南岛鹋

本次开发实现了VUE前端通过用户名登录后可以获取到后端生成的Token，后续所有的访问均要携带Token访问后端服务器，才能获取到正常的数据。由于想实现一些特别的功能，因此也碰到了一些坑，记录在此。预请求的处理什么是预请求跨域请求资源时浏览器为确认请求来源的安全性，会在正式的请求之前做一次预校验请求，待服务器允许之后才能发送正式的请求，这个预校验请求就是options请求。并不是每次跨域资源请求都会发送options请求，当跨域请求为简单请求的时就不会发送预校验请求，当跨域请求为复杂请求时才会发.

环境准备为了快速测试以及节省不必要的时间，整个实验我都以docker为基础，当然你也可以手动搭建。整个环境资源包括windows10和一台VMware上的centos7（防火墙已经关闭）安装docker安装方法，这里采用存储库的方法来安装。安装yum-utils包（提供yum-config-manager 实用程序）并设置稳定存储库yum install -y yum-utilsyum-config-manager --add-repo https://download.docker.co

利用rsync写脚本实现多节点多服务器文件一键同步

运行环境： Linux：CentOS Linux release 7.5.1804 (Core) JDK：1.8.0_212Hadoop：3.1.3本次实验运用本地模式演示官方案例WordCountWordCount1、创建一个 input 文件夹[ndmiao@hadoop102 ~]$ mkdir input2、在 input 文件夹下创建一个 word.txt 文件[ndmiao@hadoop102 ~]$ cd input[ndmiao@hadoop102 input]$ vi.

获取凭证的AKSK# -- coding: utf-8 --“”"@Time ： 2021/10/9 10:32@Auth ： ndmiao@Blog ：www.ndmiao.cn@Function ：将 Credentials 文件夹下的所有凭证读取“”"import csvimport osclass ReadCredentials: def __init__(self): self.file_dir = 'D:/BaiduNetdiskWorkspace/

因为AWS CLI不存在控制台直接打开MFA功能，然后生活中遇见了，那么就记录一下吧给IAM用户开启MFA首先需要在IAM用户-安全证书，点击开启MFA这里选择虚拟MFA应用程序，需要在手机上安装相应的软件。这里我选择了Authenticator，其他的可以去AWS文档查看。打开软件，选择添加账户，选择其他账号，扫描二维码，然后就可以将虚拟MFA应用程序和该用户绑定了。然后输入软件中两个连续的认证代码即可激活该MFA功能。这时候打开一个无痕浏览器验证一下，进入登陆页面可以发现出现了MF.

github这个代码仓库对于每个程序员都耳熟能详了，此外还有码云、gitlab等等。而要熟练运用这些代码仓库，掌握好git这个核心的分布式版本控制系统是最为关键的一步。本文将就git的原理以及实践操作来演示git的基本操作，帮助新手快速上手以及掌握git。什么是Git来源Git 是一个开源的分布式版本控制系统，用于敏捷高效地处理任何或小或大的项目。Git 是 Linus Torvalds 为了帮助管理 Linux 内核开发而开发的一个开放源码的版本控制软件。Git 与常用的版本控制工具 CV.

这是我的毕业设计题目，当初选这个题目以为是最简单的，没想到却要做一个网站。不过既然选择了，那就好好干吧！（没学过网站开发）开发环境操作系统：Windows 10数据库：Mysql 8.0.22Vue：2.9.6开发工具：Pycharm Community Edition 2020.1.2、VScode开发语言：Python、HTML、JS、CSS系统架构功能介绍全球疫情实时追踪全球疫情实时追踪页面，支持折线图、条形图、扇形图、地图热力图展示，图表由Echarts实现，支持左上角.

Tableau是一款拖拽式，支持多种数据源的数据可视化软件功能图表条形图和直方图基本表、树状图、气泡图、词云标靶图、甘特图、瀑布图填充地图、多维地图、混合地图人口金字塔、漏斗图、箱线图范围-线图、倾斜图网络图与弧线图雷达图与凹凸图回归分析与时间序列分析数据的预处理数据类型的转换不要的数据进行隐藏对数据进行拆分数据后续处理数据分层、数据分组、数据集字段与表计算优缺点优点：数据可视化快速创建交互可视化（支持拖拽）支持百万级别的数据处理软件中支持p.

