F_aF_a的博客

直接连接9222 会等待很长时间，多线程尝试连接9222，join(timeout=2)，结果放brower。如果brower是空，os执行。，然后在主线程再次连接9222。

多线程情况下使用win32操作wps

【代码】添加数据后，Tkinter列表框自动下拉。

DoWhy | An end-to-end library for causal inferenceGetting started with DoWhy: A simple example使用因果推理的四个步骤来动手估计因果效应：建模model、识别identify、估计 estimate 和反驳 refute。 因果关系定义 假设我们想要找到采取行动A对结果y的因果影响，要定义因果影响，考虑两个世界:世界1(真实世界): 行动A被采取，观察到Y世界2(反事实世界): 没有采取行动A，但其他一

文章目录`class_loss` 分类交叉熵损失_论文公式（2）`ring_loss` Ring-style Normalization_论文公式(8)`mutual_information`_论文公式(5/6/7)`confusion_loss` LentL_{ent}Lent​_论文公式(3)`alignment_loss``Reconstruction`重构损失_论文公式(1)class_loss 分类交叉熵损失_论文公式（2）ring_loss Ring-style Normalizatio.

import loggingdef get_logger(filename): formatter = logging.Formatter( "[%(asctime)s] %(message)s",datefmt='%m/%d%I:%M:%S') logger = logging.getLogger() logger.setLevel(logging.INFO) fh = logging.FileHandler(filename,"w")

参考自：使用Icecream提高Python调试效率Pytorch Tensor交换维度MAXPOOL2Dimport osfrom icecream import icimport numpy as npimport torchimport torch.nn as nnimport torch.nn.functional as Ffrom PIL import Imagepath = "./1.jpeg"# 图片本身img = Image.open(path)img.s

原图原图直接缩放，比例失调将原图补成正方经，然后缩放import numpy as npfrom PIL import Imagepath = "D:\\坚果云\\坚果云相册\\手机壁纸\\20170722094609_vG3te.jpeg"img = Image.open(path)img.show()img = np.array(img)old_img = Image.fromarray(img.astype('uint8')).convert('RGB').resize(

Linux安装mongodb数据库最新版（全网最细）Command ‘mongo’ not found, but can be installed with:sudo apt install mongodb-clients

主要路径有没有写对\\是win系统路径的写法/是linux系统的写法

在命令行下载miniImagenet数据集wget https://data.deepai.org/miniimagenet.zip数据是pkl形式的，需要用特殊的方法进行读取和可视化参考了OpenCV读取和写入图像文件（详解版）和python——pkl文件代码如下：import osimport pickleimport cv2path = "/media/idea/c9ae2b5e-60d5-4916-8e02-23f584456660/DataSet/mini-imagenet/

文章目录使用`nn.functional.one_hot`使用`scatter_`小样本使用nn.functional.one_hotprint(torch.nn.functional.one_hot(labels, num_classes=5))使用scatter_https://pytorch.org/docs/stable/generated/torch.Tensor.scatter_.html?highlight=scatter_#torch.Tensor.scatter_小样本n

参考链接https://pytorch.org/tutorials/beginner/former_torchies/parallelism_tutorial.html#dataparallelhttps://blog.youkuaiyun.com/wumo1556/article/details/89065916

官方文档文章目录`scatter`scatter用一张官网的图import torchfrom torch_scatter import scatterindex = torch.tensor([0,0,1,0,2])input = torch.tensor([[1,1],[1,1],[2,2],[1,1],[1,1]])result = scatter(input,index,dim=0,reduce="sum")"""tensor([[3, 3], [2, 2],

官方文档 链接文章目录加载ENZYMES数据集batch取出单个数据`ptr`属性`batch`属性加载ENZYMES数据集from torch_geometric.datasets import TUDatasetfrom torch_geometric.data import DataLoaderdataset = TUDataset(root='/tmp/ENZYMES', name='ENZYMES', use_node_attr=True)loader = DataLoader(

