 学会编写带有函数并复用代码的程序
阅读全文
摘要：目录 一、数字类型及操作 二、字符串类型及操作 三、程序的分支结构 四、程序的循环结构 一、数字类型及操作 整数类型的无限范围及4种进制表示 浮点数类型的近似无限范围、小尾数及科学计数法 +、-、*、/、//、%、**、二元增强赋值操作符 abs()、divmod()、pow()、round()、m
阅读全文
摘要：目录 一、"圆周率的计算"问题分析 1.1 蒙特卡罗方法 二、"圆周率的计算"实例讲解 2.1 蒙特卡罗方法 三、"圆周率的计算"举一反三 3.1 理解方法思维 3.2 程序运行时间分析 3.3 计算问题的扩展 一、"圆周率的计算"问题分析 圆周率的近似计算公式 π=∑k=0∞[116k(48k+1
阅读全文
摘要：目录 一、random库基本介绍 1.1 random库概述 二、基本随机数函数 2.1 随机数种子 三、扩展随机数函数 3.1 随机数函数的使用 一、random库基本介绍 random库是使用随机数的Python标准库 伪随机数：采用梅森旋转算法生成的(伪)随机序列中元素 random库主要用于
阅读全文
摘要：目录 一、概述 二、遍历循环 三、遍历循环的应用 3.1 计数循环(N次) 3.2 计数循环(特定次) 3.3 字符串遍历循环 3.4 列表遍历循环 3.5 文件遍历循环 四、无限循环 五、循环控制保留字 5.1 break 和 continue 5.1.1 for 5.1.2 while 六、循环
阅读全文
摘要：目录 一、"身体质量指数BMI"问题分析 1.1 身体质量指数BMI 1.2 问题需求 二、"身体质量指数BMI"实例讲解 2.1 身体质量指标BMI 2.1.1 国际 2.1.2 国内 三、"身体质量指数BMI"举一反三 一、"身体质量指数BMI"问题分析 1.1 身体质量指数BMI BMI：对身
阅读全文
摘要：目录 一、概述 二、单分支结构 2.1 单分支示例 三、二分支结构 3.1 二分支示例 3.2 紧凑形式 四、多分支结构 五、条件判断及组合 5.1 条件判断 5.2 条件组合 5.3 条件判断及组合 六、程序的异常处理 6.1 异常处理 6.2 异常处理的基本使用 6.2.1 示例1 6.2.2
阅读全文
摘要：目录 一、概要 二、"程序的控制结构" 三、方法论 四、实践能力 一、概要 程序的分支结构 实例5-身体质量指数BMI 程序的循环结构 模块3-random库的使用 实例6-圆周率的计算 二、"程序的控制结构" 三、方法论 Python程序的控制语法及结构 四、实践能力 学会编写带有条件判断及循环的
阅读全文
摘要：目录 一、Python基本语法元素 1.1 温度转换 1.2 保留字 1.3 Python基本图形绘制 1.4 Python蟒蛇绘制 二、基本数据类型 一、Python基本语法元素 缩进、注释、命名、变量、保留字 数据类型、字符串、 整数、浮点数、列表 赋值语句、分支语句、函数 input()、pr
阅读全文
摘要：目录 一、"文本进度条"问题分析 1.1 文本进度条 1.2 需求分析 1.3 问题分析 二、"文本进度条"简单的开始 2.1 简单的开始 三、"文本进度条"单行动态刷新 3.1 单行动态刷新 四、"文本进度条"实例完整效果 五、"文本进度条"举一反三 5.1 举一反三 一、"文本进度条"问题分析
阅读全文
摘要：目录 一、概述 二、time库基本介绍 2.1 time库概述 三、时间获取 四、时间格式化 4.1 格式化控制符 4.2 时间格式化-代码 五、程序计时应用 5.1 程序计时 六、单元小结 参考：https://www.cnblogs.com/nickchen121/p/10807493.html
阅读全文
摘要：目录 一、概述 二、字符串类型的表示 2.1 字符串的序号 2.2 字符串的使用 2.3 字符串切片高级用法 2.4 字符串的特殊字符——转义符 \ 三、字符串操作符 3.1 由0个或多个字符组成的有序字符序列 3.2 获取星期字符串 四、字符串处理函数 4.1 Unicode编码 4.1.1 一些
阅读全文
摘要：目录 一、"天天向上的力量"问题分析 1.1 天天向上的力量 1.2 需求分析 二、"天天向上的力量"第一问 2.1 问题1： 1‰的力量 三、"天天向上的力量"第二问 3.1 问题2： 5‰和1%的力量 3.1.1 5‰ 3.1.2 1% 四、"天天向上的力量"第三问 4.1 问题3： 工作日的力
阅读全文
摘要：目录 一、概述 二、整数类型 2.1 4种进制表示形式 三、浮点数类型 3.1 round()函数 3.2 科学计数法表示浮点数 四、复数类型 4.1 复数实例 五、数值运算操作符 5.1 一元操作符 5.2 二元操作符 5.3 数字类型的关系 六、数值运算函数 七、小结 一、概述 整数类型 浮点数
阅读全文
摘要：目录 一、概要 二、方法论 三、实践能力 一、概要 数字类型及操作 实例3-天天向上的力量 字符串类型及操作 模块2-time库的使用 实例4-文本进度条 二、方法论 Python语言数字及字符串类型 三、实践能力 初步学会编程进行字符类操作
阅读全文
摘要：目录 一、Python基本语法元素 1.1 温度转换 二、Python基本图形绘制 2.1 Python蟒蛇绘制 一、Python基本语法元素 缩进、注释、命名、变量、保留字 数据类型、字符串、 整数、浮点数、列表 赋值语句、分支语句、函数 input()、print()、eval()、 print
阅读全文
