摘要：
本文中通过python库diagrams展示了基础的架构图绘制的方法，库中提供了常用的AWS和k8S等场景下常用的组件标签，使得我们用python代码也可以绘制精美清晰的架构图。这里组件之间的连接和耦合关系，也可以通过简单的符号进行实现，这也得益于python中所特有的魔法函数。 阅读全文
摘要：
本文介绍了使用opencv-python对输入图像进行处理的基本操作，包括图像读取、图像变换等。有了这些基础的操作支撑后，我们可以执行跟高层次的图像处理，比如常用于深度学习的卷积和池化操作，这里我们也作了简单介绍，并给出了使用示例。 阅读全文
摘要：
在前面几篇博客中我们介绍过docker等容器的编程环境解决方案，但是容器作为一个系统级的隔离方案，其实更加强调的是用户间的隔离，这一点也得益其对NameSpace技术的推广和使用。但是在一部分的场景下，比如快速构造一个纯净的python环境、轻量级的操作实现不同python包的共存，容器技术虽然也可以完成，但是功能显得过于冗余，这就需要使用到本文所介绍的virtualenv这样的一个python依赖管理解决方案。文中我们介绍了virtualenv的安装与基本的使用方法，做了一遍比较完整的演示。 阅读全文
摘要：
在这篇文章中我们介绍了julia编程语言的一些基本特点，这是一门兼顾了高性能与高效开发的编程语言，而且开源免费。不仅具备有python的便捷性，还有接近于C语言的高性能特性，是一门为科学计算而生的编程语言。我们介绍了其在Manjaro Linux平台下的安装方法，及其基本使用方法，如变量定义、函数定义和调用、包的管理以及与python编程语言的协同工作。 阅读全文
摘要：
告警和异常信息的定义与处理，在网络编程项目和各种实际计算的场景中都会被用到。这里我们通过两篇博客进行了比较简单的介绍，对于没有特殊要求的用户而言，按照示例中给出的样板直接修改就能够使用。更多的时候是规范的要求，我们可能需要修改异常和告警所继承的类型。同时对于异常和告警信息，我们也能够有方案去进行抑制，更加适配各种不同的场景需求。 阅读全文
摘要：
一个完善的python项目，不仅需要梳理好核心代码的软件架构，还需要定义好依赖文件、编译构建文件、API接口文档、编码规范门禁等。这里我们介绍了如何用setup.py文件来完善一个最简单的python项目，这也是每一个python开源项目所必须要具备的条件。 阅读全文
摘要：
通过pyinstaller我们可以将一个python项目打包编译构建成一个可执行文件，然后将该可执行文件放置到一个系统路径下，使得系统可以不需要路径也能够识别到这个可执行文件，这样我们就可以仅配置一些输入文件或者命令行的入参，来运行我们的项目。 阅读全文
摘要：
本文中介绍了常规python中的异常的定义方法，可以在自己的python项目中定制化的实现一些异常类。在定制化的类中我们可以给打印信息加上一些醒目的颜色，用于提醒用户以促进问题的修改。 阅读全文
摘要：
在本地构建基于Docker的编程环境是一个兼容性和可用性非常强的解决方案，这里我们介绍了一个使用Dockerfile来构建Docker容器镜像的简单实例。同时也用谷歌所主导的开源线性规划求解器ortools来测试这个容器化的编程环境解决方案，最终我们用ortools成功的求解了一个单背包问题，并且跟前面一篇博客中所介绍的IBM主导的cplex一样都得到了问题的最优解。 阅读全文
摘要：
在这篇文章中我们介绍了如何使用docker去搭建一个cplex线性规划求解器的编程环境，制作完docker容器，我们也展示了如何写一个线性规划问题定义的文件，并使用cplex对给定一个背包问题的线性规划（实际上是一个二元规划问题）文件进行求解。 阅读全文
摘要：
为了在本地构建一个可用性强、易于部署的环境，我们选择了放弃直接安装pdflatex的方案，以及线上的overleaf的方案。这些方案各有利弊，但是综合起来看，对于个人使用的环境而言，还是在本地使用docker镜像直接部署一个tex编译环境是最方便、最人性化的。 阅读全文
摘要：
在这篇文章中我们介绍了三种不同的python库对表格数据进行处理，分别是xlrd、pandas和vaex，其中特别着重的强调了一下vaex的优越性能以及在大数据中的应用价值。配合一些简单的示例，我们可以初步的了解到这些库各自的特点，在实际场景中可以斟酌使用。 阅读全文
摘要：
在本文中我们通过一个实例来介绍了Git的基本用法，包括提交代码、远程链接以及变基等，这使得我们可以更美观更简洁的去维护我们自己的开源代码仓库。 阅读全文
摘要：
本文介绍了如何使用os.access的方法来判断系统文件的存在性与读、写和可执行权限等。这在日常文件操作中有着比较重要的意义，意味着我们可以先判断文件是否存在再决定是否删除系统文件，而不是直接用os.remove进行删除操作，如果有异常再进行捕获，这种的操作非常的不符合操作逻辑，而且不优雅。 阅读全文
摘要：
使用GPU来进行计算，可以极大程度上的加速我们所需要计算的任务，这得益于GPU强大的自带的并行化技术。pycuda的出现，使得我们不需要手工去写GPU的C或者C++代码也可以调用GPU来进行计算，还提供了众多的python接口可以直接使用。经过测试，本文给出了一些pycuda的基本使用方法示例，以及初步的测试结果，从测试结果中我们进一步明确了pycuda的高性能特性。 阅读全文