自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(66)
  • 资源 (6)
  • 收藏
  • 关注

原创 python调用ffmpeg.exe封装装饰类调用

本文介绍了一个Windows平台下的屏幕录制工具实现。该工具通过FFmpeg实现高质量屏幕录制,主要特点包括:1) 强制以管理员权限运行确保操作权限;2) 使用VBR(可变比特率)编码保证视频质量;3) 采用碎片化MP4格式确保中断可播放;4) 通过线程机制实现录制与业务逻辑并行执行。工具还包含异常处理机制,能自动修复视频时长信息,并提供优雅的停止录制功能。核心参数如帧率(15fps)、比特率(1000k-1500k)等可根据需求调整。整体实现兼顾了录制质量、稳定性和用户体验。

2025-12-22 09:34:01 632

原创 Python的Kelp海带 数据格式 弹幕分支更新 V0.18

Kelp是一个轻量级数据处理类,结合了字典和列表的优点,适用于动态变化的业务数据。最新版本0.18新增了基于tkinter的字幕显示功能,支持弹幕文本的动态更新和自动销毁。该类提供表头管理、数据增删改查、Excel表格读写等核心功能,并支持多种数据操作方法。ShowSubtitles类实现了弹幕显示的单例模式,支持淡入淡出动画效果,可设置显示时长和超时销毁。整体设计注重简便性而非性能,采用动态适配环境的方式,减少外部依赖,适合快速开发场景。

2025-10-23 08:23:48 564

原创 Python的Kelp海带 数据格式 V0.16

Kelp是一个轻量级的Python数据处理类,当前版本0.16。它结合了字典和列表的优点,采用二维数组结构处理动态业务数据,支持表头管理、数据增删改查、Excel读写等功能。核心特性包括:动态扩展能力("海带生长")、操作层优先设计、多种数据查询方法、环境自适应等。类提供了丰富的API,如head()创建表头、add()添加行、filter_method()筛选数据、to_read()/to_save()处理Excel文件等。通过操作层机制,开发者可以方便地处理当前行数据。该工具适合快速

2025-10-10 15:47:13 557

原创 Python的Kelp海带 海带生长版本 数据格式 V0.15

Kelp是一个轻量级数据处理库,采用类似二维数组的结构结合字典和列表的优点来处理动态业务数据。当前版本0.15支持动态扩展、自适应环境,提供数据增删改查、表头修改、列保留、数据筛选等功能,并支持Excel读写操作。其"海带生长"特性可实现数据动态扩展,支持两种生长模式。Kelp设计注重简便性而非性能,适合快速开发,兼容Windows系统,通过减少外部依赖实现轻量化。未来版本计划采用行矩和列矩混合架构优化处理效率。

2025-09-30 17:21:45 778

原创 Python的Kelp海带 数据格式 V0.14

Kelp是一个轻量级数据处理类,版本0.14,结合了字典和列表的优点来处理动态业务数据。主要特点包括: 支持表头管理、数据增删改查等基础操作 提供数据筛选(filter_method)和排除(exclude_data)方法 支持Excel文件读写(需openpyxl) 可动态扩展表头和数据 内置操作同步机制,简化数据处理流程 兼容Windows系统,尽量减少外部依赖 示例展示了如何创建数据、修改表头、筛选数据以及Excel文件读写操作。该工具适合快速开发场景,注重简便性而非性能优化。

2025-09-29 08:42:07 464

原创 Python的Kelp海带 数据格式 V0.13

Kelp是一个轻量化的Python数据处理类,结合了字典和列表的优点,适用于动态变化的业务数据。核心功能包括: 支持表头管理(增删改查) 提供数据行操作(增删改) 内置数据筛选方法(包含/排除) 支持Excel文件读写(需openpyxl) 动态环境适配和模块导入 提供直观的数据查看方法 示例展示了Kelp的基本使用流程:创建表头、添加数据、筛选记录、修改表头名称,以及Excel文件的保存和读取。该工具适合需要快速处理结构化数据但不愿依赖大型库的场景,特别适合中小型数据项目的快速开发。