分析哔哩哔哩生活搞笑区的热度视频信息，分析月度视频的热词，三联等数据对视频播放量的影响。数据爬取确定目标因为想要一个量大的数据集，因此没有考虑热榜排名，因为所有区加起来也才一千左右。全部视频信息的话技术不行，然后就盯上了分区榜。[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LeFkUH37-1600238211165)(https://www.ndmiao.cn/usr/uploads/2020/09/784618101.png)]从这个榜单可以选择时间段，可以.

因为上手练习一个自己的数据分析项目，因此需要爬取数据。经历过两个版本的更新后，终于写出了第三版。期间也学会了selenium库的运用，API接口的调用，IP池等。确定目标因为想要一个量大的数据集，因此没有考虑热榜排名，因为所有区加起来也才一千左右。全部视频信息的话技术不行，然后就盯上了分区榜。从这个榜单可以选择时间段，可以根据每个月的视频热度排名等信息，来分析月度热点，哪些视频更加容易火，以及各种因素对视频播放量的影响。虽然只是一个小分区月度热度排名，并不包含全部视频，但是数据量也是极大的。下图.

在想要爬虫实现哔哩哔哩鬼畜区热门榜的数据进行数据分析，但是自己的技术不够，对js也一窍不通。上网后发现了selenium的一个库，觉得挺强大的，但是安装过程中出现了一些小问题，于是写下文章记录一下。安装像其他的库一样安装pip install selenium -i https://pypi.tuna.tsinghua.edu.cn/simple错误错误类型以及截图运行的过程中出现了selenium.common.exceptions.WebDriverException: Message.

项目目的：通过对2012美国总统竞选赞助数据分析，得出哪个总统更具有优势的结论项目流程：数据载入、数据清洗、数据聚合分组以及可视化项目地址：https://tianchi.aliyun.com/notebook-ai/detail?postId=10585一、导入数据1.数据载入导入需要用到的库numpy、pandas、matplotlib.pyplotimport numpy as npimport pandas as pdimport matplotlib.pyplot as plt.

最近哔哩哔哩出现了很多，翻译类视频，播放量都还普遍不错。但是比较懒，不想动手翻译20次，于是用python参考网上代码写了一个支持多次翻译、语音下载的脚本。功能介绍主要截图主要功能支持百度、谷歌翻译、支持百度语音下载支持自定义翻译流程以及次数演示视频my blog:https://www.ndmiao.cn/...

因为在哔哩哔哩看到很多运用Ai换脸获得大量播放量的视频，于是自己也想尝试一下。软件：Deepfacelab一款由国外大佬开发的便于普通人使用的半可视化换脸软件，大概的流程就是：将data_dst(目标视频，要被换脸的)和data_src(源视频，提供人脸素材的)分解成帧画面；对两份帧画面素材进行人脸提取；用模型对素材进行训练，这一步是最花费时间的；将训练好的人脸合成到目标帧画面上；将合成的帧画面合成视频。使用方法图片展示使用流程workspace是用来存放素材的，将目标视频.

很早就想写一个GUI可视化小程序来玩玩，但是总是被耽搁了。趁着现在刚放暑假，运用这学期学的基于神经网络的手写识别来做一个可视化的程序，顺便复习一下神经网络的搭建和学习一下PYQT5.项目名称数字识别小程序运行环境GPU版tensorflow 1.14;keras 2.24步骤先训练神经网络，生成HDF5文件。然后再导入模型进行预测识别。运行截图 下载代码有点长就不直接放了，需要的自行到github下载。https://github.com/ndmiao/numregonized注：特别感.

这是GPU内存的问题tensorflowconfig = tf.ConfigProto()config.gpu_options.allow_growth = Truesession = tf.Session(config=config)kerasconfig = tf.ConfigProto()config.gpu_options.allow_growth = Truekeras.backend.tensorflow_backend.set_session(tf.Session(confi

Apriori算法的简介Apriori算法：使用候选项集找频繁项集Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。Apriori原理：如果某个项集是频繁的，那么它的所有子集也是频繁的。该定理的逆反定理为：如果某一个项集是非频繁的，那么它的所有超集（包含该集合的集合）也是非频繁的。Apriori原理的出现，可以在得知某些项集是非频繁之后，不