Python

Python是一门诞生于1991年的高级、解释型编程语言,由吉多·范罗苏姆创造。其核心设计哲学强调代码的极简性和可读性,尤其依赖清晰的缩进来定义代码结构,这使得它语法接近英语,非常易于学习和使用。作为动态类型语言,它为快速开发和原型设计提供了极大的灵活性,并支持面向对象、命令式、函数式等多种编程范式。Python的巨大优势在于其拥有一个由庞大活跃社区支撑的丰富第三方库生态系统(PyPI),覆盖了几乎所有应用领域:无论是Web开发(Django, Flask)、数据科学(Pandas, NumPy, Matplotlib)、人工智能(TensorFlow, PyTorch)还是自动化脚本和系统运维,都能找到成熟高效的工具库。这种“开箱即用”的特性使其成为解决各类实际问题的“瑞士军刀”,兼具强大的功能与简单的语法。
作品的CSDN地址:https://blog.csdn.net/zhulong1984/article/details/89929718 视频实景地图 立体防控系统通过在空中俯看地面,结合视频标签独有的增强现实技术能对建筑物、道路、重点目标等进行语义化标注以及属性添加,整体效果就是一个实景地图,能给监控人员带来非常直观的临场感。 高低点联动的立体监控 立体防控系统通过高点摄像机掌握监控区域的整体情况,通过增强现实视频联动技术能调用监控区域周边的低点摄像机,从不同角度查看监控区域的视频。
2821C/C++VR/AR
算法的博客地址:https://blog.csdn.net/zhulong1984/article/details/125155862 视频质量诊断,之前由于数据不足,采用传统的方法进行检测,当前已经积累了一些数据,采用分类模型做了训练和检测工作,主要有:亮度异常检测、偏色检测、图像噪声检测、条纹噪声检测、清晰度检测、信号丢失检测、遮挡检测和对比度检测。具体的检测方法如下: 一、对每类数据进行整理,每类数据需要准备大概1w张数据左右; 二、选择分类网络,可以使用ResNet系列、DenseNet系列、VGGNet、Densenet系列的分类模型,根据自己的使用习惯,随意选择一款即可; 三、模型转化,当模型训练完毕后,想要封装成C++代码,最好先转成onnx的模型,之后通过opencv的接口进行调用,通过模型训练后,检测的精度可以达到90%以上。 四、结合传统算法,深度学习模型只能解决部分算法问题,还有一些算法需要使用传统的分析方法,具体的算法实现,还需要参考我的另一篇博客,这样可以完美解决当前项目的需求。 整个数据的筛选也比较耗时,把之前积攒的十几年的数据和自己搜集的数据,加上一些预处理工作,大概花了2个月的时间,目前算法已经是C++代码,只依赖了opencv库,也算小有成就。通过深度学习进行训练之后,整个算法精度比传统算法提高20%,基本满足了项目的需求。
3730C/C++AI算法
知道创宇加速乐产品WEB平台功能开发,产品前台官网地址为https://www.yunaq.com/,后台功能地址为https://defense.yunaq.com/jsl_manage/manage,产品web 前后台皆为python的Django框架开发,本人负责Django + 前端的全栈开发,经历了产 品研发初期到产品大规模盈利的几次改版的研发过程,主要工作内容为完成产品迭代功能开发与产品 bug 的修复,保障网站控制台功能的正常稳定运行。
2310pythoncss
可以从excel中的详细数据表提取指定工步的最高最低温度,主要用到datafame,先将excel中的详细数据表通过pandas库中的datafame转换成一个python可以读取的数据框架,再通过一系列的条件查询获得需要的数据,最后将数据保持在新的excel表中。
1700pythonPython开发工具
1.使用scrapy框架实现某些网站数据的爬取; 2.为了实现高效的数据爬取,集成了redis分布式爬取插件; 3.某些网站还借助了selenium模拟浏览器,简单的实现复杂的登录行为
1700python网络爬虫
识别杂草和虫害,根据不同程度进行喷药,自制小车适合田间作业,语音播报虫害情况,如果面积较大,小车会向无人机发送指令和基于雷达构建的地图进行范围定位空中喷药
1420pythonAI
项目分为前端页面,数据处理,后端接口三个模块, 实现功能海量数据的查询以及存储 使用python完成接口实现数据的多维度展示
860pythonpython
1.通过Request包获取KS视频 2.使用Vue构建网址展示 3.使用Django构建后端程序 1.通过Request包获取KS视频 2.使用Vue构建网址展示 3.使用Django构建后端程序
1700python爬虫