摘要：目录 一、概述 二、库引用与import 2.1 库引用 2.2 使用from和import保留字共同完成库引用 2.3 两种库引用方法比较 2.4 使用import和as保留字共同完成库引用 三、turtle画笔控制函数 四、turtle运动控制函数 五、turtle方向控制函数 六、循环语句与r
阅读全文
摘要：目录 一、概述 二、turtle库基本介绍 2.1 turtle库概述 2.2 标准库 2.3 turtle的原（wan）理（fa） 2.4 turtle的魅力 三、turtle绘图窗体布局 3.1 turtle的绘图窗体 四、turtle空间坐标体系 4.1 turtle空间坐标体系 五、turt
阅读全文
摘要：目录 一、"Python蟒蛇绘制"问题分析 1.1 Python蟒蛇绘制 二、"Python蟒蛇绘制"实例编写 三、运行效果 3.1 程序关键 四、"Python蟒蛇绘制"举一反三 4.1 Python语法元素理解 4.2 程序参数的改变 4.3 计算问题的扩展 一、"Python蟒蛇绘制"问题分析
阅读全文
摘要：目录 一、概述 二、计算机技术的演进 2.1 计算机技术的演进过程 三、编程语言的多样初心 3.1 编程语言有哪些？ 3.2 不同编程语言的初心和适用对象 3.3 2018年以后的计算环境… 四、Python语言的特点 五、Python特点与优势 六、如何看待Python语言？ 七、"超级语言"的诞
阅读全文
摘要：目录 一、概论 二、方法论 三、实践能力 一、概论 深入理解Python语言 实例2: Python蟒蛇绘制 模块1: turtle库的使用 turtle程序语法元素分析 二、方法论 Python语言及海龟绘图体系 三、实践能力 初步学会使用Python绘制简单图形
阅读全文
摘要：目录 一、概要 二、保留字 三、温度转换 一、概要 缩进、注释、命名、变量、保留字 数据类型、字符串、 整数、浮点数、列表 赋值语句、分支语句、函数 input()、print()、eval()、 print()格式化 二、保留字 三、温度转换
阅读全文
摘要：目录 一、概述 二、程序的格式框架 2.1 代码高亮 2.2 缩进 2.3 注释 2.4 缩进、注释 三、命名与保留字 3.1 变量 3.2 命名 3.3 保留字 3.4 变量、命名、保留字 四、数据类型 4.1 字符串、整数、浮点数、列表 4.2 10,011,101 该如何解释呢？ 4.3 供计
阅读全文
摘要：目录 一、"温度转换"问题分析 1.1 温度转换 1.2 需求分析 1.3 问题分析 1.3.1 分析问题 1.3.2 划分边界 1.3.3 输入输出格式设计 1.3.4 设计算法 二、"温度转换"实例编写 三、"温度转换"举一反三 3.1 Python语法元素理解 3.2 输入输出的改变 3.3
阅读全文
摘要：目录 一、概述 二、Python语言概述 2.1 Python语言的诞生 2.2 Monty Python组合 三、Python语言系统开发环境配置 四、Python程序编写与运行 4.1 Python的两种编程方式 4.2 实例1: 圆面积的计算 4.2.1 交互式 4.2.2 文件式 4.3 实
阅读全文
摘要：目录 一、概要 二、计算机与程序设计 2.1 计算机 2.2 计算机的发展 2.3 摩尔定律 Moore’s Law 2.4 计算机发展 2.5 程序设计 2.6 程序设计语言 三、编译和解释 3.1 编程语言的执行方式 3.2 编译 3.3 解释 3.4 编译和解释 3.5 静态语言和动态语言 四
阅读全文
摘要：目录 一、课程内容设计 1.1 第一部分：Python快速入门（2天） 1.2 第二部分：Python基础语法（5天） 1.3 第三部分：Python编程思维（2天） 1.4 第四部分：Python项目架构（1天） 二、第一部分 Python快速入门 2.1 第1天 Python基本语法元素 2.1
阅读全文
摘要：目录 课程导学 第一部分 Python快速入门 第1天 Python基本语法元素 第2天 Python基本图形绘制 第二部分 Python基础语法 第3天 基本数据类型 第4天 程序的控制结构 第5天 函数和代码复用 第6天 组合数据类型 第7天 文件和数据格式化 第三部分 Python编程思维 第
阅读全文
摘要：目录一、课程定位二、教学目标三、课程内容四、课程考核五、学习建议 一、课程定位 面向编程零基础：语言程序设计入门课程，讲解基础的语法体系 Python语言入门课程：围绕"Python基础语法"的体系化内容学习 Python 全球最流行、产业最急需的程序设计语言 二、教学目标 编写100行左右Pyth
阅读全文
摘要：目录 一、概要 1.1 方法论 1.2 实践能力 一、概要 程序设计基本方法：https://www.cnblogs.com/nickchen121/p/11164043.html Python开发环境配置：https://www.cnblogs.com/nickchen121/p/11164149
阅读全文
摘要：转载自海燕博客：https://www.cnblogs.com/haiyan123/p/8387770.html 目录第一篇：算法基础第二篇：算法实例 第一篇：算法基础 001 十大算法001 002 十大算法002 第二篇：算法实例 003 算法基础 004 列表查找以及二分查找 005 树和二叉
阅读全文
摘要：态规划算法是通过拆分问题，定义问题状态和状态之间的关系，使得问题能够以递推的方式去解决。 动态规划的核心点：定义状态与转移方程（最优子结构）重新定义问题： 一、最长上升子序列（LIS）：给定一个序列X，求X长度最大的连续递增的子序列。例：X=[1,7,2,8,3,5,2]，LIS(X)=[1,2,3