文章目录数据集网络运行代码划分数据集模型开始训练提取特征拼接特征获得`relation cslore`计算损失优化模型在`test`数据上评估模型保存模型总结数据集官方代码使用的Omniglot，但是Omniglot是105×105105 ×105105×105大小的，官方给的omniglot_28x28.zip解压出来图片是resize过的，大小为28∗2828*2828∗28。网络论文中的Relation Network包括两个部分embedding module和relation modul

记录一下调通的第一个小样本模型????官方代码https://github.com/jakesnell/prototypical-networks官方论文https://proceedings.neurips.cc/paper/2017/file/cb8da6767461f2812ae4290eac7cbc42-Paper.pdf@inproceedings{snell2017prototypical,title={Prototypical Networks for Few-shot

视频： https://www.bilibili.com/video/BV1my4y1u7a8?from=search&seid=11271863612450212285官方文档： https://pytorch.org/docs/stable/generated/torch.gather.htmlhttps://zhuanlan.zhihu.com/p/352877584文章目录why `gather`?How `gather` work?图解官方文档why gather?使用索引只.

罗马数字包含以下七种字符： I， V， X， L，C，D 和 M。字符 数值I 1V 5X 10L 50C 100D 500M 1000例如， 罗马数字 2 写做 II ，即为两个并列的 1。12 写做 XII ，即为 X + II 。 27 写做 XXVII, 即为 XX + V + II 。通常情.

有一个正整数数组 arr，现给你一个对应的查询数组 queries，其中 queries[i] = [Li, Ri]。对于每个查询 i，请你计算从 Li 到 Ri 的 XOR 值（即 arr[Li] xor arr[Li+1] xor … xor arr[Ri]）作为本次查询的结果。并返回一个包含给定查询 queries 所有结果的数组。来源：力扣（LeetCode）链接：https://leetcode-cn.com/problems/xor-queries-of-a-subarray著作权归.

给你一个整数数组 perm ，它是前 n 个正整数的排列，且 n 是个 奇数 。它被加密成另一个长度为 n - 1 的整数数组 encoded ，满足 encoded[i] = perm[i] XOR perm[i + 1] 。比方说，如果 perm = [1,3,2] ，那么 encoded = [2,1] 。给你 encoded 数组，请你返回原始数组 perm 。题目保证答案存在且唯一。来源：力扣（LeetCode）链接：https://leetcode-cn.com/problems/de.

给你一个仅由数字组成的字符串 s 。请你判断能否将 s 拆分成两个或者多个 非空子字符串 ，使子字符串的 数值 按 降序 排列，且每两个 相邻子字符串 的数值之 差 等于 1 。例如，字符串 s = “0090089” 可以拆分成 [“0090”, “089”] ，数值为 [90,89] 。这些数值满足按降序排列，且相邻值相差 1 ，这种拆分方法可行。另一个例子中，字符串 s = “001” 可以拆分成 [“0”, “01”]、[“00”, “1”] 或 [“0”, “0”, “1”] 。然而，所有.

给你两个整数，n 和 start 。数组 nums 定义为：nums[i] = start + 2*i（下标从 0 开始）且 n == nums.length 。请返回 nums 中所有元素按位异或（XOR）后得到的结果。来源：力扣（LeetCode）链接：https://leetcode-cn.com/problems/xor-operation-in-an-array著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。class Solution(object): .

