StarPrayers.的博客

PyTorch transforms是图像预处理工具集，主要用于数据格式转换（如PIL转Tensor）、图像增强（缩放/裁剪/旋转）和标准化处理。核心操作包括ToTensor（归一化像素值并调整维度）、Normalize（标准化）、Resize（调整尺寸）和RandomCrop（随机裁剪）。通过Compose可组合多个变换，训练集通常使用随机裁剪翻转等增强操作，验证集则仅需基础转换。这些工具与DataLoader配合使用，能有效提升模型泛化能力，尤其在数据有限时，数据增强技术尤为重要。

Tensorboard是机器学习实验的可视化工具，支持PyTorch和TensorFlow。核心功能包括标量可视化（如损失值、准确率）、图像展示（输入/输出/中间层）、模型结构可视化等。使用流程：1)安装tensorboard库；2)通过SummaryWriter写入日志数据；3)启动服务查看结果。进阶用法包括多指标对比、特征图可视化、权重分布跟踪、高维数据降维等。需注意路径处理、端口占用等问题。该工具通过直观展示实验过程，帮助开发者优化模型，是机器学习工作流中的重要组件。

B站小土堆PyTorch安装教程存在版本兼容问题，适用于PyCharm2025.2.1的解决方案如下：1）通过Anaconda Prompt创建python=3.10的conda环境；2）根据显卡选择安装对应版本的PyTorch；3）在PyCharm配置时关键要选择Scripts/conda.exe而非python.exe；4）最后在设置中添加已有解释器路径。该方案解决了高版本PyCharm无法识别环境的问题，经版本号验证即可确认安装成功。完整教程可参考提供的两个B站视频链接。

正则表达式元字符分为四类核心规则：1.字符匹配类（如\d匹配数字）；2.数量限定类（如+匹配1次或多次）；3.位置锚定类（如^匹配开头）；4.逻辑分组类（如|实现或逻辑）。关键原则包括：元字符需转义匹配其本身、贪婪模式默认匹配最长结果、位置锚定不占用字符位置、分组可捕获匹配内容。实践应用需拆解需求组合元字符，如验证手机号可用^1\d{10}$。推荐使用RegExr等工具验证，通过"拆解-组合-验证"流程掌握元字符应用。

本文介绍了Python中re模块的三种常用正则表达式方法：match()从字符串开头匹配并返回首个结果；search()扫描整个字符串返回首个匹配；findall()返回所有匹配项的列表。这些方法分别适用于验证字符串前缀、查找首个匹配内容和提取全部匹配项的不同场景。

本文展示了一个基于Python socket模块的简单客户端-服务器通信模型。

Python装饰器是一种在不修改原函数代码的情况下扩展功能的语法工具。它通过接受一个函数并返回新函数来实现功能增强，使用@语法糖简化调用。

本文介绍了Python中的闭包和nonlocal关键字。闭包是嵌套函数引用外层变量的特性，即使外层函数执行完毕也能保留变量状态，常用于数据封装、延迟计算和装饰器。闭包需要满足三个条件：嵌套结构、内层引用外层变量、外层返回内层函数。nonlocal关键字用于在嵌套函数中修改外层变量，避免创建新局部变量，与global不同，nonlocal只查找嵌套作用域。典型应用包括闭包状态保持，如计数器实现。两者结合可实现灵活的函数式编程模式。

本文介绍了使用PySpark处理商品销售数据的基本操作。通过读取JSON格式的销售数据文件，实现了三个数据处理需求：1）按城市统计并降序排列总销售额；2）提取所有不重复的商品类别；3）筛选北京地区的商品类别并去重。代码展示了RDD的map、reduceByKey、filter、sortBy和distinct等核心算子的使用，包括数据清洗、类型转换和聚合计算等关键步骤。该案例为PySpark初学者提供了处理结构化数据的典型范例，涉及数据读取、转换、过滤和统计分析等常见场景。

RDD（弹性分布式数据集）是Spark的核心抽象概念，本质是一个分布式的、不可变的数据集合。它具有分布式存储、不可变性、弹性容错、惰性计算和可分区等特点。

本文介绍了使用PySpark实现单词计数的案例，重点讲解了map、flatMap和reduceByKey三个核心RDD转换算子。

PySpark 是 Apache Spark 的 Python API，它允许开发者使用 Python 语言编写 Spark 应用程序，结合了 Python 的易用性和 Spark 的分布式计算能力，是处理大规模数据的强大工具。

所需1.2.