阅读全文
摘要：斐波那契数列 def fib(n): '''裴波那契''' f = [1,1] for i in range(2, n+1): f.append(f[-1]+f[-2]) print(f) return f[n] fib(5)
阅读全文
摘要：找零问题：假设商店老板需要找零n元钱，钱币的面额有：100元、50元、20元、5元、1元，如何找零使得所需钱币的数量最少？ # greedy algorithm money = [100,50,20,5,1] def change_money(x): change = [0,0,0,0,0] for
阅读全文
摘要：题目：给一个二维列表，表示迷宫（0表示通道，1表示围墙）。给出算法，求一条走出迷宫的路径。 maze = [ [1,1,1,1,1,1,1,1,1,1], [1,0,0,1,0,0,0,1,0,1], [1,0,0,1,0,0,0,1,0,1], [1,0,0,0,0,1,1,0,0,1], [1,
阅读全文
摘要：一、什么是数据结构？ 数据结构是指相互之间存在着一种或多种关系的数据元素的集合和该集合中数据元素之间的关系组成。 简单来说，数据结构就是设计数据以何种方式组织并存储在计算机中。 比如：列表、集合与字典等都是一种数据结构。 “程序=数据结构+算法” 二、数据结构的分类 数据结构按照其逻辑结构可分为线性
阅读全文
摘要：目录 一、冒泡排序 二、选择排序 三、插入排序 四、快速排序 五、堆排序 六、归并排序 七、基数排序 八、希尔排序 九、桶排序 十、总结 一、冒泡排序 1、思路：首先，列表每两个相邻的数比较大小，如果前边的比后边的大，那么这两个数就互换位置。就像是冒泡一样 2、代码关键点： 趟数：n-1趟 无序区
阅读全文
摘要：一、堆的分类 大根堆：一棵完全二叉树，满足任一节点都比其孩子节点大小根堆：一棵完全二叉树，满足任一节点都比其孩子节点小 二、堆的向下调整性质 前提：节点的左右子树都是堆，但是自身不是堆 三、堆排序 内置模块 优先队列：一些元素的集合，POP操作每次执行都会从优先队列中弹出最大（或最小）的元素。堆——
阅读全文
摘要：一、树 1、什么是树？ 树状图是一种数据结构，它是由n（n>=1）个有限节点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。它具有以下的特点： 每个节点有零个或多个子节点；没有父节点的节点称为根节点；每一个非根节点有且只有一个父节点；除了根节点
阅读全文
摘要：一、列表查找 1、列表查找：从列表中查找指定元素 输入：列表、待查找元素 输出：元素下标或未查找到元素 2、顺序查找：从列表第一个元素开始，顺序进行搜索，直到找到为止。返回找到的那个索引 3、二分查找：从有序列表的候选区data[0:n]开始，通过对待查找的值与候选区中间值的比较，可以使候选区减少一
阅读全文
摘要：一、什么是算法？ 算法（Algorithm）：一个计算过程，解决问题的方法 一个算法应该具有以下七个重要的特征： ①有穷性（Finiteness）：算法的有穷性是指算法必须能在执行有限个步骤之后终止； ②确切性(Definiteness)：算法的每一步骤必须有确切的定义； ③输入项(Input)：一
阅读全文
摘要：排序算法可以分为内部排序和外部排序，内部排序是数据记录在内存中进行排序，而外部排序是因排序的数据很大，一次不能容纳全部的排序记录，在排序过程中需要访问外存。常见的内部排序算法有：插入排序、希尔排序、选择排序、冒泡排序、归并排序、快速排序、堆排序、基数排序等。用一张图概括： 关于时间复杂度： 平方阶
阅读全文
摘要：目录 Outline Auto-Encoder 创建编解码器 训练 Outline Auto-Encoder Variational Auto-Encoders Auto-Encoder 创建编解码器 import os import tensorflow as tf import numpy as
阅读全文
摘要：目录AE v.s. VAEGenerative modelVAE v.s. GAN AE v.s. VAE Generative model VAE v.s. GAN
阅读全文
摘要：目录Sample() is not differentiableReparameterization trickToo Complex Sample() is not differentiable 现在我们得到的不是一个向量，得到的是一个分布，而分布是无法使用梯度下降的 Reparameteriza
阅读全文
摘要：目录Another Approach: q(z)->p(z)Intuitively comprehend KL(p|q)Minimize KL DivergenceHow to compute KL between q(z) and p(z) Distribution of hidden code
阅读全文
摘要：目录PCA V.S. Auto-EncodersDenoising AutoEncodersDropout AutoEncoders PCA V.S. Auto-Encoders deep autoencoder由深度神经网络构成，因此降维效果丢失数据少 左pca；右auto-encoder Den
阅读全文
摘要：目录Auto-EncodersHow to Train? Auto-Encoders How to Train?
