zkw54334的博客

当项目中使用到需要外部调用（如 Java 及 jar 包）的库时，单纯使用简单命令打包可能无法涵盖所有依赖。通过修改 spec 文件中的datas和配置，可以将外部资源和动态加载模块一并打包进 exe 中。另外，在 Conda 虚拟环境下还需要特别注意环境路径的正确性。

如果有额外的依赖或特殊需求（比如外部资源文件或动态库），你可以在。文件配置更复杂的打包需求。首先，使用以下命令生成一个基础的。中的所有 Python 文件都会被打包到生成的可执行文件中。文件中，你需要明确指定哪些文件夹和模块需要被包含。PyInstaller 支持通过。文件来包含这些文件夹和模块。这会生成一个 spec 文件。配置，或者调整其他打包参数。

以下是修改后的spec['PY主文件', 'PY1辅助文件', 'PY2辅助文件', 'PY3辅助文件'],pathex=['多个PY文件所在路径'],datas=[], # 确保不打包不必要的资源文件hiddenimports=[], # 如果有遗漏的模块，显式添加excludes=['tkinter', 'matplotlib', 'numpy'], # 排除不需要的模块exe = EXE(pyz,a.scripts,a.datas,[],name='修改EXE的文件名',

1.startup.py主函数start_main_server()async def start_main_server(): import time import signal def handler(signalname): """ Python 3.9 has `signal.strsignal(signalnum)` so this closure would not be needed. Also, 3.8 includ

langchain的官方文档还是以openai作为主要调用api，这点对国内暂时不是很友好，可以暂时使用其他第三方网站进行替代，此外国内的大模型也可以通过改造进行使用。针对langchain的几个要点操作进行了简单的介绍以及代码操作，不难发现其实现的结果就是人与大模型的交互，而交互的效果则是可以依赖不同的prompt和chain组件进行改变的，这也是langchain的工程化优点。

本篇文章继上一篇浅析原理后给出了一些可以参考的代码，实际使用过程中也可以酌情参考使用。实践的代码和部分原理公式存在一定出入，但实际应用影响不大，后续如果有问题发现或者更多理解可以评论区交流沟通。

非线性状态估计(NSET)方法是将当前运行数据和已生成的历史运行状态进行对比，计算并比较多状态变量之间的相似度，从而进行故障预警的方法。

当存在多个文件时，需要指定好程序入口文件，使用pyinstall -D后，生成spec文件，修改spec文件，再使用pyinstaller -F打包。以下是spec配置文件，还可以直接按照文件内容提示填入所需文件名、打包名称等，从而更为简单的使用pyinstaller XXX.spec完成打包。此种方法最为直接简单，先生成spec配置文件，然后修改文件后，直接使用pyinstaller命令打包。单个文件内容，直接使用pyinstaller命令打包，打包后自动生成exe运行文件使用。

langchain将整个系统分为了输入/输出系统、大语言模型，输入部分是Prompt类组件，输出部分是Output Parser类组件。

这个小项目是使用LSTM进行股价预测，使用数据是000001.SZ 平安银行自2014年开始的每日基础数据数据列包括【‘股票代码’, ‘交易日期’, ‘开盘价’, ‘最高价’, ‘最低价’, ‘收盘价’, ‘昨收价’, ‘涨跌额’,‘涨跌幅’, '成交量 ', ‘成交额’】演示代码主要使用前N天的基础数据预测下一天的收盘价，当然实际的工作中，不会去预测收盘价这种无意义的target，但在这里纯粹为了演示。

这个小项目是使用LSTM进行股价预测，使用数据是000001.SZ 平安银行自2014年开始的每日基础数据数据列包括【‘股票代码’, ‘交易日期’, ‘开盘价’, ‘最高价’, ‘最低价’, ‘收盘价’, ‘昨收价’, ‘涨跌额’,‘涨跌幅’, '成交量 ', ‘成交额’】演示代码主要使用前N天的基础数据预测下一天的收盘价，当然实际的工作中，不会去预测收盘价这种无意义的target，但在这里纯粹为了演示。