2025-09-28 15:51:56 765

原创 Python的Kelp海带 数据格式 V0.1

Kelp是一个轻量级的动态数据结构类,结合了字典和列表的优点,专门用于处理动态变化的业务数据。它采用二维数组结构,包含表头和数据两部分,支持动态扩展和自适应环境。主要功能包括:创建/删除表头、添加/删除行、获取列数据、Excel文件读写等。通过重载__getitem__、__setitem__等方法实现了类似字典的访问方式,同时提供数据同步机制确保操作一致性。该类还内置了环境检测功能,可自动检查并导入所需模块(如openpyxl)。整体设计简洁高效,适用于需要灵活处理表格数据的场景。

2025-09-25 11:44:52 471

原创 Python的Listd 数据格式 V0.2.1

本文介绍了一个名为Listd的轻量化数据结构,它结合了字典和列表的优点来处理动态业务数据。Listd支持表头管理、数据增删改查,并集成了Excel文件读写功能。主要特性包括:1)支持创建表头(head)、添加行(add)、删除数据(delete)等基础操作;2)提供view方法查看数据;3)内置to_read/to_save方法实现Excel文件交互;4)通过重载__getitem__等魔术方法实现类字典访问。该结构适用于需要动态处理表格数据的场景,支持多版本迭代优化,具有轻量、灵活的特点。

2025-09-24 16:55:21 479

原创 Python的Listd 数据格式 V0.2

文章摘要: Listd是一种结合字典和列表优点的轻量化数据结构,用于处理动态业务数据。它具有表头管理、数据增删改查等功能,支持Excel文件读写。V0.2版本优化了行列数据转换,统一了类型处理,增加了内部调用方法。该结构包含标题数组、二维数据数组和操作层,提供head()、add()、view()等基础方法,以及to_read()、to_save()等表格操作方法,支持通过方括号语法访问和修改数据。

2025-09-04 11:19:14 711

原创 Python的Listd 数据格式 V0.1

本文介绍了一个轻量化的二维数据表处理类Listd,支持动态业务数据处理。该类的核心功能包括: 基础数据操作:创建表头(head)、添加行(add)、删除列(delete)和行(delete_line)、查看数据(view)、获取列数据(get_column) Excel集成:支持读取(to_read)和保存(to_save)Excel文件 动态特性:自动处理表头和数据同步,支持多种数据类型操作 便捷方法:重载了len()、str()和[]运算符,简化数据访问和修改 数据校验:包含类型检查和边界保护机制 该类

2025-08-29 16:22:25 1002

原创 基于uiautomation的自动化流程RPA开源开发演示

本文介绍了一个基于uiautomation的RPA开源开发框架,包含三大核心模块:1)捕获控件模块,通过增强型控件捕捉工具实现可视化元素定位和属性提取;2)运行代码模块,提供Python代码编辑器与执行环境,支持语法高亮和自动补全;3)核心解析模块,通过JSON配置文件实现UI自动化操作。该框架支持浏览器自动化、控件交互(点击/输入)、屏幕截图等功能,采用分层架构设计,各模块通过标准接口通信。关键技术包括Windows UI自动化、控件树解析、坐标定位和异常处理机制,适用于构建Windows桌面应用的自动化

2025-08-15 09:25:18 653

原创 Python|GIF 解析与构建(8):可视化录制 GIF(完结)

本文介绍了如何使用Python开发一个可视化GIF录制工具,实现了从屏幕捕获到GIF生成的完整流程。该工具主要功能包括:自定义录制区域、帧率控制、实时预览、屏幕捕获和GIF文件生成。核心模块包括GIF文件构建模块、帧率控制模块、屏幕捕获模块和主应用模块。文章详细解析了GIF文件格式规范、颜色转换与量化、LZW压缩算法等关键技术细节。最后提供了完整的代码实现,包括可视化界面、参数设置和录制逻辑。该工具可轻松记录屏幕操作、生成演示动画或分享有趣的画面。

2025-06-21 11:35:19 1263

原创 Python|GIF 解析与构建(7):简单生成GIF

GIF 文件的基本结构和各个数据块的作用索引颜色模式的处理和全局颜色表的生成LZW 压缩算法的原理和实现使用 Windows API 进行屏幕截图的方法这个 GIF 生成器虽然简单,但涵盖了 GIF 生成的核心技术。在实际应用中,可以根据需要对其进行优化和扩展,使其更适合特定的使用场景。以下是实验代码:# 提供数据# 帧率self.gif_data = [] # gif数据对象self.screen_width = int(100) # 宽度。