阅读全文
摘要：目录Supervised LearningMassive Unlabeled dataUnsupervised LearningWhy needed Supervised Learning Massive Unlabeled data Unsupervised Learning Why needed
阅读全文
摘要：目录 Sentiment Analysis Two approaches Single layer Multi-layers Sentiment Analysis Two approaches SimpleRNNCell single layer multi-layers RNNCell Singl
阅读全文
摘要：目录Recapinput dim, hidden dimSimpleRNNCellSingle layer RNN CellMulti-Layers RNNRNN Layer Recap input dim, hidden dim from tensorflow.keras import layer
阅读全文
摘要：目录RecapSentiment AnalysisProposalS1.Weight sharingNaive versionWeight shareS2.Consistent memoryUnfolded modelFormulationOverall DiagramOne more thingH
阅读全文
摘要：目录 Res Block ResNet18 Out of memory # Resnet.py #!/usr/bin/env python # -*- coding:utf-8 -*- import tensorflow as tf from tensorflow import keras from
阅读全文
摘要：目录 Res Block ResNet18 Out of memory # Resnet.py #!/usr/bin/env python # -*- coding:utf-8 -*- import tensorflow as tf from tensorflow import keras from
阅读全文
摘要：目录ResNetBOOMWhy call Residual?发展史Basic BlockRes BlockResNet-18DenseNet ResNet 确保20层能训练好的前提下，增加8层；然后确保28层能训练好的前提下，继续堆叠8层…… BOOM Why call Residual? 发展史
阅读全文
摘要：目录ImageNetLeNet-5LeNet-5 DemoAlexNetVGG1*1 ConvolutionGoogLeNetStack more layers? ImageNet LeNet-5 LeNet-5 Demo AlexNet VGG 1*1 Convolution GoogLeNet
阅读全文
摘要：目录CIFAR10013 Layerscafar100_train CIFAR100 13 Layers cafar100_train import tensorflow as tf from tensorflow.keras import layers, optimizers, datasets,
阅读全文
摘要：目录OutlineReduce DimsubsampleMax/Avg poolingStridesFor instanceupsampleUpSampling2DReLu Outline Pooling upsample ReLU Reduce Dim subsample Max/Avg pool
阅读全文
摘要：目录2D ConvolutionKernel sizePadding & StrideChannelsFor instanceLeNet-5Pyramid Architecturelayers.Conv2Dweight & biasnn.conv2dGradient?For instance 2D
阅读全文
摘要：目录Feature mapsWhy not Linear335k or 1.3MBem...Receptive FieldFully connnectedPartial connectedLocally connectedRethink Linear layerFully VS LovallyWei
阅读全文
摘要：详情查看：https://www.zhihu.com/question/32246256
阅读全文
摘要：目录 CIFAR10 MyDenseLayer CIFAR10 MyDenseLayer import os import tensorflow as tf from tensorflow.keras import datasets, layers, optimizers, Sequential,
阅读全文
摘要：目录 Outline Save/load weights Save/load entire model saved_model Outline save/load weights # 记录部分信息 save/load entire model # 记录所有信息 saved_model # 通用，包括
阅读全文
摘要：目录 Outline keras.Sequential Layer/Model MyDense MyModel Outline keras.Sequential keras.layers.Layer keras.Model keras.Sequential model.trainable_varia
阅读全文
摘要：目录 Keras != tf.keras Outline1 Metrics Step1.Build a meter Step2.Update data Step3.Get Average data Clear buffer Outline2 Compile + Fit Individual loss
阅读全文
摘要：目录 Keras != tf.keras Outline1 Metrics Step1.Build a meter Step2.Update data Step3.Get Average data Clear buffer Outline2 Compile + Fit Individual loss
阅读全文
摘要：FashionMNIST import tensorflow as tf from tensorflow import keras from tensorflow.keras import datasets, layers, optimizers, Sequential, metrics def p
阅读全文
摘要：目录 Himmelblau function Minima Plot Gradient Descent Himmelblau function f(x,y)=(x2+y−11)2+(x+y2−7)2f(x,y)=(x2+y−11)2+(x+y2−7)2 Minima f(3.0,2.0)=0.0 f
阅读全文
摘要：目录 Chain rule Multi-output Perceptron Multi-Layer Perceptron Chain rule Multi-output Perceptron Multi-Layer Perceptron 对于多隐藏层结构的神经网络可以把隐藏层的节点看成输出层的节点
阅读全文
摘要：目录 Derivative Rules Chain rule Derivative Rules Chain rule import tensorflow as tf x = tf.constant(1.) w1 = tf.constant(2.) b1 = tf.constant(1.) w2 =
阅读全文
摘要：目录 Multi-output Perceptron Multi-output Perceptron E=12∑(O1i−ti)2E=12∑(Oi1−ti)2 对于多输出感知机，每个输出元只和输出元上的x和w和σσ 有关。 import tensorflow as tf x = tf.random.
