HelloWorld 开发者社区
科技资讯
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
qData 1.6.7 发布:修复增量读取与 ETL 字段传递问题
Apple HomeView 在部分地区开售,整合家庭控制与视频通话
Cloudflare 推出 Spend Management Beta,为 Workers 增加支出限制
Cloudflare 开源 Kitesurf:面向 AI 智能体的轻量浏览器引擎
JeecgBoot 与敲敲云介绍分层方案,连接低代码开发与业务搭建
开源项目
全部项目推荐好文
Python接口自动化实战(第二阶段)
1.unitttest简介为什么要使用unittest?前面我们已经写代码实现了注册接口的处理调用,但是一个接口往往需要多条测试用例才能完整的覆盖到每一种情况,针对于单接口多条测试用例需要执行的情况,我们该如何处理呢?在unittest的测试类中定义多个测试方法来完成测试,这可能是大家最先想到的一个解决方法,
Python常用模块os & sys & shutil模块
OS模块importos'''os.getcwd()获取当前工作目录,即当前python脚本工作的目录路径os.chdir("dirname")改变当前脚本工作目录;相当于shell下cdos.curdir返回当前目录:('.')os.pardir获取
Python实现bp神经网络识别MNIST数据集
前言训练时读入的是.mat格式的训练集,测试正确率时用的是png格式的图片代码!/usr/bin/envpython3codingutf8importmathimportsysimportosimportnumpyasnpfromPIL
Python图像读写方法对比
训练视觉相关的神经网络模型时,总是要用到图像的读写。方法有很多,比如matplotlib、cv2、PIL等。下面比较几种读写方式,旨在选出一个最快的方式,提升训练速度。实验标准 因为训练使用的框架是Pytorch,因此读取的实验标准如下: 1、读取分辨率都为1920x1080的5张图片(png格式一张,jpg格式四张)并保存到数
Python函数(二)
位置参数根据位置顺序来传递参数coding:utf8__author__"MuT6Sch01aR"deftest(a,b):a和b为形参print(a)print(b)return0
Python之TensorFlow的(案例)验证码识别
一、这里的案例相对比较简单,主要就是通过学习验证码的识别来认识深度学习中我们一般在工作中,需要处理的东西会存在哪些东西。 二、因为我没有数据集,没有关系,这里自己写了一个数据集,来做测试,为了方便我把这个数据集,写成了\.tfrecords格式的文件。 三、生成数据集 1)生成验证码图片生成验证码训练集
Python+Selenium自动化篇
本篇文字主要学习selenium定位页面元素的集中方法,以百度首页为例子。0.元素定位方法主要有:id定位:find\_element\_by\_id('')name定位:find\_element\_by\_name('')class定位:find\_element\_by\_class\_name(''
Python&Selenium&Unittest&BeautifuReport 自动化测试并生成HTML自动化测试报告
一、摘要本篇博文将介绍如何借助BeautifulReport和HTML模版,生成HTML测试报告的BeautifulReport源码Clone地址为https://github.com/TesterlifeRaymond/BeautifulReport,其中BeautifulReport.py和其template是我们需要的关键。二
Python Django 学习 (二) 【Django 模型】
注:由于自己排版确实很难看,本文开始使用markdown编辑,希望有所改善官方定义Amodelisthesingle,definitivesourceofinformationaboutyourdata.Itcontainstheessentialfieldsandbehaviorsoftheda
PyTorch 源码解读之 torch.autograd
作者丨OpenMMLab来源丨https://zhuanlan.zhihu.com/p/321449610编辑丨GiantPandaCV前言本篇笔记以介绍pytorch中的autograd模块功能为主,主要涉及torch/autograd下代码,不涉及底层的C实现。本文涉及的源码以PyTorch
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。