视频课程网站

最新推荐文章于 2025-09-08 23:34:59 发布
转载 最新推荐文章于 2025-09-08 23:34:59 发布 · 84 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：https://my.oschina.net/u/1390066/blog/471845
文章标签：

#python

免费高清视频素材下载网站
weixin_34126215的博客
10-27 2万+
只收录公共版权素材或者CC创用素材站点Internet Archive（墙外）https://archive.org/index.php全世界最重要的公益性学术网站之一，也是网络开放与自由化的倡议者之一。提供海量数字数据如网页、音乐、动态图像、和数百万书籍（有PDF等数种格式）的永久性免费存储及获取。其实有部分地区能通过https模式访问，不过在大陆一直不稳定。Wikime...
Java 和 Python 的执行方式有很大不同——Android学习
ban102055的博客
09-04 2792
特性PythonJava执行方式(解释执行)->(先编译后执行)是否需要编译否是环境需要 Python 解释器需要JDK(包含javac和java在Android Studio中不适用全自动，点击“Run”即可给你的建议：为了学习 Android 开发：直接使用。不要担心命令行，IDE 会帮你处理一切。专注于编写代码和理解 Android 的概念（如 Activity、生命周期）。为了单纯学习 Java 语法。
torch神经网络入门级设备测试
m0_71002812的博客
09-07 725
本文介绍了一个基于PyTorch的CPU与GPU性能评估系统，用于比较不同硬件在求解常微分方程(ODE)的神经网络模型中的计算效率。系统包含以下核心功能： 自动检测CUDA可用性及GPU配置 构建多层前馈神经网络模型求解二阶ODE 性能基准测试：分别在CPU/GPU上运行相同训练任务，计算加速比 内存使用分析：对比CPU/GPU张量的内存占用情况 梯度计算专项测试：评估反向传播耗时差异 评估结果显示，在处理大规模数据(≥5000个数据点)时，GPU凭借并行计算优势可获得显著加速效果。系统适用于科研人员优化物
Java 枚举通用接口设计与实现
sunnyday0426的博客
09-04 727
本文介绍了Java中枚举类型的通用接口设计方法。通过定义BaseEnumInterface接口，可以为枚举添加code和desc属性，并提供统一的静态操作方法，如根据code获取枚举实例、获取所有编码列表、验证编码有效性等。以GenderEnum为例，展示了枚举类如何实现该接口，并演示了通过接口提供的通用方法进行便捷操作。这种设计模式提高了代码复用性，使枚举操作更加规范统一。
【TXT】用 Python 实现超漂亮的 HTML 两栏文本对比工具（支持行内差异高亮）
采菊东篱下，Python满乾坤！
09-05 1209
这个小工具虽然只有 300 多行代码，但却融合了文本处理、算法匹配、前端渲染和用户体验设计。它不仅实用，还能作为学习difflib和 HTML/CSS 布局的优秀范例。✅一句话总结：让文本对比不再枯燥，让差异“看得见”！也欢迎在评论区提出你的优化想法 😊。
AI驱动的软件测试：革命性的自动化、缺陷检测与实验优化
zzywxc787的博客
09-06 674
人工智能（AI）和机器学习（ML）技术的融入，正在从根本上重塑软件测试的格局，将其从一种主要是手动的、重复性的任务转变为一种智能的、预测性的、且持续优化的过程。*说明：多臂老虎机算法（MAB）由于将更多流量分配给了更好的版本B，其累积回报（点击次数）的增长速度远快于传统A/B测试（固定50/50分流）。： 利用NLP技术（如文本分类）自动分析新提交的Bug报告的内容、标题和描述，将其自动分类（如“前端UI问题”、“后端API错误”），并推荐或分配给最合适的开发人员（基于谁修改了相关代码文件）。
CentOS/Ubuntu安装显卡驱动与GPU压力测试
eeeeebv的博客
09-08 683
GPU（图形处理器）从最初专用于图形渲染发展为兼具图形处理和通用并行计算能力的核心硬件，广泛应用于游戏、AI、科学计算等领域。与CPU不同，GPU拥有数千个轻量级计算核心，擅长海量数据并行处理。主流厂商包括NVIDIA和AMD，市场呈现双寡头格局。在虚拟机中安装显卡驱动需区分虚拟显卡和物理显卡直通两种场景，后者能发挥真实性能但安装复杂。CentOS和Ubuntu系统安装显卡驱动需先禁用开源驱动并安装必要依赖包，再执行厂商驱动安装程序。最后可通过压力测试验证GPU性能表现。
Python核心技术开发指南(037)——匿名函数
谷哥的小弟
09-05 290
本文介绍了Python中的匿名函数（lambda函数），它是一种无需名称、通过lambda关键字定义的简洁函数形式。文章对比了匿名函数与命名函数的差异，指出匿名函数适合简单逻辑和临时使用场景，尤其是作为参数传递给高阶函数时更具优势。通过多个示例展示了匿名函数在数学运算、排序、条件判断和数据过滤等场景的应用，包括与sorted()、map()、filter()等内置函数的结合使用。
Pandas数据结构（DataFrame，字典赋值）
最新发布
njxiejing的专栏
09-08 79