阅读全文
摘要：目录 recap Perceptron Derivative recap y=XW+by=XW+b y=∑xi∗wi+by=∑xi∗wi+b Perceptron x0ixi0 i表示当成第i个节点 w0ijwij0 表示当层的第i个节点，j表示下一个隐藏层的第j个节点 σσ 表示激活函数后的节点
阅读全文
摘要：目录Typical LossMSEDerivativeMSE GradientSoftmaxDerivative Typical Loss Mean Squared Error Cross Entropy Loss binary multi-class +softmax MSE loss="
阅读全文
摘要：目录Activation FunctionsDerivativeSigmoid/LogisticDerivativetf.sigmoidTanhDerivativetf.tanhRectified Linear UnitDerivativetf.nn.relu Activation Function
阅读全文
摘要：目录OutlineWhat's GradientWhat does it mean？How to searchFor instanceAutoGrad2nd" role="presentation">2nd2nd-order Outline What's Gradient What does it
阅读全文
摘要：目录OutlineMSEEntropyCross EntropyBinary ClassificationSingle outputClassificationWhy not MSE？logits-->CrossEntropy Outline MSE Cross Entropy Loss Hinge
阅读全文
摘要：目录 Outline y∈Rdy∈Rd yi∈[0,1]yi∈[0,1] yi∈[0,1],,∑ydi=0yi=1yi∈[0,1],,∑i=0ydyi=1 yi∈[−1,1]yi∈[−1,1] Outline y∈Rdy∈Rd 多分类一般为概率 yi∈[0,1],i=0,1,⋯,yd−1yi∈[0,
阅读全文
摘要：目录OutlineRecapNeural NetworkHere comes Deep LearningHerosFully connected layerMulti-Layers Outline Matmul Neural Network Deep Learning Multi-Layer Rec
阅读全文
摘要：目录 import tensorflow as tf from tensorflow import keras from tensorflow.keras import datasets import os # do not print irrelevant information # os.env
阅读全文
摘要：目录 Outline keras.datasets MNIST CIFAR10/100 tf.data.Dataset .shuffle .map .batch .repeat() For example Outline keras.datasets tf.data.Dataset.from_ten
阅读全文
摘要：目录 Outline Where where(tensor) where(cond,A,B) scatter_nd 一维 二维 meshgrid Points numpy实现 tensorflow2实现 Outline where scatter_nd meshgrid Where where(te
阅读全文
摘要：目录 Outline clip_by_value relu clip_by_norm gradient clipping Outline clip_by_value relu clip_by_norm gradient clipping clip_by_value import tensorflow
阅读全文
摘要：目录 Outline pad Image padding tile tile VS broadcast_to Outline pad tile broadcast_to pad [3] [[1,2]] [6] [2,2] [[0,1][1,1]] # [行,列] [3,4] import tenso
阅读全文
摘要：目录 Outline Sort/argsort 一维 二维 Top_k Top_one Top-k accuracy 示例 Outline Sort/argsort Topk Top-5 Acc. Sort/argsort 一维 import tensorflow as tf a = tf.rand
阅读全文
摘要：目录 Outline Vector norm Eukl. Norm L1 Norm reduce_min/max/mean argmax/argmin tf.equal Accuracy tf.unique Outline tf.norm tf.reduce_min/max/mean tf.argm
阅读全文
摘要：目录Merge and splitconcatAlong distinct dim/axisstack: create new dimDim mismatchUnstackSplit Merge and split tf.concat tf.split tf.stack tf.unstack con
阅读全文
摘要：目录 手写数字识别流程 前向传播（张量）- 实战 手写数字识别流程 MNIST手写数字集7000*10张图片 60k张图片训练，10k张图片测试 每张图片是28*28，如果是彩色图片是28*28*3 0-255表示图片的灰度值，0表示纯白，255表示纯黑 打平28*28的矩阵，得到28*28=784
阅读全文
摘要：目录 Outline Operation type +-*/%// tf.math.log, tf.exp pow, sqrt @, matmul With broadcasting Y = X@W +b Outline +-*/ **,pow,square sqrt //,% exp,log @,
