跨语言IP代理池,Python实现
跨语言高性能IP代理池,Python实现。
注意:请运行程序前先更新一下抓取代理的爬虫
运行环境
Python 3.6
(请务必保证Python的版本在3.6以上,否则异步检验无法使用。)
Redis
Redis官网并没有提供Windows的安装版,Windows用户可以点击此处下载一个我自己编译的二进制版本(3.2版本2.7MB,VS 2015编译)。
直接使用
安装依赖
$ pip install -r requirements.txt
Windows用户如果无法安装lxml库请点击这里。
打开代理池和API
$ cd proxypool
$ python3 run.py
② 安装使用
安装
$ cd proxypool
$ python setup.py install
打开代理池和API
$ proxypool_run
酒店管理项目-JAVA
基础环境:
Tomcat9
Java 1.8+
Mysql/Mariadb
关于部署:Tomcat 务必为 9.X,JDK 可 12;数据库文件位于 ~/src/sql/ 中,初始登录用户密码为:root/toor;Tomcat 应用上下文为 /hb;项目依赖:lib 目录。
Core Java 学习笔记
《Core Java》学习笔记。
我把自己的笔记都以注释的形式写在代码里面了,这样方便理解。
尽管有些部分被标记为“已完成”,但实际上以后说不定我还会折返回来进行修改或者添加一些注释。
当然如果你有什么不理解的地方,可以在Issues面板里提出来,大家共同进步 :)
参考:
《Core Java Volumn I》
注意:
不包括书中有关图形程序设计的部分,当然也不包括Java applet,还有一些书上标明可以暂时不看的部分。
可能我这样省略一些东西是过于浮躁了,有时间回头再看看吧。
基于DFA算法实现的敏感词屏蔽
功能介绍
提供一个字符串,即可得到屏蔽敏感词后的字符串
可忽略掉无效字符(汉字、字母、数字以外的符号)
提供了重新选择敏感词库以及添加单个敏感词的功能
提供了查询字符串是否存在敏感词的功能(不进行屏蔽)
文件说明
dfa.py为源码
TestDFA.py为使用pytest进行运行性能测试
sensitive_words.txt为默认敏感词库
DfaApi.py为建立运行于web上的API接口
text_filter/string命令返回是否存在敏感词以及屏蔽后的字符串
add_new_words/string命令向敏感词库添加新的敏感词
change_text/string命令修改新的敏感词词库,string为新文件的path
python 实现sift算法
尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征,它在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量,此算法由 David Lowe在1999年所发表,2004年完善总结。
Python实现的频繁项集挖掘Apriori算法
由Python实现的频繁项集挖掘Apriori算法
频繁项集用keys表示, key表示项集中的某一项, cutKeys表示经过剪枝步的某k项集。 C表示某k项集的每一项在事务数据库D中的支持计数。
'''频繁项集用keys表示,
key表示项集中的某一项,
cutKeys表示经过剪枝步的某k项集。
C表示某k项集的每一项在事务数据库D中的支持计数
VUE面试题集合与出题套路
包含VUE面试题汇总、生命周期面试题等。
1、有哪几种属性
2、vuex 的 store 特性是什么
3、 vuex 的 getter 特性是什么
4、vuex 的 mutation 特性是什么
5、vue 中 ajax 请求代码应该写在组件的methods中还是vuex 的action中
6、不用 vuex 会带来什么问题
生命周期题
1、什么是 vue 生命周期
2、vue生命周期的作用是什么
等等
基于SSM框架的前后端分离设计完整仿天猫网站服务器端源码
整合SSM框架(Spring+SpringMVC+Mybatis),采用前后端分离的架构方式开发的仿天猫在线电商平台项目,服务器端源代码。通过完成本项目,掌握了如下技能:
首先,当然是java web开发,包括javaEE的核心技术的实际应用;
其次,学习目前最流行的java web框架——SSM框架的整合,理解其作用;
再者,前后端分离式设计的具体实现。
最后,就是如何真正将一个项目部署在生产环境上(我使用的是阿里云服务器)
在之后的开发中,会将本项目采用RESTfulAPI的方式实现。并且加入一些新鲜的东西。 此外,本项目遵守开源协议GPL-3.0,
采用MAVEN(3.0.5)构建本项目,此外,以下是我在开发过程中用到的一些工具:
IDE我使用IDEA(项目由Maven构建,IDE选择不影响)
最终运行的系统是阿里云上的CentOS 64位
JDK版本为7u80 64位
Maven版本是3.0.5
mysql-server-5.1.73
