墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
1.5k累计阅读
1.6k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
安装virtualenv
如果是windows，需要先安装pip或者easy_install。
使用命令：
easy_install virtualenv
或者
pip install virtualenv
来安装virtualenv。
新建项目文件夹并创建虚拟环境
$ mkdir myproject
$ cd myproject
$ virtualenv venv
New python executable in venv/bin/python
Installing distribute............done.激活虚拟环境
venv\scripts\activate.bat在虚拟环境下安装flask
sudo pip install Flask相关文档在这里
个人网站之flask
python flask项目创建 1.flask入门> ***用社区版的pycharm创建一个flask程序，点击create project后（直接用pycharm 感觉不用用一些网上的方法，需要先pip 虚拟环境）,选择保存的目录，下面是选择解释器选择自己电脑安装的python3.8(举例)，pycharm直接就会为你这个项目创建一个虚拟环境。 ***我的这个项目名是是叫flask_douban,flask_douban文件夹下有两个文件夹 .idea和venv .idea文件夹中是一些xml（x
windows下配置flask虚拟环境
python2.7及python3.6均安装flask虚拟环境由于python2，python3都有pip所以将python2.7下python.exe改成python2.exe将Python3.6下python.exe改成python3.exe创建虚拟环境(如python2.7下安装)虚拟环境使用第三方使用工具virtualenv创建步骤1. 安装第三方使用工具virtualenv ...
Flask 学习-21. 项目配置通过.env环境变量启动开发/生产环境
一般一个项目会配置多套环境：开发/测试/生产环境，每套环境的配置不一样，比如不同的运行环境配置的数据库不一样。
Python轻量级Web框架Flask（1）——简介/虚拟环境介绍/安装
1、数据库分类：关系型数据库：MySQL、Oracle、···非关系型数据库：Redis、MongoDB、···2、介绍：Redis是一个开源，高级的键值存储和一个适用的解决方案，用于构建高性能，可扩展的Web应用程序。3、特点：Redis将数据库完全保存在内存中，只使用磁盘进行持久化。与其他键值数据库相比，Redis有一组相对丰富的数据类型。Redis可以将数据复制到任意数量的从机中，分布式。4、优点：快、丰富的数据类型、操作具有原子性、多实用工具。
第1章 认识Flask
Flask是一个用Python编写的微框架，它可以帮助开发者在短时间内完成一个功能丰富的Web应用程序。微框架并不意味着将Web应用程序的所有代码放置在一个py文件中，而是意味着代码简洁且易于扩展。Flask默认依赖两个外部库：Werkzeug WSGI工具包和Jinja2模板引擎，它只保留了Web开发的核心功能，而不包括用户认证、表单验证、发送邮件等其他Web应用程序框架通常包含的功能。开发者若需要给Flask程序添加额外的功能，可以在Flask官网找到相应的扩展包进行开发。
别再被骚扰了！手把手教你彻底卸载阿里云盾（安骑士）并封禁其IP段
本文详细指导如何彻底卸载阿里云盾（安骑士）并封禁其IP段，帮助用户夺回服务器控制权。从识别监控组件到执行官方卸载脚本，再到手动清理残留文件和配置iptables规则，确保完全阻断云盾通信。适用于追求极致性能或需要完全自主控制的环境。
Python-Flask虚拟环境（1）
Python虚拟环境的创建以及切换
从服装打版到激光切割：二维异形件排版算法在实际生产中的避坑指南
本文深入探讨二维异形件排版算法在服装、家具等行业的实际应用，对比NFP和重叠移除两种核心策略的优缺点，并提供算法落地的五大实战陷阱与解决方案。通过案例分析和技术要点解析，帮助生产管理者提升材料利用率5%-15%，优化生产效率。
Flask 环境变量 FLASK_ENV 说明
FLASK_ENV FLASK_ENV 变量用来告诉Flask当前应用所运行的环境，有两个值，分别是 “production” 和 “development”，默认缺省值是“production”。 Flask自身和第三方扩展插件可能会基于此变量值改变自己的行为。 如果设置为：“development”，那么可实现： 1、激活调试器。 2、激活自动重载。 3、打开 Flask 应用的调试模式。 只要项目中代码有发生变化，程序就会自动重启。 在开发调试过程中很有用，如果是production，每次还