功能 1、图形化数据分析功能 2、人脸识别功能 3、人工智能聊天功能 4、任务发布接取功能 5、文章编辑以及查看修改功能 技术栈: 1、Django 2、Vue 3、FaceNet 4、数据分析 5、E-Chart
1540pythonpython
在erpnext的基础上,为多家企业二次开发了MES系统,有日企也有国企。 主要行业包括,注塑行业,制造业等。 其中还包含了,对现有erp系统的迁移,财务系统的对接等等。
1790pythonERP
1、网页端js的逆向,可轻松还原api请求 2、小程序采集 3、app端逆向,定制化采集框架 4、自动化采集,标准化的采集框架 5、轻松过掉各种反爬
860python爬虫
Go语言(通常简称为Golang)是由Google开发的一种静态类型、编译型的编程语言。它旨在成为一门简单、高效、可靠且易于并发的编程语言。以下是Go语言的一些主要特点和简介: 简洁和可读性: Go语言的设计哲学是“少即是多”,它有着简洁的语法和丰富的标准库。 代码的可读性很高,易于理解和维护。 并发性: Go语言内置了对并发的支持,通过轻量级的goroutine和channel机制,可以轻松地编写并发程序。 Goroutine是Go程序中的并发执行单元,比线程更轻量,可以轻松地创建成千上万个goroutine。 Channel是goroutine之间通信的管道,可以安全地在goroutine之间传递数据。 静态类型: Go语言是一种静态类型的编程语言,这有助于在编译时捕获错误,提高代码的可靠性。 但Go也支持类型推断,可以在一定程度上减少代码的冗余。 编译型: Go语言是一种编译型语言,源代码需要编译成机器码才能运行。 编译速度相对较快,且生成的程序运行效率高。 内存安全: Go语言具有垃圾回收机制,可以自动管理内存,减少内存泄漏的风险。 同时,Go也提供了指针操作,但相对于C/C++等语言来说,更加安全和易于使用。 跨平台: Go语言编写的程序可以编译成多个平台的可执行文件,如Windows、Linux、macOS等。 这使得Go语言成为了一种跨平台的开发语言。 标准库丰富: Go语言的标准库非常丰富,涵盖了网络编程、文件操作、加密解密、数据库访问等多个方面。 大部分情况下,开发者不需要引入第三方库就可以完成开发工作。
1820java数据库建模
1、对网站进行分析,逆向出网站加密参数 2、开发出一个针对性的采集框架 3、完善的采集策略 4、https://blog.csdn.net/weixin_44256919/article/details/138803874?spm=1001.2014.3001.5501
1270pythonpython
自动化运维涵盖了从系统部署、配置管理、监控、故障恢复到日常维护的各个方面。其目标是通过自动化工具和脚本来减少手动干预,从而提高运维效率和可靠性
1710自动化测试python
本项目(研究)提出了一种嵌入RoBERTa且基于Seq2Seq框架的RS模型框架,利用了哈工大LCSTS摘要数据集和NLPCC 2017摘要数据集中的若干原文-摘要对进行了训练,并用其编码句向量,将得到的句向量结合传统摘要算法TextRank进行电商用户评论的摘要生成。 本项目(研究)的实现,包括模型框架代码以及训练代码,均用Python语言,主要第三方库:torch、transformers。
2140python自然语言处理
“科小研”大数据+AI科研选题助力平台是一套面向本科生和研究生科研助力系统,旨在协助科研选题工作。整个项目大致思路:基于知网中导出的结构化大数据构建了相应数据库,为用户提供共现词呈现与可视化共现网络绘制,理论词、方法词、高频词、热点词查询、热词分析、词云图绘制等功能,从用户体验角度出发,帮助广大进行科学研究的学生拓展思路,轻松选择科研课题。
3000python在线IT服务网站
1、采集后端django + 前端vue + mysql 实现了网站。 2、django+admin 实现了公司的后端管理 3、主要是代理ip的推广静态网页,和后端用户的管理平台。
2160pythonWeb框架
1、程序分为两个模块,一个模块是获取不同的城市对应的网页地址,第二个是获取每个程序具体的网点信息 2、难点:城市网页里面的html格式不是每个都相同,解决方法:根绝网页格式做判断分为几类,最终爬取到相应信息
1640python网络爬虫
通过前端输入词汇,进行相应的判断,如果为网址输入,则使用爬虫爬出相应的评论包中的评论,目前该功能仅适配b站评论,分析网络包,否则分析语句情感。
1880python网络爬虫
1、金蝶云星空Python/C#插件开发 2、金蝶云星空表单与流程制作开发 3、客户定制化插件开发 4、金蝶云星空报表开发
3690c#企业ERP/CRM/进销存
当前共5944个项目more
×
寻找源码
源码描述
联系方式
提交