新技术革命

点击查看详细

深度学习在深入学习的基本单位上实施初级到高级操作。> Excerpts我习惯于为不同的问题创建新的深度学习架构，但选择哪个框架（Keras、Pytorch、TensorFlow）通常比较困难。由于其中存在不确定性，因此了解这些框架的基本单元（NumPy、Torch、Tensor）的基本操作是件好事。在这篇文章中，我跨 3 个框架执行了几个相同的操作，也尝试了大多数框架的可视化操作。这是一个初学者友好的帖子，所以让我们开始。1. 安装pip install nu

利用 cpython 包，先将 py 文件编译成 pyd 文件，再重新打包。注：cpython 为 python 的一个pyd 文件，相当于 c 文件编译生成的 dll 文件，只能进行反汇编，而非反编译，安全性极大提高在相同目录下同时存在相同名字的 py 文件和 pyd 文件，python 会自动引用 pyd 文件，而非 py 文件使用 cpython 前，有一个前置条件：电脑需装有 visual c++ 桌面开发环境（默认安装即可）推荐下载地址：Visual Studio 和 C++ Co

conda是一个开源包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。 它适用于Linux，OS X和Windows，是为Python程序创建的，但可以打包和分发任何软件。Anaconda是一个开源的Python发行版本，包含了conda、python等180多个科学包及其依赖项。因为包含了大量的科学包，所以Anaconda的安装包比较大。如果为了省时间，也可以使用Miniconda这个较小的发行版。Miniconda是最小的conda安装环境。Miniconda的下

一、Python内建库random的使用import random产生1个n~m范围内的int型随机数: random.randint(n,m)random.randint(1,5)产生1个n~m之间的float型随机数: random.uniform(n, m)random.uniform(n, m)产生1个0~1之间的float型随机数: random.random()random.random()产生1个从n~m间隔为k的int型整数: random.rand...

目录一、什么是Jupyter Notebook？1. 简介Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。——Jupyter Notebook官方介绍简而言之，Jupyter Notebook是以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示。如在编程过程中需要编写说明文档，可在同一个页面中直接编写，便于作及时的说明和解释。2. 组成部分① 网页应用..

声明：本文承接前面一篇文章，ipython系列之一；另外，本文所指的ipython不是ipython notebook，ipython notebook已经被jupyter notebook所取代，不再叫ipython notebook了。前面讲解了ipython里面的一些核心知识点，包括它的优势所在、快捷键操作、内省、什么是魔术命令等等，本文将在前文的基础之上，进一步拓展，讲解ipython的进阶知识点。一、ipython与matplotlib结合关于matplotlib的强大之处，这里不再说明

使用pyinstaller将python文件打包成exe程序，打包步骤如下：一、安装pyinstaller(1)win+R输入cmd，打开命令窗口（2）安装pyinstaller，安装指令：pip install pyinstaller二、打包1，切换到打包程序目录例：需要打包程序目录为：D:\automation\autotest_tool\interface_param_change_tool切换指令：cd D:\automation\autotest_tool\

前言VScode是一个相当优秀的IDE，具备开源、跨平台、模块化、插件丰富、启动时间快、颜值高、可高度定制等等优秀的特质，不愧是微软爸爸的私生子。所以用VScode来编写Python，也是相当的好用的。所以，今天我们就来讲讲，怎么在VScode上配置Python开发环境。软件准备首先，我们必须先下载好Python的安装包和VScode的安装包。下载地址如下：Python：https://www.python.org/downloads/VScode：https://code.visua

https://blog.youkuaiyun.com/merryken/article/details/9104199?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.control&dist_request_id=b1b3da5c-452e-4647-8d28-dc050c4d0df3&depth_1-utm_source=distribute.pc_relevant.none-ta