刷新
Python 潮流周刊#95:像人类一样使用计算机(摘要)

本周刊由 Python猫 出品,精心筛选国内外的 250+ 信息源,为你挑选最值得分享的文章、教程、开源项目、软件工具、播客和视频、热门话题等内容。愿景:帮助所有读者精进 Python 技术,并增长职业和副业的收入。 分享了 11 篇文章,12 个开源项目 重要提示:本周刊即将迎来第 100 期,即 ...

FastAPI Pydantic动态调整Schema

博主头像 title: FastAPI Pydantic动态调整Schema date: 2025/3/29 updated: 2025/3/29 author: cmdragon excerpt: Pydantic动态Schema支持运行时字段调整和环境变量控制,实现毫秒级配置生效。通过字段级动态注入和条件 ...

比较检验:找出最佳机器学习模型

博主头像 在机器学习领域,我们常常需要在多个模型之间进行比较,以选择最适合特定任务的模型。 模型比较检验为此提供了科学的依据和方法。 本文将探讨比较检验的概念、方法、区别与适用范围,并结合scikit-learn库给出具体的代码示例。 1. 什么是比较检验 比较检验,又称比对检验,是指通过比较不同模型(或算法 ...

一文速通Python并行计算:04 Python多线程编程-多线程同步(上)—基于条件变量、事件和屏障

博主头像 本文介绍了Python多线程同步的三种机制:条件变量(Condition)、事件(Event)和屏障(Barrier),条件变量指的是线程等待特定条件满足后执行,适用于生产者-消费者模型;Event指的是线程通过事件标志进行同步,适用于线程间简单通信;Barrier指的是多个线程需同步到同一阶段时使... ...

抓取小说

思路: 解析小说HTML解构,抓取主要元素(例如:小说目录元素及小说内容元素) 抓取小说目录及链接,将链接合并生成具体章节的链接(为避免对网站造成压力,仅爬取前几章) 运行代码抓取所有小说内容 # 导入requests库,用于发送HTTP请求 import requests # 导入Beautifu ...

一文速通Python并行计算:03 Python多线程编程-多线程同步(上)—基于互斥锁、递归锁和信号量

博主头像 在 Python 多线程编程中,线程同步是确保多个线程安全访问共享资源的关键技术。本篇文章介绍了互斥锁(Lock)、递归锁(RLock) 和 信号量(Semaphore) 的概念与应用。互斥锁用于防止多个线程同时修改数据,递归锁适用于嵌套锁定场景,而信号量则限制同时访问资源的线程数。 ...

Cursor 老改坏代码?六哥这几招超管用!

博主头像 大家好,我是六哥!最近不少小伙伴和我吐槽,在使用Cursor时,AI老是把代码改坏,让人头疼不已。我自己也用了大几十个小时Cursor,今天就来给大家分享一些实用小窍门,教大家如何巧妙规避这类问题。 一、项目开始,搭建“行动指南” 在项目根目录下创建一个名为“.cursorrules”的文件,这就相 ...

谷歌邮箱爬虫

博主头像 地址: https://mail.google.com/sync/u/0/i/bv?hl=zh-CN&c=32&rt=r&pt=ji 请求头: cookie:COMPASS=bigtop-sync=CsMBAAlriVeiJnwv1K8cpGwLPKte_fMt4RspgiISnXb-zw3MR2G ...

模型的泛化性能度量:方法、比较与实现

博主头像 在机器学习领域,模型的泛化性能度量是评估模型在未知数据上表现的关键环节。 通过合理的性能度量,不仅能了解模型的优劣,还能为模型的优化和选择提供科学依据。 本文将深入探讨泛化性能度量的重要性、各种度量方法、它们之间的区别与适用场景,并通过scikit-learn代码示例来展示如何实现这些度量方法。 1 ...

osmts:OERV之一站式管理测试脚本

博主头像 最近团队里面实习的小伙伴开发了一个新的项目,可以用来一键式运行各种测试脚本并且完成数据总结,我也尝试部署了一下,遇到了一些问题,接下来一起解析一下这个项目。 首先是获取osmts git clone https://gitee.com/April_Zhao/osmts.git cd osmts 运行 ...

Pydantic根校验器:构建跨字段验证系统

博主头像 title: Pydantic根校验器:构建跨字段验证系统 date: 2025/3/24 updated: 2025/3/24 author: cmdragon excerpt: Pydantic根校验器支持预处理(pre)与后处理(post)模式,可访问全量字段数据并修改值字典。多字段关联验证实 ...

掌握机器学习数据集划分

博主头像 在机器学习的流程中,数据集的合理划分是模型训练与评估的关键前提。 恰当的划分方式不仅能有效利用数据资源,还能确保模型评估结果的可靠性,为模型的泛化能力提供有力保障。 本文将深入介绍3种常见的数据集划分方法:留出法、交叉验证法和自助法,并配以scikit-learn的代码示例来说明如何使用这些方法。 ...

<1···101112···45>