阅读全文
摘要：目录BroadcastingKey ideaHow to understand?Why broadcasting？Broadcastable?Broadcast VS Tile Broadcasting expand（扩展数据） without copying data（不复制数据） tf.broa
阅读全文
摘要：目录TensorFlow2-维度变换Outline（大纲）图片视图First Reshape（重塑视图）Second Reshape（恢复视图）Transpose（转置）Expand_dims（增加维度）Squeeze（挤压维度） TensorFlow2-维度变换 Outline（大纲） shape
阅读全文
摘要：目录 索引和切片 索引 numpy [ ] 索引 numpy : 索引 切片 一维切片 多维切片 步长::step 倒序::-1 省略号... Selective Indexing gather gather_nd boolean_mask 索引和切片 索引 numpy [ ] 索引 import
阅读全文
摘要：目录创建Tensornumpy, listnumpylistzeros, ones, fillzerosonesfillrandom打乱idx后，a和b的索引不变constantloss计算无bias的loss 创建Tensor * from numpy, list * zeros, ones, f
阅读全文
摘要：目录Tensor数据类型属性数据类型判断数据类型转换tensor转numpy Tensor数据类型 list: [1,1.2,'hello'] ，存储图片占用内存非常大 np.array，存成一个静态数组，但是numpy在深度学习之前就出现了，所以不适合深度学习 tf.Tensor，为了弥补nump
阅读全文
摘要：创建git仓库 第二步 填写仓库信息 添加readme文件 添加想要忽略的文件 .gitignore文件，例如.pyc等文件 第三步，创建ok 添加ssh用户 某台机器想要和github的仓库交互，需要提交这台机器的ssh公钥，添加到github账户 步骤1 步骤2 添加ssh公钥 步骤3 填写ss
阅读全文
摘要：一切都在图中 点开pycharm里的菜单选项 设置git代码仓库的地址 修改了代码之后，如何推送到git服务器上 通过pycharm下载代码仓库 pycharm中如何设置分支 pycharm新建了分支，gitlab也能看到
阅读全文
摘要：我们了解了git是以个人为中心，但是人人都得数据交互呀。。python程序员每天都忙着进行py交易 交互数据的方式 使用github或者码云等公有代码仓库，托管代码的地方，谁都可以看 公司内部使用gitlab私有仓库 github和gitlab的区别 github国外公共仓库不安全，国内的码云代码仓
阅读全文
摘要：git分支是什么 为什么用git分支 假设超哥要开发一个同性在线交友的网站，这个写代码的工作进行分配，分给两个小弟进行功能开发，一个是武沛奇分支，一个是苑昊分支，他俩自己的分支别人看不到，当他俩代码写完后，合并到master主分支上，这样既保证主代码的安全，又能协同开发，互不影响。 git分支实战
阅读全文
摘要：git工作流程 使用git就是将本地文件（工作目录workspace）的文件，添加到暂存区（stage）,然后提交到本地仓库（repository），最终可以协同开发，推送到远程仓库（remote） git操作一、建立Git仓库 git版本库，也叫做git仓库（repository），也就是一个文件
阅读全文
摘要：命令行 Git有多重方式使用 原生命令行，才能使用git所有命令，会git命令再去用gui图形工具，完全无压力 GUI图形软件，只是实现了git的部分功能，以减免操作难度，难以记住git原生命令 不同的人会有不同的GUI图形工具，但是所有人用的git原生命令都一样，推荐学习命令 在 Linux 上安
阅读全文
摘要：关于版本控制 什么是“版本控制”？我为什么要关心它呢？ 版本控制是一种记录一个或若干文件内容变化，以便将来查阅特定版本修订情况的系统。 本地版本控制系统 许多人习惯用复制整个项目目录的方式来保存不同的版本，或许还会改名加上备份时间以示区别。 这么做唯一的好处就是简单，但是特别容易犯错。 有时候会混淆
阅读全文
摘要：转载自：超哥：https://www.cnblogs.com/pyyu/ 001 git入门 002 git安装与初始化 003 git基础 004 git分支 005 github与gitlab与git三个基佬的故事 006 gitlab与pycharm结合 007 github使用 008 gi
阅读全文
摘要：一、读excel文件的简单示例 #!/usr/bin/env python # -*- coding:utf-8 -*- import xlrd from xlrd.book import Book from xlrd.sheet import Sheet from xlrd.sheet impor
阅读全文
摘要：在很多场景中，我们为了保证数据的最终一致性，需要很多的技术方案来支持，比如分布式事务、分布式锁等。那具体什么是分布式锁，分布式锁应用在哪些业务场景、如何来实现分布式锁呢？ 一 为什么要使用分布式锁 我们在开发应用的时候，如果需要对某一个共享变量进行多线程同步访问的时候，可以使用我们学到的锁进行处理，
阅读全文
摘要：目录基尼指数一、基尼指数简介 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/p/11686958.html 基尼指数 一、基尼指数简介 基尼指数（gini coeffici
阅读全文
摘要：目录距离公式汇总一、欧式距离二、曼哈顿距离三、闵可夫斯基距离（Minkowski distance） 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/p/11686958.h
阅读全文