2025-06-21 11:17:55 642

原创 Python|GIF 解析与构建(6):手搓 tk 录制工具

通过这个基于 Tkinter 的 GIF 录制工具,我们深入了解了 Python 在图形界面和系统接口调用方面的能力。从屏幕捕获到帧率控制,再到用户界面设计,每个环节都蕴含着丰富的技术细节。代码如下:# 控制帧率self.start_time = float() # 每次启动时间self.time_one_frame = 1 / self.fps # 补正时间self.fps_count = 0 # 总帧率self.time_all = time.time() # 启动时间。

2025-06-13 16:32:31 1082

原创 Python|GIF 解析与构建(5):手搓截屏和帧率控制

本文通过ctypes实现了 Windows 下的自定义截屏,并基于时间管理实现了帧率控制,下一个就是关于tk的录制软件制作。以下是完整代码:# 获取屏幕数据# 定义常量# 缩放比例zoom = 1try:finally:# 屏幕截取# 获取桌面窗口句柄# 获取桌面窗口的设备上下文return 0# 创建一个与屏幕兼容的内存设备上下文# 创建一个位图# 将位图选入内存设备上下文# 定义SRCCOPY常量# 捕获屏幕"""

2025-06-06 17:07:12 956

原创 Python |GIF 解析与构建(4):快速量化压缩256色算法

本文介绍了使用Python实现GIF图像的256色快速量化压缩算法。该算法通过RGB分量位宽截断(332/333/444模型)实现颜色量化,动态选择最优压缩模型,在保证图像质量的前提下实现高效压缩。核心流程包括色彩空间压缩、哈希映射构建和颜色表生成,支持PSNR/SSIM质量评估。测试结果显示,该算法可实现30%-70%的压缩率,PSNR值在26-35dB之间。文章还提出了并行处理、误差扩散算法等优化方向,适用于GIF动画、图标等对色彩数敏感的场景。

2025-05-28 17:44:10 1087

原创 Python |GIF 解析与构建(3):简单哈希压缩256色算法

该简单哈希算法为 256 色 GIF 压缩提供了一种轻量级解决方案,平衡了压缩效率与实现复杂度。动态颜色量化:结合 K-means 等聚类算法,自适应选择最优颜色子集。哈希函数优化:引入更复杂的哈希算法(如感知哈希),提升相似颜色区分度。分块处理:对图像分区域应用不同压缩策略,保留高细节区域的色彩精度。代码如下:import os"""此算法压缩256色在gif使用的算法中属于中游尺寸: 1600x900。

2025-05-28 11:56:11 1209

原创 Python |GIF 解析与构建(2):状态机解析

GIF 文件由一系列区块(Block)组成,每个区块包含特定类型的数据(如文件头、颜色表、图像数据、扩展指令等)。状态机的核心思想是:根据当前解析进度,将程序划分为多个状态(State),每个状态负责解析某一类区块或数据片段,并根据输入数据决定下一步跳转的状态。GIF 解析的主要状态包括开头(Header):验证 GIF 文件签名(GIF87a或GIF89a逻辑屏幕标识符(Logical Screen Descriptor):解析画布尺寸、颜色表标志等基础信息。

2025-05-23 15:56:37 683

原创 Python |GIF 解析与构建(1):初步解析

本文详细解析了GIF格式的文件结构及其解析方法。GIF是一种基于LZW压缩算法的位图图像格式,支持动画、索引色模式和无损压缩。文章首先介绍了GIF的核心特点,随后深入解析了GIF89a版本的文件结构,包括文件头、逻辑屏幕描述块、全局调色板、图像数据块、动画控制块和文件尾等部分。通过Python代码示例,展示了如何读取和解析GIF文件,并详细解释了每个数据块的作用和结构。此外,文章还介绍了LZW压缩算法的解码和压缩过程,帮助读者理解GIF文件的内部工作机制。

2025-05-22 12:05:29 1125

原创 python实战使用tkinter和注册表实现系统小工具(10种主题配色)

foreground=colors["button_foreground"], # 文本颜色。tk.Label(config_window, text="地址:",tk.Label(config_window, text="密钥:",tk.Label(config_window, text="文本:",print(f"钉钉提醒发送失败: {e}")"Theme": "柔和pastel","Theme": "北欧冷色调","Theme": "未来科技感","Theme": "自然绿色",