%pip install py7zrimport py7zra = py7zr.SevenZipFile(r'../input/cifar-10/train.7z','r')a.extractall(path=r'./')a.close()

import cv2 as cvimport matplotlib.pyplot as pltimg = cv.imread("a.jpg")OpenCv读的图片是BGR的，而matplotlib的格式是RGB，所以不能直接输出图片解决办法：转换色彩img1 = cv.cvtColor(img,cv.COLOR_BGR2RGB)plt.imshow(img1)plt.show()最后一个通道倒序right = img[:, :, ::-1]plt.imshow(right

文章目录读取csv表头信息转换为数组选择某一列删除某一列导出csv项目结构F:\PYCHARM\KAGGLE\DIGITRECOGNIZER│ DataProcessing.py│ main.py│ Model.py│└─data│ LinearClassifier.csv│ sample_submission.csv│ test.csv│ train.csvtrain.csvtest.csv读取csvtrain =

import urllib.requestimport reimport osimport urllib# 根据给定的网址来获取网页详细信息，得到的html就是网页的源代码def getHtml(url): page = urllib.request.urlopen(url) html = page.read() return html.decode('UTF...

import json, requests, reimport pymongoclass RRCSpider(object): def __init__(self): self.headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36...

图片加载不出来？（防盗链）在img标签禁用referer博客https://blog.youkuaiyun.com/fRF0lw4/article/details/80105574 防盗链解决方案https://www.cnblogs.com/lydiawork/p/7838153.html 防盗链原理...

from tkinter import *import requestsfrom bs4 import BeautifulSoupfrom urllib.request import urlretrievedef download(): url = entry.get() new_url = url.replace('/#', '') header = { ...

使用多进程对街拍图片进行下载，并将图片相关信息保存到mongodb数据库中。import requests, re, json, pymongofrom multiprocessing import Poolfrom urllib.parse import urlencodefrom hashlib import md5class JiePaiSpider(object): ...

爬取糗事百科信息注意：爬取任何一个网站，首先要确定的就是这个网站是静态网站还是动态网站。其次看看这个GET请求是否携带了特殊的参数。最后需要留意请求头中的Cookie信息。class QSBKSpider(object): """ 爬虫类 """ def __init__(self): # 将各个页面通用的路径，不变的路径声明为属性，调用方便，..

#coding:utf-8#正则表达式：正则表达式主要是操作字符串的，实现数据的提取，查找和替换import restring = '<a>1</a><a>2</a><a>3</a><a>4&amp

在原有基础上，增加写入数据库操作class DBTool(object): """ 将数据保存到数据库的工具类，主要负责数据库的增删改查操作。 """ connect = None # 类属性需要先声明 cursor = None # 操作数据库： # 1.创建数据库的连接对象，创建游标，

在原有基础上，增加写入伪造浏览器的UserAgentfake_user_agent: pip install fake-useragent//这个第三方库，维护了各种主流浏览器的UA标识，并且会定时更新这个库，淘汰一些过期的UA。首先，在pycharm中安装fake_useragent然后修改爬虫类的代码from fake_useragent import UserAgentclas...

在原有基础上添加异常处理模块，防止访问正则表达式提取的东西的时候出现异常修改def getImg (html)函数def getImg(html): #此处修改 for imgurl in imglist: try: urllib.request.urlretrieve(imgurl, '{}{}.jpg'.format(paths, "...

# 爬取人人车车车辆信息。from urllib.request import urlopenfrom urllib.error import HTTPErrorimport re, sqlite3class RRCSpider(object): """ 人人车爬虫类 """ def __init__(self): pass ...

爬虫中也会经常会遇到以JSON数据返回内容的网站，这种网站不再需要使用正则表达式匹配文本，直接分析网站是否含有接口返回JSON，如果有，直接使用json.load()对json字符串进行解析就可以获取数据。# pip install requests:比较流行的第三方请求库#https://sou.zhaopin.com/?jl=489import requestsresponse = ...

爬取csdn文章的JSON数据数据库分为关系型数据库和关系型数据库，关系型数据库需要通过建立表与表之间的关系来进行数据的存储和查询，比如一对一、一对多、多对多关系，表与表之间的关系比较紧密。而非关系型数据库中，表与表之间是不存在关联的，每一个表都是独立存储数据的。mongodb属于非关系型数据库，可以在表里直接存储字典，所以在保存数据的时候比较方便。# 接口请求的规律：每请求一次接口，该接口...