摘要：目录范数一、Lp范数二、L0范数三、L1范数四、L2范数五、L∞范数 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/p/11686958.html 范数 一、Lp范数 p"
阅读全文
摘要：目录矩阵转置 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/p/11686958.html 矩阵转置 假设我们有一个矩阵 w=123456789" role="presen
阅读全文
摘要：目录贝叶斯决策一、贝叶斯决策理论二、贝叶斯公式2.1 从条件概率公式推导贝叶斯公式2.2 从全概率公式推导贝叶斯公式三、贝叶斯公式应用 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickche
阅读全文
摘要：目录极大似然估计一、最大似然原理二、极大似然估计三、似然函数四、极大似然函数估计值五、求解极大似然函数5.1 未知参数只有一个5.2 位置参数有多个5.3 总结 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblog
阅读全文
摘要：目录条件概率一、条件概率简介二、条件概率推广 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/p/11686958.html 条件概率 一、条件概率简介 条件概率是指事件A在
阅读全文
摘要：目录常见的概率分布模型一、离散概率分布函数二、连续概率分布函数三、联合分布函数四、多项分布（Multinomial Distribution）4.1 多项分布简介4.2 多项分布公式解析五、伯努利分布（Bernoulli Distribution）5.1 伯努利分布简介5.2 伯努利分布的期望值和方
阅读全文
摘要：目录sign(符号)函数一、sign函数概述二、python实现sign函数 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/p/11686958.html sign(符号)
阅读全文
摘要：目录Sigmoid函数一、Sigmoid函数详解 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/p/11686958.html Sigmoid函数 一、Sigmoid函数详
阅读全文
摘要：目录拉格朗日对偶性一、原始问题1.1 约束最优化问题1.2 广义拉格朗日函数1.3 约束条件的考虑二、对偶问题三、原始问题和对偶问题的关系3.1 定理13.2 推论13.3 定理23.4 定理3(KTT条件) 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能
阅读全文
摘要：目录前向分步算法一、前向分步算法引入二、前向分步算法详解2.1 加法模型2.2 加法模型目标函数优化问题三、前向分步算法流程3.1 输入3.2 输出3.3 流程 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblog
阅读全文
摘要：目录最小角回归法一、举例二、最小角回归法优缺点2.1 优点2.2 缺点三、小结 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/p/11686958.html 最小角回归法
阅读全文
摘要：目录前向选择法和前向梯度法一、前向选择法1.1 余弦相似度求投影1.2 举例1.3 前向选择法优缺点1.3.1 优点1.3.2 缺点二、前向梯度法2.1 举例2.2 前向梯度法优缺点2.2.1 优点2.2.2 缺点 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人
阅读全文
摘要：目录坐标轴下降法一、坐标轴下降法流程二、坐标轴下降法和梯度下降法的异同 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/p/11686958.html 坐标轴下降法 坐标轴下
阅读全文
摘要：目录牛顿法和拟牛顿法一、牛顿法详解1.1 无约束最优化问题1.2 牛顿法迭代公式1.3 牛顿法和梯度下降法二、牛顿法流程2.1 输入2.2 输出2.3 流程三、拟牛顿法简介 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.
阅读全文
摘要：目录梯度下降法一、梯度下降法详解1.1 梯度1.2 梯度下降法和梯度上升法1.3 梯度下降1.4 相关概念1.4.1 步长1.4.2 假设函数1.4.3 目标函数二、梯度下降法流程2.1 梯度下降法——代数法2.2 梯度下降法——矩阵法2.3 三种不同形式的梯度下降法2.3.1 批量梯度下降法2.3
阅读全文
摘要：目录最小二乘法一、最小二乘法——代数法二、最小二乘法——矩阵法三、最小二乘法优缺点3.1 优点3.2 缺点 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/p/1168695
阅读全文
摘要：目录第一篇 基本操作第二篇 高级操作第三篇 神经网络与全连接层第四篇 随机梯度下降第五篇 Keras高层接口第六篇 过拟合第七篇 卷积神经网络CNN第八篇 循环神经网络RNN第九篇 自编码器Auto-Encoders推荐阅读 第一篇 基本操作 01 Tensor数据类型 02 创建Tensor 03
阅读全文
摘要：目录 Tensorflow基本使用 一、确认安装Tensorflow 二、获取MNIST数据集 三、使用Tensorflow训练——Softmax回归 四、使用Tensorflow训练——卷积神经网络 4.1 构建网络组件 4.2 定义网络结构 4.3 训练模型 五、使用Tensorflow进行可视
阅读全文
摘要：目录 细分构建机器学习应用程序的流程-模型优化 一、1.1 网格搜索法 二、1.2 随机搜索法 2.1 1.2.1 随机采样 2.2 1.2.2 随机搜索法 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.