2025-04-25 10:55:02 738

原创 python实现tkinter日期选择器(11种主题配色)

self.chinese_months = ['', '一月', '二月', '三月', '四月', '五月', '六月','七月', '八月', '九月', '十月', '十一月', '十二月']weekdays = ["一", "二", "三", "四", "五", "六", "日"]self.top.grab_set() # 设置为模态窗口。self.root.withdraw() # 隐藏主窗口。self.top.title("日期选择")text="确 定",# 限制窗口在屏幕内。

2025-04-03 11:42:18 758

原创 python字符级差异分析并生成 Word 报告 自然语言处理断句

print(f"替换:位置 {i1}-{i2} 从 '{''.join(text_a[i1:i2])}' 变为 '{''.join(text_b[j1:j2])}'")print(f"删除:位置 {i1}-{i2} 删除 '{''.join(text_a[i1:i2])}'")print(f"插入:位置 {i1} 插入 '{''.join(text_b[j1:j2])}'")new_doc.add_heading('断句后的字符级差异报告', level=1)# 替换部分,删除的用红色,新增的用绿色。

2025-03-19 08:48:20 1296

原创 python字符级差异分析并生成 Word 报告

print(f"替换:位置 {i1}-{i2} 从 '{''.join(text_a[i1:i2])}' 变为 '{''.join(text_b[j1:j2])}'")print(f"删除:位置 {i1}-{i2} 删除 '{''.join(text_a[i1:i2])}'")print(f"插入:位置 {i1} 插入 '{''.join(text_b[j1:j2])}'")doc.add_heading('字符级差异报告', level=1)# 替换部分,删除的用红色,新增的用绿色。

2025-03-18 15:00:55 759

原创 python 局域网网页传输文件

num = st.selectbox("读取子表", ("0", "1", "2", "3", "4", "5", "6", "7", "8"))", uploaded_file.type)chat = st.sidebar.selectbox("聊天室",("无","服务001","服务002"))drop_true = st.selectbox("是否删除文件", ("否", "是"))doc = st.sidebar.selectbox("服务器文件管理", ("无", "文件管理"))

2025-02-27 11:59:20 923

原创 GPT 本地运行输出界面简洁美观(命令行、界面、网页)

output_text = scrolledtext.ScrolledText(root, width=60, height=20, bg=bg_color, font=("黑体", 15),fg="#FFFFFF")send_button = tk.Button(input_frame, text="发送", command=send_message, bg="white"){"role": "user", "content": "你是?st.write(f"输入文本为:{prompt}")

2025-01-26 18:58:58 2559 2

原创 python windows 外部usb设备检测

delect_command = f"{adb_path} shell rm {folder_path}/{i}"#删除语句,如果不需要可以注释。folder_adb("/storage/emulated/0/Pictures/Screenshots")#手机截图地址。adb_path = "K:/adb/adb/adb.exe"#adb地址。# 可以根据usb的厂商ID和产品ID进行精确匹配。local_path = "K:/photo"#放入电脑的本机地址。# 获取相关设备的路径。

2025-01-23 18:32:28 1056

原创 GPT 结束语设计 以nanogpt为例

基于成本和开发快速考虑,可以使用nanogpt用于训练和开发,然后再进一步的微调迭代,所需要的性能和效果基本可以满足部分要求,迭代速度较快,适合单人或小团队开发特定场景。以上的业务场景都是设计的时候为特定模型,即小大模型,通常不需要较大的参数,所以在设计时候如果考虑到轻量化和小型化,参数1M至100M之间的小大模型。通过在推理过程中检测新生成的编码是否和结束语一致,以上在设计的过程中通过字典分词,然后再分配的编码,是可以通过代码获取对应的结束语的编码。3、一些较小的业务场景,特定处理的业务。

2025-01-22 10:24:41 990

原创 python 双端口截图数据传输显示

self.root.wm_attributes('-transparentcolor', self.bg_color) # 透明。self.img = weakref.ref(self.current_tk_image) # 弱引用释放。self.root.wm_attributes("-topmost", True) # 置顶。self.root.config(bg=self.bg_color) # 背景色。# self.root.overrideredirect(True) # 无边框。

