P项目总结

最新推荐文章于 2025-08-09 10:17:13 发布
最新推荐文章于 2025-08-09 10:17:13 发布
阅读量108 收藏
点赞数
CC 4.0 BY-SA版权
文章标签： python
原文链接：https://my.oschina.net/parchments/blog/827599
Android项目开发总结
haoxuhong的博客
11-09 3310
在做过了N个公司项目开发的时候，我常常在怀疑人生，为什么大部分时间都浪费在搬砖的事情上，每开始一个新项目这个念头更是涌上心头，终于在经历了那么多项目开发后，我做出了一件常人都不太愿意去做的事：搭架构和做模板 经过对每个做过的项目进行分析，把其中的共同点抽取并且分离开来，历时一个多月，经过不断地修改，不断地修改，不断地修改...... 在今天，正式开源了，这个项目几乎适用于任何新项目的开发，可以...
项目总结文章
云杉的博客
03-20 948
项目总结
人脸识别项目总结
Fredzj的博客
07-13 3495
本文是对人脸识别项目的一个总结，以此来进一步巩固所学算法知识。
python项目总结
liu-yonggang的专栏
12-13 3371
最近在写python的工具, 总结一下. type(变量名字) # 可以打印变量类型,以方便处理 len(var)#可获取类型长度 binascii.a2b_hex(string) # 将十六进制数字字符串转换为二进制数据。该函数也称为unhexlify(string) binascii.b2a_hex(string) python 字符串与16进制互转 python 打印对象...
微信公众号项目总结
一个程序媛的博客。
05-14 3447
很久没写博客啦，总结一下刚做完的项目吧~ 一.项目主要应用的技术 公众号开发，其实就是类似于网页开发 前端JS主要用的是Jquery ，UI框架是weui 。这里有个坑（r如果是用ES6写的，在pc端的微信打开公众号页面，JS会失效）。 //移动端调试代码 <script src="https://cdn.bootcss.com/vConsole/3.2.0/vconsole.m...
软件项目管理总结
cool grass's blog
06-11 4826
软件项目管理 软件项目是艺术也是工程艺术 软件项目管理的生命周期 启动、计划、执行、控制、结束 项目管理是怎么回事？ 什么是项目？ 项目管理 项目管理的起源 项目管理的本质理解 任务、进度、成本、质量的平衡 软件项目管理的对象-3P people,process,problem 项目管理成功要素 制定计划 建立组织 配备资源 监控执行 总结提高 目标+组织+流程+工具+管理 = 成功 ...
在线教育项目总结
DKPT的博客
11-14 3264
1、项目描述 （1） 在线教育系统，分为前台网站系统和后台运营平台，B2C模式。 前台用户系统包括课程、讲师、问答、文章几大大部分，使用了微服务技术架构，前后端分离开发。 后端的主要技术架构是：SpringBoot + SpringCloud + MyBatis-Plus + HttpClient + MySQL + Maven+EasyExcel+ nginx 前端的架构是：Node.js + Vue.js +element-ui+NUXT+ECharts 其他涉及到的中间件包括Redis、阿里云OSS、
JavaWeb开发知识总结(网上商城项目总结)
热门推荐
Somnus blog
06-02 2万+
JavaWeb开发知识总结-网上商城项目小结
数据分析项目总结
m0_37906230的博客
11-29 5497
1.立项 作为一个合作项目，我们希望双方都能从项目中有所收益，对各自的工作生活能有实际帮助，过程很纠结， 反转了几次： a.开始想了解公众号的现状。 从搜索公众号的分析开始，随着调研的深入，发现已经有网站对公众号做了各种排行，数据详尽，品类齐全，但真正有价值可以做分析的数据，比如关注公众号的读者数据似乎很难获得。 b.转而浏览了很多公开的数据源，想把重点放在数据分析上。 海量数据，既多且杂，感兴趣...
