qiuweifan的博客

Visual Studio Code（VSCode）官方确实提供了离线安装包，以适应那些无法连接互联网或者网络环境受限的场景。

Gradio 提供了两种不同的方式来创建聊天机器人： Gradio Blocks 和 gr.ChatInterface 。

记录python读取ftp记录并入数据库。保存一些常用方法，分享给大家。

第一执行翻译任务会在用户安装目录下载模型，如果是下载时间过长，Windows版本下载路径为：C:\Users\AppData\Local\Buzz\Buzz\Cache ，表示用户目录，大概率会失败报错，这里可以使用离线的模型包。复制解压出来的模型，复制和替换C:\Users\AppData\Local\Buzz\Buzz\Cache 下的模型。下载完成后有五个类别的模型，大小和名字一样，越大效果越强，当然也取决于硬件，运算量越大，耗时越长。Large 模型耗时。

这时候，我们可以通过一个已经开启的浏览器完成登录，然后利用程序继续操作这个浏览器，即可以完成数据的爬取了。这里需要单独指定一个文件夹目录（不存在会新建），如果不显式指定该参数，运行会污染浏览器默认的配置文件。根据 Chrome 浏览器版本下载对应的 ChromeDriver 驱动移动到某一个目录下。假设上面开启的浏览器打开百度首页，我们现在编写一个简单的程序来继续操作上面的浏览器。注意的是，这里需要利用 debuggerAddress 指定浏览器的地址及端口号。右键查看 Chrome 浏览器的完整路径。

​虽然 Hugging Face 已经提供了很多文本摘要模型，但是它们大部分只能处理英文，因此本文将微调一个多语言文本摘要模型用于完成中文摘要：为新浪微博短新闻生成摘要。

Python的yield和next是什么？为什么常用来读取数据（DataLoader）

首先介绍一下什么是rnn，rnn特别擅长处理序列类型的数据，因为他是一个循环的结构一个序列的数据依次进入网络A，网络A循环的往后传递。这就是RNN的基本结构类型。而最早的RNN模型，序列依次进入网络中，之前进入序列的数据会保存信息而对后面的数据产生影响，所以RNN有着记忆的特性，而同时越前面的数据进入序列的时间越早，所以对后面的数据的影响也就越弱，简而言之就是一个数据会更大程度受到其临近数据的影响。但是我们很有可能需要更长时间之前的信息，而这个能力传统的RNN特别弱，于是有了LSTM这个变体。

cnn最重要的一个部分，也是起最为创新的一个部分，卷积层。首先用一张图片来比较一下卷积网络到底创新在什么地方

神经网络，这也是深度学习的基石，所谓的深度学习，也可以理解为很深层的神经网络。说起这里，有一个小段子，神经网络曾经被打入了冷宫，因为SVM派的崛起，SVM不了解的同学可以去google一下，中文叫支持向量机，因为其有着完备的数学解释，并且之前神经网络运算复杂等问题，导致神经网络停步不前，这个时候任何以神经网络为题目的论文都发不出去，反向传播算法的鼻祖hinton为了解决这个问题，于是就想到了用深度学习为题目。段子说完，接下来开始我们的简单神经网络。

如何在pytorch里面用最小二乘来拟合一些离散的点，这一节我们将开始简单的logistic回归，介绍图像分类问题，使用的数据是手写字体数据集MNIST

已经进入大模微调的时代，但是学习pytorch，对后续学习rasa框架有一定帮助吧。

总结一下dataframe读取数据库，以及整理数据的过程。分为三个部分：数据读取，数据整理以及数据写入。

一个简单的任务，使用python从ftp拉取txt文件再导入数据库，涉及的模块知识有ftp登录及下载，读取文件列表里的txt文件，以及pandas.dataframe.to_sql插入数据库的知识。

近日完成一个交办任务，从excel表读取数据，根据ID在数据库表匹配相应的记录，并回填至excel表里。我使用的工具是python。下面记录下相应的模块。

本文总结Numpy的用法，建议先学习基础。numpy可以理解列表或数组。一个numpy数组是一个由不同数值组成的网格。网格中的数据都是同一种数据类型，可以通过非负整型数的元组来访问。维度的数量被称为数组的阶，数组的大小是一个由整型数构成的元组，可以描述数组不同维度上的大小。

Python有以下几种容器类型：列表（lists）、字典（dictionaries）、集合（sets）和元组（tuples）。

本文总结如何使用python的webdriver插件，应用自动化测试以及爬虫抓取数据。

本文主要介绍用python操作elasticsearch的基本函数。

Pandas 是 Python 语言的一个扩展程序库，用于数据分析。其中DataFrame，Json，数据筛选的使用频次很高，值得重点将基本用法学习并总结。版本信息：python 3.7 pandas 1.3.5。

1）基本语法import pymssql server = "187.32.43.13" # 连接服务器地址user = "root"　　　　　　　　 # 连接帐号password = "1234"　　　　　　# 连接密码conn = pymssql.connect(server, user, password, "连接默认数据库名称") #获取连接cursor = conn.cursor...