2025-01-21 14:25:06 902

原创 python双端监控屏幕传输显示

self.root.wm_attributes('-transparentcolor', self.bg_color) # 透明。self.canvas = tk.Canvas(self.root) # 预先创建 canvas。self.root.wm_attributes("-topmost", True) # 无边框。self.root.config(bg=self.bg_color) # 背景色。self.bg_color = '#F0F0F0' # 透明。# 更新时间标签的文本。

2025-01-16 09:55:31 960

原创 中等难度——python实现电子宠物和截图工具

tk.Button(popup, image=self.image3, text="关闭", command=close_popup).grid(row=0, column=3, padx=0,tk.Button(popup, image=self.image1, text="复制", command=copy_photo).grid(row=0, column=0, padx=0,list_emote = ["(^▽^)", "(⊙_⊙)", "(一_一)", "(一_一)!

2025-01-13 15:53:05 4654

原创 python调用window库全屏截图生成bmp位图学习

print(f"每行对应的字节:{pixel_data[y * bytes_per_row:(y+1) * bytes_per_row]}")print(f"文件类型标识: {file_header[0].decode('utf-8')}") # 应该是 'BM',解码字节串为字符串。print(f"像素坐标({x}, {y}) 的RGB值: ({red}, {green}, {blue})")print(f"颜色深度(每个像素的位数): {info_header[4]} 位")

2025-01-10 15:36:57 886

原创 中等难度——python 标准库和windows库调用实现截图工具

tk.Button(popup, image=self.image3, text="关闭", command=close_popup).grid(row=0, column=3, padx=0, pady=0)tk.Button(popup, image=self.image1, text="复制", command=copy_photo).grid(row=0, column=0, padx=0, pady=0)root.wm_attributes("-topmost", True) # 窗口置顶。

2024-12-31 16:38:44 673

原创 模拟混合专家模型——滑块匹配领域应用学习

对于图像识别多分类问题,可以训练识别几种分类作为一种专家,然后将几个专家协调起来,通过它们对图像的匹配度打分,或者是对图像多标签标记(颜色专家、形状专家)这样能实现小模型就能训练出特别好的效果。混合专家模型(Mixture of Experts,简称MoE)是一种高效的神经网络架构,它将多个专业化的子模型(即“专家”)与一个门控网络相结合,以处理复杂任务。而对于混合专家模型来说,许多人比较陌生,其实可以认为这是一种较为通用的方法,适用于许多领域,比如自然语言处理、图像识别、语音识别、推荐系统等领域。

2024-12-27 12:26:19 699

原创 python简单图像识别自动化工具

right_bottom = (self.max_loc[0] + self.template.shape[1], self.max_loc[1] + self.template.shape[0]) # 右下角。def click(self, val=0.85, x=0, y=0): # x,y为偏移量。def move(self, val=0.85, x=0, y=0): # x,y为偏移量。def on_click(x, y, button, pressed): # 监听鼠标。

2024-12-27 09:47:49 1322

原创 Tkinter实现动态桌面宠物(标准库实现截图)

status_text = "CPU:{0:.1f}%\n内存:{1:.1f}%\n磁盘C:{2:.1f}G\n{3}\n".format(cpu_status,memory_status,disk_status,string_status)button = tk.Button(top, text="截图", command=on_button_click,bg=bg_color,fg="#FFFFFF")list_emote = ["(^▽^)","(⊙_⊙)","(一_一)","(一_一)!

2024-12-26 10:51:52 1412

原创 python标准库实现剪切板复制bmp位图对象

("bmiColors", RGBQUAD * 3)] # 只分配了3个RGBQUAD的空间。x_src, # 源矩形左上角的x坐标(通常是0)y_src, # 源矩形左上角的y坐标(通常是0)gdi32.BitBlt(hdc_src, # 目标设备上下文。x_dest, # 目标矩形左上角的x坐标。y_dest, # 目标矩形左上角的y坐标。hwnd = 0 # 可以传递 NULL(0)作为 hwnd。hwnd = 0 # 可以传递 NULL(0)作为 hwnd。

