基于Socket实现信息交互和文件上传及下载
实验介绍： 用python代码实现，服务器有三个功能：信息交互、文件上传、文件下载。 客户端输入1，进入信息交互功能。客户端输入2，进入文件上传。客户端输入3，文件下载。 输入q结束服务。 文件的上传和下载路径可以由客户端手动输入。 需要先运行服务器端再运行客户端。 代码如下 client端代码： ...
Python 潮流周刊#107：无 GIL Python 被正式批准(摘要)
本周刊由 Python猫 出品，精心筛选国内外的 400+ 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。 温馨提示： 在微信关注 Python猫，发送“优惠券”，即可领取 9 折优惠码，订 ...
taskiq异步分布式任务管理器 适用fastapi
taskiq 异步分布式任务管理器 https://taskiq-python.github.io/ 将 taskiq 视为 asyncio celery 实现。它使用几乎相同的模式，但它更加现代和灵活。 它不是任何其他任务管理器的直接替代品。它具有不同的库生态系统和一组不同的功能。此外，它不适用于 ...
AI大模型应用开发-用LangChain构建PAL应用：SQL的生成与执行
PAL（Program-Aided Language models） 思想成为大模型 Agent 领域的重要范式。核心思路是 LLM 只负责语言任务，复杂的逻辑/计算交由程序执行。 通过合理设计 prompt，模型生成代码/SQL/逻辑描述，外部程序再执行，得到结果后反馈给 LLM，LLM 再生成最 ...
Python高性能编程第3版3列表和元组
3 列表和元组 主要内容： 列表和元组有什么用？ 在列表/元组中查找的复杂性是什么？ 如何实现这种复杂性？ 列表和元组有哪些区别？ 如何对列表进行追加？ 什么时候应该使用列表和元组？ 编写高效程序最重要的一点是了解所使用数据结构的保证。事实上，高效编程的很大一部分就是要知道你想对数据提出什么问题，并 ...
Python高性能编程第3版1了解高性能Python-4如何成为高性能程序员5：Python 的未来
1.4 如何成为高性能程序员 编写高性能代码只是长期成功项目中高性能的一部分。团队远比速度提升和复杂的解决方案更重要。这其中有几个关键因素--良好的结构、文档、可调试性和共享标准。 假设你创建了一个原型。你没有对它进行彻底测试，也没有让团队对它进行审核。它看起来确实 “足够好”，并被推向生产。由于它 ...
AI大模型应用开发-用LangChain构建带Agen流程的RAG系统
随着大模型（LLM）能力越来越强，RAG（Retrieval Augmented Generation，检索增强生成）技术成为增强大模型知识准确性的关键手段。 通过检索实时数据、外部文档，模型能回答更多基于事实的问题，降低“幻觉”概率。 而 LangChain 的 LangGraph 能将 LLM、 ...
python开发之路【第一章】：计算机基础结构
1.1计算机基础 1.1.1 硬件 1944年，美籍匈牙利数学家冯·诺依曼提出计算机基本结构。 五大组成部分：运算器、控制器、存储器、输入设备、输出设备。 -- 运算器：按照程序中的指令，对数据进行加工处理。 -- 控制器：根据程序需求，指挥计算机的各个部件协调工作。 通常将运算器和控制器集成在中央 ...
掌握ChangeSpeed类：让数学动画速度随心而动！
在制作数学动画时，我们常常希望动画的速度能够根据需要进行调整，以更好地展示数学概念的演变过程。 Manim框架中的ChangeSpeed类就是这样一个强大的工具，它能够帮助我们轻松地控制动画的速度变化，让动画更加生动和富有表现力。 1. 主要作用 ChangeSpeed类的主要作用是改变动画的播放速 ...
AI大模型应用开发入门-LangChain开发RAG增强检索生成
检索增强生成（RAG）是一种结合“向量检索”与“大语言模型”的技术路线，能在问答、摘要、文档分析等场景中大幅提升准确性与上下文利用率。 本文将基于 LangChain 构建一个完整的 RAG 流程，结合 PGVector 作为向量数据库，并用 LangGraph 构建状态图控制流程。 大语言模型初始 ...
Python 潮流周刊#106：PEP-734 正式接纳，多解释器时代来临(摘要)
本周刊由 Python猫 出品，精心筛选国内外的 400+ 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。 温馨提示： 在微信关注 Python猫，发送“优惠券”，即可领取 9 折优惠码，订 ...
pytorch入门 - VGG16神经网络
1.VGG16背景介绍 VGG16是由牛津大学Visual Geometry Group(VGG)在2014年提出的深度卷积神经网络模型，它在当年的ImageNet图像分类竞赛中取得了优异成绩。 VGG16的主要贡献在于展示了网络深度(层数)对模型性能的重要性，通过使用多个小尺寸(3×3)卷积核堆叠 ...
AI大模型应用开发入门-LangChain开发Agent
基于 LangChain 和 GPT-4o-mini 的大模型智能体开发实战 近年来，大模型能力的持续突破，使得构建智能代理（Agent）系统成为开发者追逐的热点。 本文将以 LangChain 框架为核心，结合 GPT-4o-mini 模型，通过接入工具与消息修剪策略，实现一个具备记忆、调用搜索、 ...
AI大模型应用开发入门-LangChain开发聊天机器人ChatBot
在大模型应用开发中，状态管理 和 对话追踪 是不可忽视的重要能力，尤其在需要保存上下文、重放对话或进行异步处理时尤为关键。 今天我们来演示如何用 LangChain + OpenAI 的 GPT 模型 + PostgreSQL 搭建一个 具备消息存储能力 的聊天机器人。 技术栈 LangChain（ ...
python爬虫获取B站视频评论
代码使用deepseek生成 免责声明：本文章涉及到的应用仅供学习交流使用，不得用于任何商业用途，数据来源于互联网公开内容，没有获取任何私有和有权限的信息（个人信息等）。由此引发的任何法律纠纷与本人无关！ 点击查看代码 import requests import time import re im ...
[python]requests VS httpx VS aiohttp
前言 前段时间想着把一个python服务的接口逐渐改成异步的，其中用到requests的地方就要改成httpx或者aiohttp，有点好奇异步请求相较于同步请求有哪些提升，遂做了点小实验。 首先有个服务A提供接口，这个接口会停顿1秒，模拟数据库操作。服务B去请求服务A的这个接口，并把响应返回给客户端 ...
pytorch入门 - AlexNet神经网络
AlexNet背景 AlexNet是2012年由Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton提出的深度卷积神经网络架构。 它在ImageNet大规模视觉识别挑战赛(ILSVRC)中取得了突破性成绩，将top-5错误率从26%降低到了15.3%，这一成就 ...
pytorch入门 - 修改huggingface大模型配置参数
介绍 Hugging Face的Transformers库提供了大量预训练模型，但有时我们需要修改这些模型的默认参数来适应特定任务。 本文将详细介绍如何修改BERT模型的最大序列长度(max_position_embeddings)参数，并解释相关原理和实现细节。 原理 BERT等Transform ...
python中可变参数与装饰器的例子
python的可变参数 方法定义 #*args是可以传list类型的可变参数，**kwargs是可以传dict的可变参数 def wrapper(*args, **kwargs): 使用示例 def foo(*args, **kwargs): print 'args = ', args print ...
Python 潮流周刊#105：Dify突破10万星、2025全栈开发的最佳实践
本周刊由 Python猫 出品，精心筛选国内外的 400+ 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。 温馨提示： 在微信关注 Python猫，发送“优惠券”，即可领取 9 折优惠码，订 ...