nginx-1.10.2.tar.gz
规范化管理labelme数据集
datasetapi
规范化管理labelme数据集并生成coco数据集
rename.py
用于对数据集中图片以及json文件的重命名
format.py
用于替换json中不合法的imagePath
checkClasses
用于检测当前一共标注了多少class 并对检测结果进行输出
labelme2coco.py
用于生成coco形式的数据集
时空预测模型PyTorch复现
models 文件夹
在 models 目录中,每一个文件夹存储一个结构的完整模型代码,复现参照了论文中的公式、图示以及 GitHub 作者实现的代码(如果有的话)
这些模型均假定输入的 Tensor 的 shape 为 (batch, sequence, channel, height, width)
这里的目的是为了学习,尽可能内聚成一个个小的 Module 再组合的,应该效率很差
util 文件夹
patch
针对大尺寸数据进行 patch 分割的方法,不过这里要根据实际情况修改下,这里是针对五维数据的,如果针对四维,则参照逻辑修改下即可
TrainingTemplate 和 TestingTemplate
我自己写的训练过程的模板类,一般继承重写一些方法即可
content_tree
包含生成目录树的方法
ChatGPT使用方法-测试报告
ChatGPT:全方位评测,揭示真实实力
如何打破 ChatGPT 的思想钢印
素材在:
网页备份
网页长图
文章/ChatGPT
测试代码在:ChatGPT代码测试
测试代码采用Python
介绍 ChatGPT 的基本情况
描述最近使用 ChatGPT 的经历,并展示完成的一些任务
Python
OpenCV
深度学习
工程能力
人类思维
绕过道德限制
使用感想:过去的几天里,我一直在使用 ChatGPT,它的能力让我印象深刻。它能够快速理解人类语言,并能够为我提供准确的答案。比如说,我问它关于神经网络的问题,它能够回答我的每一个细节。我甚至感觉,它的能力已经比我身边的某些程序员强了。
美赛备赛包括19年国赛和20年美赛
将本科的备战数模的所有材料分享给大家,其中包括19年国赛,美赛参赛,20年美赛,20年MathorCup全程记录,还有自己搜集到的优秀论文,保证靠谱有效。
19年国赛-省三 20美赛-f奖(前1%) 20年MathorCup-省三
全端电子商务的毕业设计
项目启动
创建 letao 数据库,导入docs下的sql文件
启动 npm start,在项目根目录执行
移动端
Mui介绍
bootstrap 也是一个ui框架 响应式的ui框架 兼容不同终端 可以适配pc端 也可以适配 移动端
Mui 是一个ui框架 针对移动端开发的ui框架 只能适配移动端(流式布局)
特点
最接近原生APP体验的高性能前端框架
轻量 追求性能体验,是我们开始启动MUI项目的首要目标,轻量必然是重要特征; MUI不依赖任何第三方JS库,压缩后的JS和CSS文件仅有100+K和60+K
原生UI 鉴于之前的很多前端框架(特别是响应式布局的框架),UI控件看起来太像网页,没有原生感觉,因此追求原生UI感觉也是我们的重要目标 MUI以iOS平台UI为基础,补充部分Android平台特有的UI控件
流畅体验 下拉刷新 为实现下拉刷新功能,大多H5框架都是通过DIV模拟下拉回弹动画,在低端android手机上, DIV动画经常出现卡顿现象(特别是图文列表的情况); mui通过双webview解决这个DIV的拖动流畅度问题;拖动时,拖动的不是div, 而是一个完整的web
NFT数字藏品艺术品交易平台,数字藏品系统源码
该项目基于Java开发。
后端采用Spring Boot、Spring Data Jpa、Sa Token、 Redis、Mysql。
前端采用uniapp跨端开发,一套代码,可发布到iOS、Android、Web(响应式)等多个平台。
本项目主要供交流学习,请不要用于商业项目。
h5版本:http://45.125.34.58:9999
测试账号:13533333333,点击发送验证码后,输入6666即可登录
也可以自行注册账号,如提示需要短信验证码,填6666即可
运营后台:http://45.125.34.58:9900/page/login
账号:admin,密码:123
CHATGPT对接公众号使用教程
使用python编写;
需要OPEN AI账号(获取API KEY)
可以部署在宝塔面板、腾讯应用服务器、
使用教程文字说明连接
https://mp.weixin.qq.com/s?biz=MzI3NTk0MzA1Ng==&mid=2247484541&idx=1&sn=7df864b91144cca6eea3b96f282107c7
天勤量化开发包, 期货量化, 实时行情/历史数据/实盘交易
TqSdk 支持用户使用极少的代码量构建各种类型的量化交易策略程序, 并提供包含期货、期权、股票的 历史数据-实时数据-开发调试-策略回测-模拟交易-实盘交易-运行监控-风险管理 全套解决方案.