frame=pd.DataFrame(data,columns=["China","England","USA"])，用于指定列的顺序，指定后顺序由China，USA，England变成了China,England,USA。（2）按指定列排序：frame=pd.DataFrame(data,columns=["China","England","USA"])DataFrame是矩形的数据表，它含有一组有序且有命名的列，每一列可以是不同的数据类型（数值、字符串、布尔值等）。
CUPP针对性字典安全防范
久绊A的博客
09-08 470
CUPP（常见用户密码分析器）是一款基于社会工程学的Python工具，通过收集目标的个人信息（姓名、生日、爱好等）智能生成高针对性密码字典。相比暴力破解工具，CUPP采用交互式提问（-i模式）或命令行参数（-l、-s等）自动组合信息，并支持添加特殊字符、数字及Leet变形（如p@ssw0rd）。典型案例显示，输入目标"张三"的个人数据后，CUPP能生成如"zhang@123"、"wangcai!2024"等符合用户习惯的密码变体，显著提升破解效率。
Python爬虫实战：研究Animation模块，构建京东平台电商数据采集和分析系统
ylfhpy的博客
09-05 183
matplotlib 作为 Python 生态中成熟的可视化库，其 Animation 模块支持动态图表生成，可实现数据的实时动态展示。将爬虫技术与动态可视化结合，构建 "数据获取 - 处理 - 动态展示" 的完整闭环，对提升数据分析效率具有重要实践价值。而动态可视化技术通过连续帧画面展示数据变化轨迹，能更直观地揭示数据背后的规律，如商品价格波动、用户行为趋势等。第三梯队：vivo（3000-3400 元）、小米（2700-3100 元）、荣耀（2500-2900 元）
LeetCode Hot 100 Python (71~80)
朝花夕拾。
09-08 322
LeetCode Hot 100 第71~80题的Python实现
Python实现生成矩形、三角形、六边形和圆形点云
不枯石的学习笔记
09-06 748
本文介绍了使用Python生成规则几何形状点云的方法，包括矩形、三角形、六边形和圆形。主要内容包括：1）基本步骤概述，涵盖参数定义、采样、噪声添加和可视化；2）四种几何形状的具体生成算法和示例代码；3）应用场景分析，如工业检测、机器人导航和虚拟现实；4）综合程序实现，通过Tkinter界面实现点云生成与可视化。文中详细说明了每种形状的采样算法（如重心坐标法、极坐标采样）和实现细节，并提供了完整的Python代码示例。该内容为三维点云处理的基础技术，适用于计算机视觉、机器人学等领域的研究和开发。
字符串左旋-三种解法
xnyxy2431366813的博客
09-08 139
实现一个函数，可以左旋字符串中的k个字符。例如：ABCD左旋一个字符得到BCDAABCD左旋两个字符得到CDAB先算出字符串str的长度len。左旋k次，k可能大于len，当左旋len * n（n为整数）次时，左旋后的字符串与原来的字符串相同。为避免重复左旋，可使k对len取余。
量化股票从贫穷到财务自由之路 - 资金曲线管理：如何用夏普比率提升3倍收益稳定性
THMAIL的博客
09-08 579
量化股票从贫穷到财务自由之路 - 资金曲线管理：如何用夏普比率提升3倍收益稳定性 各位朋友，今天咱们聊点硬核的——资金曲线管理。我见过太多人策略回测起来年化50%+，实盘一跑就崩盘。为什么？因为他们盯着收益率这个"面子"，却忽略了稳定性这个"里子"。这篇咱们直击要害，用夏普比率把策略收益稳定性提升3倍。别急，我会带着你从零搭建资金曲线监控系统，顺便分享我踩过的那些坑... --- 一、资金曲线：你...
Python实现异步任务队列播放安静音乐
MonkeyMusic19的博客
09-08 412
以上就是关于猴子音悦音乐授权的详细介绍，希望对大家有所帮助。
本地部署的Qwen3，测试不同数量并发请求的吞吐量
overwhelmed的博客
09-08 464
所以可以在api里面限流，因为当队列过长时，延时太大，返回没有意义，不如直接不要浪费计算资源。
人工智能-python-深度学习-经典网络模型-LeNets5
x112xxds的博客
09-08 544
LeNet-5是Yann LeCun于1998年提出的经典卷积神经网络，用于手写数字识别（MNIST数据集）。该网络通过局部感受野、权值共享和下采样（平均池化）等核心思想，显著提升了特征提取效率，成为深度学习奠基性网络之一。LeNet-5共7层，包含3个卷积层、2个池化层和2个全连接层，输入为32×32灰度图像，输出10类分类结果。PyTorch实现中采用tanh激活函数，与现代网络设计（如ReLU）有所差异。训练时需将MNIST图像填充至32×32，通过交叉熵损失和优化器进行模型优化。该网络结构简洁但效果
AutoDL下载数据集（Flickr30K、MSCOCO）
全栈O-Jay的博客
09-04 207
Hugging face的数据集下载到本地。
在线教育视频课程网站模板下载
资源摘要信息:"网络视频课程网站模板是一个专为教育机构设计的在线视频教学平台，它涵盖了教育行业对于在线课程需求的多项功能，并可用于在线培训和学习管理系统(Learning Management System，简称LMS)的构建。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值