2024-12-04 11:33:39 965

原创 Tkinter实现gif动图桌面宠物(自带gif的base64编码)

status_text = "CPU:{0:.1f}%\n内存:{1:.1f}%\n磁盘C:{2:.1f}G\n{3}\n".format(cpu_status,memory_status,disk_status,string_status)list_emote = ["(^▽^)","(⊙_⊙)","(一_一)","(一_一)!","(╥_╥)"]top.wm_attributes("-topmost", True) # 窗口置顶。gif_path = "1.gif" # 替换为你的GIF文件路径。

2024-11-20 16:54:57 1598

原创 tkinter显示字幕(启动、更新、销毁)

label = tk.Label(top, text=string, font=("黑体", 30), fg="red", bg=bg_color, width=0, height=0)label.config(fg=hover_fg_color) # 改变字体颜色为悬停时的颜色。label.config(fg=default_fg_color) # 恢复字体颜色为默认颜色。top.wm_attributes("-topmost", True) # 窗口置顶。update("更新操作")

2024-10-22 08:37:28 927 1

原创 tkinter运用子线程显示淡入淡出透明界面显示文本、动画

label = tk.Label(top, text=string, font=("宋体", 30), fg="red", bg=bg_color, width=0, height=0)label = tk.Label(top, text=string, font=("宋体", 30), fg="red", bg=bg_color, width=0, height=0)label.config(fg=hover_fg_color) # 改变字体颜色为悬停时的颜色。

2024-10-18 14:47:08 605

原创 PDF匹配文本精准标记红框算法(单个、多个、单行、多行)

print("读取页码:", list_number[list_index[order] + skew: list_index[order] + skew + line])print("读取文本:", list_text[list_index[order] + skew: list_index[order] + skew + line])print("读取坐标:", list_box[list_index[order] + skew: list_index[order] + skew + line])

2024-10-11 18:31:21 1047

python 局域网网页传输文件

python 局域网网页传输文件

2025-02-27

简单实现-多模态推荐和相似推荐(数据和代码)

简单实现——多模态推荐和相似推荐 使用技术:神经网络,词向量,特征提取,推荐算法,多模态融合 在很多领域都用到了多模态推荐,但是很多时候构建多模态模型所需要的数据量是非常大的,所以在实现多模态推荐前,我们可以使用相似推荐来过渡。 这里我做的是将文本和图片模态做一个简单融合。 这里是我实现的数据和代码。

2024-07-03

基于python web streamlit开发的京东物品爬虫分析系统包括爬虫,数据预处理,文件管理,可视化,文本情感分析

包括爬虫,数据预处理,文件管理,可视化,文本情感分析. 爬取:评论地址,爬取次数,爬取什么评论,爬取时间,保存名称 文件管理:爬取过程有问题或者查看数据,删除文件,重命名,下载文件,上传文件 处理:简单处理,去除换行符去除表情符号,删除列 可视化 饼图 聚合方法 count sum mean 标题 保存 词云图 对词云图参数修改 折线图 时间数量 文本感情处理 评论情感分析 情感分析可视化 关键词提取 主题个数 迭代次数

2023-07-27

Python Web 中streamlit框架数据可视化实现

使用了pyecharts,streamlit,mysql连接,登录界面streamlit实现,这里streamlit框架是一直不断刷新,所以要用外部的控制刷新,或者跳转来解决。使用streamlit run 对应的py文件。

2023-06-27

python 的easyocr+cv裁剪处理(内含pil)jieba库处理,搜索引擎文字处理

进行大批量图片识别时候,很重要一点就是减少无用的识别,这样可以提高整体的运行效率,以免不必要的资源浪费,所以裁剪是一个很有效的方法,能大大提高大批量处理的效率,而且裁剪后保存的储存空间会缩小很多。这里我设计了通过selenium来和搜索引擎配合来处理文字数据,这里采用的是百度搜索引擎来处理,这里是大概代码模板,每个网页不一样,要进行细修。再进阶就是利用GPT来处理文字数据,但是文字识别上问题较多,所以GPT在使用过程中不没有那么好的性能和效率。对图片识别后要对识别的文字数据进行处理这里。

2023-06-13

python股票交易小游戏

有时间,价格,手续费,随机数,操作买卖,显示图像,上下波动,最高点,最低点,平均值,图像还能根据涨跌的变化而变化。采用了pycharm运行的股票交易游戏。

2023-06-13

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除