网上商城项目总结
影子
09-30 1万+
经过三周的学习，网上商城项目的所有功能在今天都全部完成了，写这个项目我学到了不少新的知识，为了以后方便回顾，把这个项目实现的功能都写在这里，项目是jsp+servlet+javabean实现的。 一，商城后台 1.登录， 获取到前台页面输入的管理员用户名和密码，到数据库进行查询，dao层对数据库操作，用到了QueryRunner类，创建对象时，以c3p0连接池为参数QueryRunner r
anaconda 镜像源清华源问题解决
qq_19716091的博客
08-08 277
文件位置‪ C:\Users\用户\.condarc。用清华源时出现的如下图的问题。可以更换为中科大的镜像源。.condarc内容。
WebSocket 在多线程环境下处理 Session并发
TOOZOOY的博客
08-07 969
WebSocket 在多线程环境下处理 Session并发时，常见问题包括状态冲突（如 IllegalStateException）、消息乱序、连接超时等。以下是综合各技术方案的解决方案，分为单机多线程和分布式集群两类场景：
Python 属性描述符(方法是描述符)
钢铁男儿
08-08 382
❶ Text 实例的 repr 方法返回一个类似 Text 构造方法调用的字符串，❸ 如果为 obj.spam 赋值，会遮盖类属性，导致无法通过 obj 实例访。在类中定义的函数属于绑定方法（bound method），因为用户定义的函。下面来分析 Text.reverse 方法，如示例 20-15 所示。❹ 注意类型是不同的，一个是 function，一个是 method。象，里面包装着函数，并把托管实例（例如 obj）绑定给函数的第一个。方法，因此是非覆盖型描述符，如示例 20-13 中。
tkwebview-tkinter的web视图
tinga_kilin的博客
08-06 995
tkinter的web视图
用Python前后端分离开发：掌握现代Web应用构建技巧
大模型大数据攻城狮的专栏
08-06 496
重启服务，访问http://localhost:8000/docs，可以用/register和/token端点注册登录，获取Token后调用/tasks/创建任务，只有登录用户能操作自己的任务。打开浏览器，访问http://localhost:8000/docs，你会看到FastAPI自动生成的Swagger UI，里面列出了所有API端点，可以直接在线测试。任务管理应用已经能跑了，界面也美观，部署也稳妥，但如果用户多了，任务列表长到几百条，页面加载慢得像乌龟爬，API响应拖拖拉拉，用户估计得砸键盘了！
深入 FastMCP 源码：认识 tool()、resource() 和 prompt() 装饰器
最新发布
Hoper-J的博客
08-09 554
在使用 FastMCP 开发 MCP 服务器时经常会用到 `@mcp.tool()` 等装饰器。虽然它们用起来很简单，但当作黑匣子总让人感觉"不得劲"。接下来我们将深入相关的源码实现，别担心，不会钻没有意义的“[兔子洞](https://en.wikipedia.org/wiki/Wiki_rabbit_hole)”，你可以通过这篇文章了解到： - 如何简单启动本地的 MCP Server 和 MCP Inspector - 这些装饰器具体做了什么 - @mcp.tool() - @mcp.res
Numpy科学计算与数据分析：Numpy布尔索引与花式索引实战
WSSWWWSSW的博客
08-08 731
本课程介绍Numpy中的两种高级索引技术：布尔索引和花式索引。布尔索引通过条件表达式筛选数组元素，支持多条件组合，适用于数据清洗和筛选场景。花式索引使用整数数组选择特定元素，可应用于多维数组，灵活选择不连续的数据点。这两种索引技术在数据科学中应用广泛，包括数据清洗、分析和机器学习等领域，能有效提高数据处理效率和代码可读性。课程通过具体示例演示了如何在实际项目中应用这些高级索引方法。
Python打卡Day35 模型可视化与推理
2501_91037531的博客
08-07 545
nn.Linear(4, 10) 只定义了 “输入维度是 4，输出维度是 10”，但不知道输入的批量大小和其他维度，比如卷积层需要知道输入的通道数、高度、宽度等信息。因此，要生成模型摘要（如每层的输出形状、参数数量），必须提供一个示例输入形状，让 PyTorch “运行” 一次模型，从而推断出各层的信息。这是最基础、最简单的方法，直接打印模型对象，它会输出模型的结构，显示模型中各个层的名称和参数信息。该方法不显示输入层的尺寸，因为输入的神经网是自己设置的，所以不需要显示输入层的尺寸。
几个概率分布在机器学习应用示例
gongdiwudu的专栏
08-08 841
在这份快速指南中，我们将介绍最重要的分布——从始终公平的均匀分布，到钟形的正态分布，计数点击的泊松分布，以及二元选择的二项分布。没有复杂的数学，只有清晰的概念、真实的例子，以及为什么它们重要。
使用 gptqmodel 量化 Qwen3-Coder-30B-A3B-Instruct
小小黑的博客
08-06 944
这篇文章介绍了一个用于量化Qwen3-Coder-30B-A3B-Instruct模型的Python脚本。主要内容包括： 环境变量设置：配置CUDA设备、显存优化等参数 量化配置：设置4-bit量化、128组大小等量化参数 数据处理：从本地parquet文件加载和预处理校准数据集 Tokenization：使用AutoTokenizer对代码文本进行标记化处理 内存管理：设置GPU和CPU的内存分配限制 该脚本实现了对大型语言模型的GPTQ量化过程，包括数据准备、量化配置和GPU资源管理等关键步骤。
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