为了应付某些情况，需要做17份记录。虽然不很重要，但是17份完全雷同也不很好。大体看了一下，此记录大致分为四段。于是决定每段提供四种选项，每段四选一，拼凑成四段文字，存成一个文件。文件名就叫“XX记录+日期”。应急的随手创作，使用了“文件操作”和“生成随机数”的功能。比较简陋。后期扩展可以考虑搭配个数据库。复制代码代码如下:#-*-coding:cp936-*-importrandomtitle='XXX周例会\n会议时间:'timelist=['6月6日
系统 2019-09-27 17:53:26 2305
通常在使用Spark算子函数，比如使用map()或者reduce函数我们向函数传入条件时，函数内部可以使用驱动程序中定义的变量，但是这样会使集群中所有任务都会得到变量新的副本，这些副本的更新不会传播回驱动程序，导致读写共享变量效率低下或者内存溢出，为了解决这个问题Spark提供了两种共享变量类型：广播变量和累加器广播变量：用来高效分发较大对象，只能在Driver定义，不能在Executor端定义，同时RDD不存储数据所以不能广播出去累加器：用来对信息进行聚
系统 2019-09-27 17:52:33 2305
#/usr/bin/env/python#coding=utf-8importsys,re,time,osmaxdata=50000#单位KBmemfilename='/tmp/newnetcardtransdata.txt'netcard='/proc/net/dev'defcheckfile(filename):ifos.path.isfile(filename):passelse:f=open(filename,'w')f.write('0')f.c
系统 2019-09-27 17:52:13 2305
原文链接：https://www.tinymind.cn/competitions/48作者|RitiDass译者|LJY整理|Lemonbit译文来源|Python数据之道（ID:PythonDataLab）导语：理解你的数据的最佳方法是花时间去研究它。Python探索性数据分析教程介绍每个数据科学家都必须掌握的最重要的技能之一是正确研究数据的能力。彻底的探索性数据分析(EDA，ExploratoryDataAnalysis)是必要的，这是为了确保收集数
系统 2019-09-27 17:51:45 2305
安装好PyCharm之后，新建或者导入项目碰到找不到解释器的情况，不用担心，追根到底，咱们就是需要找到pycharm*.exe的文件,那么这个文件在哪里呢？这是个问题。先打开File–>Setting–>Project，这时候看到选中栏显示的是Nointerpreter,在哪里找这个文件呢,不妨打开磁盘,直接搜索python.exe文件可能在C盘，也可能在其他磁盘，楼主找到的这个目录很奇怪，安装的时候竟然跑到SDK目录下面去了，不过还是找到你了。这时候回到
系统 2019-09-27 17:50:35 2305
主要目标识别图中红色的裂缝，尝试了几种不同的方法，最后发现比较每一点的RGB差值可以很好的解决这个问题，也就是提取图片中的红色相关信息。处理结果如下：实现的代码如下，注意opencv读入的图片通道顺序是bgr：importcv2importmatplotlib.pyplotaspltimagepath=r'tear/11.jpg'image=cv2.imread(imagepath)height,width,channel=image.shapeforii
系统 2019-09-27 17:50:25 2305
Python入门之内置模块--time模块1、time模块time翻译过来就是时间,这个模块是与时间相关的模块importtime#内置模块--标准库（1）time.time()时间戳（时间戳表示的是格林尼治时间是从1970年1月1日00:00:00开始按秒计算的偏移量）print(time.time())#时间戳浮点数秒（2）time.sleep()睡眠time.sleep(3)#秒（3）time.localtime()将时间戳转换成结构化时间prin
系统 2019-09-27 17:48:58 2305
1、先来看一个函数：defsum(x,y):returnx+y用lambda来实现：p=lambdax,y:x+yprint(p(1,2))2、传入一个参数的lambda函数a=lambdax:x*xprint(a(2))#注意：这里直接a(2)可以执行，但没有输出的，因为没有print3、多个参数的lambda形式：a=lambdax,y,z:x*y*zprint(a(5,6,7))匿名函数lambda：是指一类无需定义标识符（函数名）的函数或子程序。l
系统 2019-09-27 17:48:43 2305
本书由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱（FrançoisChollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。本书特色“本书在当前的‘
系统 2019-09-27 17:48:30 2305
首先下载源tar包可利用linux自带下载工具wget下载，如下所示：wgethttp://www.python.org/ftp/python/2.7.3/Python-2.7.3.tgz下载完成后到下载目录下，解压tar-zxvfPython-2.7.3.tgz进入解压缩后的文件夹cdPython-2.7.3在编译前先在/usr/local建一个文件夹python27（作为python的安装路径，以免覆盖老的版本）mkdir/usr/local/pyth
系统 2019-09-27 17:48:01 2305
