前言：与第一篇的面向对象内容不同的是，第一篇中的面向对象更多的是与类、对象结合起来的概念粗浅理解，就是在编程历史中诞生的一种思想方法。这篇的面向对象编程，更多落实到在语言设计实现中，是如何体现面向对象这一设计思想的。本篇内容围绕python基础教程这段：在面向对象编程中，术语对象大致意味着一系列数据（属性）以及一套访问和操作这些数据的方法。使用对象而非全局变量和函数的原因有多个，下面列出了使用对象的最重要的好处。多态：可对不同类型的对象执行相同的操作，而
系统 2019-09-27 17:51:39 2062
打包：pyinstaller-F(生成单一运行文件)-i(+图标路径)-w(无控制台)*.py(文件)1.pyinstaller打包报错：RecursionError:maximumrecursiondepthexceeded上一步生成*.spec文件，在*.spec中加入importsyssys.setrecursionlimit(5000)执行命令pyinstaller*.spec2.UnicodeDecodeError:'utf-8'codeccan
系统 2019-09-27 17:51:26 2062
目录条件判断if循环for...in...whilebreakcontinue继"Python学习之路二"：条件判断if比如，输入用户年龄，根据年龄打印不同的内容，在Python程序中，用if语句实现：>>>age=18>>>ifage>=18:print("yourageis",age)print("adult")yourageis18adult>>>根据Python的缩进规则，如果if语句判断是True，就把缩进的两行print语句执行了，否则，什么也
系统 2019-09-27 17:51:22 2062
Python的虚拟环境极大地方便了人们的生活。本指南先介绍虚拟环境的基础知识以及使用方法，然后再深入介绍虚拟环境背后的工作原理。注意：本指南在macOSMojave系统上使用最新版本的Python3.7.x。1.为什么使用虚拟环境?虚拟环境为一系列潜在问题提供简单的解决方案，尤其是在以下几个方面：允许不同的项目使用不同版本的程序包，从而解决依赖性问题。例如，可以将ProjectAv2.7用于ProjectX，并将PackageAv1.3用于ProjectY
系统 2019-09-27 17:51:02 2062
数据集介绍使用数据集Wine，来自UCI。包括178条样本，13个特征。importpandasaspdimportnumpyasnpdf_wine=pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data',header=None)df_wine.columns=['Classlabel','Alcohol','Malicacid','Ash
系统 2019-09-27 17:50:52 2062
首先globals()和locals()是作用于作用域下的内置函数，所以我将它们分为作用域类型的内置函数1.作用域相关：1）globals()#返回全局作用域中的所有名字2）locals()#返回本地作用域中的所有名字可能对于这个作用域相关的内置函数，大家一接触都会很懵，这个东西是干什么的？它怎么用？今天小编就给大家来解释一下，首先我们来先看下官方的解释：globals()——获取全局变量的字典locals()——获取执行本方法所在命名空间内的局部变量的字
系统 2019-09-27 17:50:51 2062
如何在CentOS7上yum安装Python3.6.1CentOS7仍然安装了Python2.7，系统本身也使用它来启用系统命令，所以不要动那个安装。想要利用Python3附带的新语言功能，可以从yum存储库安装Python3.6.1?。先决条件*CentOS7服务器启动并运行*Sudo特权用户安装必要的实用程序正如所有Linux教程一样，首先要安装更新。然后我可以继续安装必要的工具和实用程序。sudoyumupdatesudoyuminstallyum-
系统 2019-09-27 17:50:44 2062
理解新概念PythonV2.2中引入了迭代器的思想。唔，这并不十分正确；这种思想的“苗头”早已出现在较老的函数xrange()以及文件方法.xreadlines()中了。通过引入yield关键字，Python2.2在内部实现的许多方面推广了这一概念，并使编程定制迭代器变得更为简单（yield的出现使函数转换成生成器，而生成器反过来又返回迭代器）。迭代器背后的动机有两方面。将数据作为序列处理通常是最简单的方法，而以线性顺序处理的序列通常并不需要都同时实际存在
系统 2019-09-27 17:49:57 2062
本文通过将同一个数据集在三种不同的简便项窗口部件中显示。三个窗口的数据得到实时的同步,数据和视图分离。当添加或删除数据行，三个不同的视图均保持同步。数据将保存在本地文件中，而非数据库。对于小型和临时性数据集来说，这些简便窗口部件非常有用，可以用在非单独数据集中-数据自身的显示,编辑和存储。所使用的数据集：/home/yrd/eric_workspace/chap14/ships_conv/ships.py#!/usr/bin/envpython3impor
系统 2019-09-27 17:49:43 2062
01-初心缘由最近在研究语音识别方向，看了很多的语音识别的资料和文章，了解了一下语音识别的前世今生，其中包含了很多算法的演变，目前来说最流行的语音识别算法主要是依赖于深度学习的神经网络算法，其中RNN扮演了非常重要的作用，深度学习的应用真正让语音识别达到了商用级别。然后我想动手自己做一个语音识别系统，从GitHub上下载了两个流行的开源项目MASR和ASRT来进行复现，发现语音识别的效果没有写的那么好，其中如果要从零来训练自己的语言模型势必会非常耗时。因此
系统 2019-09-27 17:49:34 2062