【Unity学习笔记】事件系统EventSystem
1.EventSystem物体 第一次在Unity中创建UI元素时，总会自动生成一个EventSystem物体，它包含三个组件：Transform、EventSystem、Standalone Input Module。如果我们把它删除了，会发现UI上的事件（比如点击、拖拽）将不会被检测到。没错，它就是用来处理UI相关的事件的。 1.1 EventSystem组件 EventSystem基于输入给物体发送事件，它在整个事件系统中扮演的主要角色是： 1.管理被选中的物体 2.管理正在使用的Input Modu
机械臂TCP标定实战：从四点法到六点法的精度跃迁
本文详细解析机械臂TCP标定技术，从基础的四点法到高精度的六点法实现精度跃迁。通过工具坐标系与基坐标系的转换原理，结合实战案例展示六点法如何将装配合格率提升至99.5%，并分享环境控制、操作技巧等提升标定精度的关键要素。
pycharm专业版建立flask虚拟环境
pycharm专业版建立flask虚拟环境过程如下： 1、建立项目文件目录 点击左上角File按钮，选择New Project，在Pure Python下的Location位置选择项目的安放位置 我的项目位置在 D:\flask_train\SITE01\ 下 2、配置项目环境 在Project Interprete选项下： 设置新环境模式：选择Virtualenv，即通过虚拟环境构建该项目...
【网络安全】AntSword蚁剑新手快速入门（附实战案例）
蚁剑(AntSword)是一款开源的跨平台WebShell管理工具，它主要面向于合法授权的渗透测试安全人员以及进行常规操作的网站管理员。蚁剑的特点主要有如下几点：1.支持多平台。包括macOS、Linux 32位、Linux 64位、Linux armv7l、Linux arm64、Windows 32位、Windows 64位。2.完善的文档。中国蚁剑文档地址。3.多项功能。文件管理功能、虚拟终端功能、数据库管理功能。4.内置代理功能。
Windows下建立python的虚拟环境（flask笔记一）
采用virtualwrapper来创建 pip install virtualenv pip install virtualwrapper-win mkvirtualenv 环境名 就创建好了。 需要进入的话输入 workon 用户名 退出的话就输入 deactivate 列出所有虚拟环境lsvirtualenv 删除虚拟环境rmvirtualenv 环境名 ...
AE（自动曝光）调试策略：曝光曲线设计与过曝控制
自动曝光（AE, Auto Exposure）系统是图像质量控制链路中的核心模块之一，其性能直接决定了成像亮度是否稳定、细节是否完整、场景切换是否自然。在现代移动终端影像系统中，AE 不仅需要适应不同光照强度和复杂环境，还需兼顾人脸优先、HDR触发、视频帧率控制等多目标优化需求。本文基于高通 Snapdragon 和 MTK Dimensity 等主流平台的调试经验，系统梳理了 AE 模型设计原则、曝光曲线配置、测光策略选择与过曝抑制机制，并结合典型实战案例，提供可复制的工程落地路径。
17、激光切割焦点位置和入射角对切割质量的影响研究
本研究通过响应面方法（RSM）结合Box-Behnken设计，系统分析了激光功率、切割速度和气体压力对SS 304不锈钢激光切割质量的影响，重点探讨了三种不同喷嘴在不同聚焦条件下的切缝比和条纹深度变化规律。实验结果表明，激光功率、切割速度和气体压力对切割质量具有显著影响，且不同喷嘴因焦点位置差异表现出不同的响应趋势。通过回归建模与优化，确定了最小激光功率、适中切割速度和最大气体压力为最优参数组合，可实现最小切缝比和较优条纹深度。研究为实际激光切割工艺提供了科学的参数选择依据和操作流程建议，有效提升了切割精度
conda pycharm 虚拟环境_pycharm flask之conda python虚拟环境之找不到flask-migrate，flask-script...
在.py中导入flask-migrate,flask-script不出错，可以找到。但是在pycharm下方的Terminal中使用命令：python manage.py db migrate，就出错，说没有这两个包。在百度上找了好久，就是找不到我的出此错的原因，么的办法，只能自己找原因。我试过博客https://blog.youkuaiyun.com/arnolan/article/details/8489...