本案例实现了一个面向对象的电商销售数据分析系统，主要功能包括：1）使用Record类封装销售数据；2）通过抽象类设计文件读取框架，支持文本和JSON格式；3）合并1-2月数据后统计每日销售额；4）利用PyEcharts生成可视化柱状图。系统采用多态和模板方法设计模式，具有良好的扩展性，可轻松支持新数据格式。完整代码包含数据定义、文件读取和主业务逻辑三部分，最终输出交互式HTML图表展示每日销售趋势。

Python面向对象编程三大特性： 封装：隐藏内部实现，只暴露必要接口（如用__定义私有属性） 继承：子类复用父类属性和方法（如狗类继承动物类的呼吸/吃方法） 多态：同一方法在不同对象表现不同（如叫()在狗猫类输出不同） 核心价值：提升代码复用性、可维护性和扩展性，通过类层次结构模拟现实关系。

本文介绍了Python类型注释的用法，包括变量、函数和联合类型的注释方法。变量注释使用变量名:类型语法，可标注基本类型和容器类型；函数注释需标注参数和返回值类型；Union类型表示"或"关系，Python3.10+可用|简化写法。类型注释结合mypy等工具可检测类型错误，提升代码可维护性，特别适合大型项目和团队协作。

本文通过"汽车工厂"的比喻系统讲解了Python面向对象编程的核心概念：1. 类是设计模板（如汽车图纸），定义属性和方法；2. 对象是类的实例（具体汽车），拥有独立属性；3. 成员方法描述对象行为，需包含self参数；4. 构造方法__init__在对象创建时自动初始化属性；5. 其他内置方法（如__str__）实现对象的特殊行为。文章用生动类比和代码示例，清晰地展现了Python OOP的核心机制与实现方式。

本文介绍了Python中处理JSON数据的核心方法。json模块提供了dumps/loads（字符串转换）和dump/load（文件读写）四类主要函数，支持Python与JSON数据类型自动转换（如dict↔对象、list↔数组）。关键点包括：处理中文需设置ensure_ascii=False，自定义类型需通过default/object_hook参数实现转换，文件操作需指定UTF-8编码。典型应用场景涉及API数据交互、配置管理等，通过格式化输出和类型扩展可满足复杂需求。注意避免JSON语法错误和编码问题

本文介绍了Python模块化开发实践，主要包含以下内容：1.创建my_utils包，包含__init__.py文件；2.开发字符串处理模块str_util.py，实现字符串反转(str_reverse)和切片(substr)功能；3.开发文件处理模块file_util.py，实现文件内容打印(print_file_info)和追加写入(append_to_file)功能；4.演示了模块的导入和使用方法。两个模块均包含测试代码，使用if name == 'main'保护测试逻辑。该案例展示了Python模块化

Python模块中，__main__和__all__是两个特殊变量：__main__用于判断模块是被直接运行还是被导入（通过if __name__ == "__main__"），常用于隔离测试代码；__all__则限定from module import *时导入的符号（函数/类等），明确公开接口。前者控制执行方式，后者管理导出内容，二者共同维护模块的规范性与安全性。

Python中的lambda关键字用于创建匿名函数，语法简洁（lambda 参数:表达式）。

摘要：Python通过args和kwargs实现不定长参数处理。args将位置参数打包成元组，**kwargs将关键字参数打包成字典。

Python常用数据容器（列表、元组、字典、集合、字符串）具有通用功能。

本文介绍了Python中五种核心数据容器的特性和适用场景：列表（List）灵活可变，适合动态增删；元组（Tuple）不可变，适合固定数据；字符串（String）专用于文本处理；集合（Set）用于去重和数学运算；字典（Dictionary）通过键值对实现快速查询。

该酒店员工信息系统实现了实习生转正功能。系统采用嵌套字典结构存储员工信息，包含姓名、职位、薪资和等级。

摘要：本文对比了Python中while和for循环遍历列表的两种方式。

该代码实现了一个简易银行账户管理系统，包含余额查询、存款、取款和退出功能。

Python变量的本质是数据引用，而非类型容器。变量本身无固定类型，可以动态引用不同类型的数据（如整数变为字符串）。但数据本身有明确类型（int/float/str等），通过type()函数可查看当前变量引用的数据类型。这种动态类型机制提高了代码灵活性，但也需要开发者注意数据类型的实际变化。与静态类型语言不同，Python无需预先声明变量类型。

PyCharm新建项目时默认创建.venv目录作为Python虚拟环境，用于隔离项目依赖。该目录包含独立解释器和专用库存储，避免版本冲突，保持项目独立性，且无需管理员权限即可安装库。PyCharm自动关联该环境，运行代码时直接使用。终端需先激活环境才能使用，安装的库会自动存入该环境。若不需要可在创建项目时关闭虚拟环境选项。

Python 是一种广泛应用于各行各业的编程语言，具有简洁易懂、易于学习的特点。通过 Python，我们可以快速掌握编程的基本技巧，为以后的学习和工作打下坚实基础。下面是针对 Python 基础知识的十二个题目，涵盖了二维列表、评分问题、字符串统计、奇数问题、平均销售额计算、登录问题、完全数求法、圆周率计算、一元二次方程求解、销售提成计算、条件判断以及空气质量判断等方面。希望通过这些题目的练习，能够帮助您更好地掌握 Python 编程技巧。