阅读全文
摘要：目录 细分构建机器学习应用程序的流程-测试模型 一、1.1 metrics评估指标 二、1.2 测试回归模型 2.1 1.2.1 r2_socre 2.2 1.2.1 explained_variance_score 三、1.3 测试分类模型 3.1 1.3.1 准确度 3.2 1.3.2 查准率
阅读全文
摘要：目录 细分构建机器学习应用程序的流程-训练模型 一、1.1 训练回归模型 1.1 1.1.1 Lasso回归 1.2 1.1.2 弹性网络回归 1.3 1.1.3 岭回归 1.4 1.1.4 线性支持向量回归 1.5 1.1.5 核支持向量回归 1.6 1.1.6 决策树回归 1.7 1.1.7 随
阅读全文
摘要：目录细分构建机器学习应用程序的流程-数据预处理一、1.1 缺失值处理1.1 1.1.1 删除缺失值1.1.1 4.6.1.2 填充缺失值二、1.2 异常值处理三、1.3 自定义数据类型编码四、1.4 通过sklearn对数据类型编码五、1.5 独热编码5.1 1.5.1 sklearn做独热编码5.
阅读全文
摘要：目录细分构建机器学习应用程序的流程-数据收集一、1.1 通过sklearn生成随机数据1.1 1.1.1 make_classification()1.2 1.1.2 make_multilabel_classification()1.3 1.1.3 make_regression()1.4 1.1
阅读全文
摘要：目录细分构建机器学习应用程序的流程-流程简介一、1.1 sklearn安装二、1.2 sklearn功能模块2.1 1.2.1 英文版本2.2 1.2.2 中文版本2.3 1.2.3 API统一的方法三、1.3 sklearn使用地图3.1 1.3.1 英文版本3.2 1.3.2 中文版本四、1.4
阅读全文
摘要：目录机器学习算法原理一、1.1 感知机算法1.1 1.1.1 决策函数1.1.1 1.1.1.1 sign函数图像1.2 1.1.2 损失函数1.3 1.1.3 目标函数1.4 1.1.4 目标函数优化问题二、1.2 线性回归2.1 1.2.1 决策函数2.2 1.2.2 目标函数2.3 1.2.3
阅读全文
摘要：目录通过线性回归带你了解算法流程一、1. 1 线性回归引入二、1. 2 决策函数三、1. 3 损失函数四、1. 4 目标函数五、1. 5 目标函数最小化六、1. 6 过拟合七、1. 7 正则化7.1 1. 7.1 L1正则化7.2 1. 7.2 L2正则化八、1. 8 训练集、验证集、测试集8.1
阅读全文
摘要：课程习得 通过对这门课程的学习，你将习得以下技能： 你可以快速入门应用机器学习，为公司、企业直接创造价值 你可以掌握机器学习理论基础 你可以学到感知机算法 你可以学到线性回归算法 你可以学到逻辑回归 你可以学到朴素贝叶斯法 你可以学到k近邻算法、决策树、支持向量机 你可以学到k均值聚类算法 你可以学
阅读全文
摘要：目录 推荐系统 一、导入模块 二、收集数据 三、数据预处理 3.1 无评分电影处理 四、协同过滤算法-基于用户的推荐 4.1 余弦相似度 4.2 数据标准化处理 五、预测 六、测试 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://
阅读全文
摘要：目录 手写数字识别应用程序 一、导入模块 二、图像转向量 三、训练并测试模型 四、模型转应用程序 4.1 展示图片 4.2 处理图片 4.3 预测图片 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com
阅读全文
摘要：目录 基于协同过滤的推荐算法 一、实验设计——训练集M折交叉验证 二、评测指标 2.1 准确率/召回率 2.2 覆盖率 2.3 新颖度 三、基于领域的算法 3.1 基于用户的协同过滤算法 3.1.1 UserCF推荐算法 3.1.2 User-IIF推荐算法 3.2 基于物品的协同过滤算法 3.3
阅读全文
摘要：目录 推荐系统常用评估指标 一、RMSE 二、MAE 三、Precision(准确率)&Recall(召回率) 四、覆盖率 五、信息熵 六、基尼系数 七、多样性 八、获取各种评测指标的途径 九、长尾分布 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等
阅读全文
摘要：目录深度学习-图像识别一、人脸定位二、手工提取特征的图像分类2.1 识图认物2.2 传统分类系统的特征提取2.3 计算机眼中的图像2.4 什么是图像特征？2.5 卷积运算2.6 利用卷积提取图像特征三、基于神经网络的图像分类3.1 传统图像分类系统和深度神经网络3.2 深度神经网络的架构3.3 卷积
阅读全文
摘要：目录模型选择一、模型选择学习目标二、机器学习基本假设2.1 损失函数2.2 目标函数三、参数模型和非参数模型3.1 参数模型3.2 非参数模型四、过拟合五、过拟合解决方法5.1 收集更多训练数据5.2 选择简单模型5.2.0.1 示例5.3 正则化5.3.1 L1正则化5.3.2 L2正则化5.4
阅读全文
摘要：目录主成分分析代码(手写数字识别)一、导入模块二、数据预处理三、KNN训练数据3.1 准确度四、降维(2维)4.1 KNN训练数据4.2 准确度4.3 二维特征方差比例五、查看原始数据特征方差比例5.1 主成分所占方差比例六、保留原始维度的80%的维度6.1 查看主成分个数6.2 降维(13维)6.
阅读全文
浙公网安备 33010602011771号