Win10系统怎么打开Microsoft帐户？Win10系统打开Microsoft的帐户方法
也被加入了越来越多的功能，我们在使用电脑的时候，很对用户会打开Micorsofy账户功能，搜索个人邮件信息，照片等等，还能将个人的数据备份到账户内，那要怎么打开账户呢，下面带给大家方法。以上就是小编给大家整理的win10系统打开Microsoft帐户的具体操作方法，方法简单易懂，有需要的朋友可以看一看，希望这篇教程对大家有所帮助。5、最后我们将“Microsoft帐户”选项下方的开关按钮向右滑动将其打开，如下图所示，这样就成功打开wMicrosoft帐户功能了。我们在窗口左侧点击“设置”选项即可。
Flask框架（一）——vs code中创建Flask项目
使用vs code编辑器创建Flask项目，并使用虚拟环境运行项目
深度学习工具包 DeepLearningToolbox
深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[](https://bitdeli.com/free "Bitdeli Badge")
华为的C语言编程规范.pdf
华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。
flask项目
安装虚拟环境 https://segmentfault.com/a/1190000012030061 https://www.jianshu.com/p/44ab75fbaef2 https://stackoverflow.com/questions/29149853/no-module-named-virtualenvwrapper/36236806 创建进入虚拟环境 mkvirtualen...
Devexpress16.2.6破解工具
Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具
在MAC OS 下配置python + Flask ,并支持pyCharm编辑器
https://www.cnblogs.com/lgphp/p/3841098.html 在MAC OS 下配置python + Flask ,并支持pyCharm编辑器 flask是一个micro framework ，伸缩性很强。可以部署到openshift 的PAAS里。这个框架上手非常快。喜欢的可以试试。 若实在MAC里，python已经默认安装了。10...
数学建模模型总结
这是本人在两年内准备参加数学建模竞赛搜集到的模型资料，已经经过了本人的筛选和整理，希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助！
Flask学习系列2一项目的创建及虚拟环境的配置
1.建一个文件夹用来存放项目 2.打开pycharm----file–New Project—flask 3.创建项目和虚拟环境 将untitled改为项目的名称 然后点addlocal添加虚拟环境 找到virtualenvdir文件夹中为这个项目创建的虚拟环境 然后点击OK 4. 点击create 这个FlaskBlog项目就创建好了！ ...
Flask框 介绍一
一、虚拟环境建立 1.为什么要建虚拟环境 例如我们需要同时开发多个项目，项目A用到包xxx2.7,而项目B用到xxx2.6,这样怎么办，必然有一个项目运行会出问题，这样如建了虚拟环境就不会出现这个问题，它会隔离python的运行环境，项目A和B互不 影响 2.建虚拟环境方式 2.1 可以通过charm自带的新建虚拟环境功能建立，如下图新建项目test时设置如下： 2.2 另一种方式通过在DOS使用pipenv建虚拟环境 先添加一个系统环境变量–使用WORKON_HOME 路径:xxx，如下图 2.2.1
用pycharm社区版建一个Flask的项目
因为要自已建启动文件，所以把创建main.py欢迎脚本关掉这个时候会在指定的文件夹出来虚拟环境的文件夹这时候点击创建，会提示要不要打开新窗口，确认就行。
Flask自学笔记（1）
准备工作 建立虚拟环境 命令 说明 注意 $ pip install pipenv 从PyPI网站上安装pipenv $ pipenv install 建立虚拟环境 虚拟环境文件夹在路径C:/Users/[用户名]/.virtualenvs/目录下 $ pipenv shell 激活(进入) 虚拟环境 $ pip list 查看当前环境安装包 在虚拟环境内外的环境...
Visual Studio Code运行flask环境配置并简单测试（windows版）
一、ptyhon部分（打开CMD） 1.更新PIP（PIP是最新版此步跳过）： python -m pip install --upgrade pip 2.安装flask: pip install flask 3.安装虚拟插件（由于不同项目需要用到不同环境，所以安装虚拟环境非常有必要）virtualenv： pip install virtualenv 二、虚拟环境部分： 1....
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
472
扫一扫