ACL配置与管理以及不同网段直接限制互访
压缩包内包含两个PPT和两个文档,内容如下:
1、访问控制列表ACL.pptx
2、简化流策略 配置禁止指定主机访问网络示例.docx
3、配置通过流策略实现不同网段间限制互访示例.docx
4、配置通过流策略实现不同网段间限制互访示例.pdf
华为交换机推爹和集群配置与管理
主要以华为交换机S6720-EI为型号进行讲解
1、华为交换机S6720-EI堆叠示例
2、设备堆叠
3、设备组件堆叠示例
基本VLAN特性配置与管理
内容以PPT形式讲解,包括三个方面内容:
1、ARP协议
2、VLAN原理和配置
3、交换网络基础
通过duplicate创建cdb、EMDE等
ORACLE 19c
创建容器CDB
创建EMDE
数据库闪回、表恢复、数据泵新特性
闪回数据库,还原点和保证还原点
恢复已经删除的数据表
介绍19C数据泵的新特性
ORACLE 19C ASM Restart环境安装
包含创建Centos 7.6的容器;
操作系统配置;
安装依赖包;
配置内核参数、/dev/shm大小、ASM磁盘;
图形化安装grid和db;
静默安装grid和db;
静默建库
ORACLE 19C安装时需要的所有依赖包,46个rpm
cetos 7或者ORACLE LINUX系统安装ORACLE 19c所需要的所有依赖包,一共46个依赖文件,包含gcc-和gcc-c++,kmod-oracleasm等不常见的依赖文件。
NFT批量自动铸造和售卖到Opensea(Python带源码)
1、NFT工具
2、自动铸造并售卖到opensea
3、1个小时大概几百张NFT
4、用谷歌浏览器,钱包和BUSTER自动识别扩展
5、python需要安装requirements
6、upload_2captcha这个是谷歌自动识别,upload不带谷歌自动识别
7、python源代码,Json文件自己写NFT自带属性
ORACLE系统健康检查脚本
1、附带使用说明
2、检测完成后生成HTML的报告;
3、检查报告包括服务器和LINUX系统的硬件信息和操作系统信息;
4、Database Patches报告;
5、Database Network Service信息;
6、Oracle Database Details 信息;
7、DB Alert log and Trace files 告警和追踪信息;
8、AWR Reports
NFT头像生成器,python3 编写带源码
1、python3编写带源码和可执行程序
2、NFT头像生成,包括背景、衣服、眼睛、脸、雪茄、三个装饰共8个图层
3、生成图片数量可自定义,生成Png图片
XshellPlus 7.0.0008.rar
Xshell [1] 是一个强大的安全终端模拟软件,它支持SSH1, SSH2, 以及Microsoft Windows 平台的TELNET 协议。Xshell 通过互联网到远程主机的安全连接以及它创新性的设计和特色帮助用户在复杂的网络环境中享受他们的工作。