机器人 实战 机器 课程
Redis_实战
Redis_实战 部署： 前端：部署在Nginx 后端：部署在tomcat 短信登录 session原理： 每一个session都有一个id，当你访问tomcat服务器时，id就自动写到coockie中了，以后请求就带着id，就可以根据id找到session。（每一个浏览器再发请求时都有一个独立的s ......
Steam验证后提示“您对 CAPTCHA 的响应似乎无效。请在下方重新验证您不是机器人”
解决方法： 用手机l登录此网址：https://store.steamchina.com/join/?snr=1_4_4__more-content-login，进行验证即可 注意：用流量 ......
机器学习-无监督机器学习-kmeans衍生的算法-18
目录1. k-Medoids2. 二分KMEANS3. KMeans++4. elkan KMeans5. min batch KMeans算法6.小结： 1. k-Medoids 之前的kmeans算法 对于异常点数据特别敏感，更新中心点的时候，是对于该簇的所有样本点求平均，这种方式对于异常样本特 ......
机器学习-无监督机器学习-kmeans-17
目录1. 什么是聚类2. 代码实现 1. 什么是聚类 无监督机器学习的一种 输入数据只有X 没有y 将已有的数据 根据相似度 将划分到不同的簇 （花团锦簇） 步骤： 随机选择k个簇的中心点 样本根据距离中心点的距离分配到不同的簇 重新计算簇的中心点 重复 2-3直到所有样本 分配的簇不再发生改变 距 ......
26.基于 page object 模式的测试框架优化实战
目录 异常处理（弹窗黑名单） 日志记录 报告生成 测试数据的数据驱动 异常弹框处理 定义黑名单列表 处理弹框 # 声明一个黑名单 def black_wrapper(fun): def run(*args, **kwargs): basepage = args[0] try: return fun( ......
用C#也能做机器学习？
前言✨ 说到机器学习，大家可能都不陌生，但是用C#来做机器学习，可能很多人还第一次听说。其实在C#中基于ML.NET也是可以做机器学习的，这种方式比较适合.NET程序员在项目中集成机器学习模型，不太适合专门学习机器学习，本文我将基于ML.NET Model Builder（低代码、入门简单）构建一个 ......
机器学习-线性分类-支持向量机SVM-合页损失-SVM输出概率值-16
目录1. SVM概率化输出2. 合页损失 1. SVM概率化输出 标准的SVM进行预测 输出的结果是： 是无法输出0-1之间的 正样本 发生的概率值 sigmoid-fitting 方法： 将标准 SVM 的输出结果进行后处理，转换成后验概率 A,B 为待拟合的参数， f 为样本 x 的无阈值输出。 ......
Python+Selenium框架实战系列003----测试数据分离与ddt技术&断言
一、测试数据分离 1、新建testData文件夹，新建login_data.py文件，如下所示： 2、在login_datas.py文件中存放测试用例数据，如下所示： # 正常场景 success_data = {"mobile": "17839196010", "pwd": "duhui94619 ......
java接口自动化测试实战002----测试数据封装及ExcelUtil优化
一、利用testNG测试框架进行封装 1、封装实现 新建测试类，类中新增多个方法，每个方法存储一条测试数据并调用HttpUtl类中的doGet或doPost方法。缺点：代码复杂、繁琐，且不适用测试数据量大的情况。 2、封装步骤 （1）maven的pom.xml文件中添加testNG测试框架的依赖，如 ......
java接口自动化测试实战003----fastjson处理传入参数为JSON格式数据
一、fastjson概述 1、概述 fastjson是阿里爸爸开发的一款专门用于Java开发的包，可以方便的实现json对象与JavaBean对象的转换，实现JavaBean对象与json字符串的转换，实现json对象与json字符串的转换。 2、常用API fastjson API 入口类是com ......
java接口自动化测试实战004----分表存储接口信息和用例信息之CaseUtil和RestUtil
一、分表存储用例信息和接口信息 1、实现思想 将用例相关信息存储在用例表单中，将接口信息存储在接口信息表单中，创建对应的类存储表单中的信息。 2、实现步骤 （1）修改表格文件，分表存储用例信息和接口信息，如下图所示： （2）修改ExcelUtil中的读取函数datas，让表单名称以参数形式传入，如下 ......
手把手教你如何下载新东方在线上面已购买的视频课程
前言：很多同学都想知道新东方在线上的视频课程怎么下载，但是新东方在线上面已购买的视频课程是不提供直接下载方式的，所以下面就教大家如何用学无止下载器下载新东方在线上面已购买的视频课程。 一、电脑网页打开新东方在线官网（https://study.koolearn.com/my），进入我的课程 二、找到 ......
新东方在线视频课程资料下载工具，如何在电脑端下载新东方在线视频讲义到本地
一. 安装新东方在线下载器 1.获取学无止下载器 https://www.xuewuzhi.cn/koolearn_downloader?from=cnblogs 2.下载安装后，然后点击桌面快捷方式运行即可。 注意：杀毒软件可能会阻止外部exe文件运行，并将其当做成病毒，直接添加信任即可，本软件绝 ......
前端监控系统Sentry企业级实战
一、前端监控系统 1. 什么是监控系统？为什么要对项目监控？ 在IT界内，监控系统指对项目运行的各项指标的实时记录的系统或服务，旨在提升项目质量和量化项目的各项指标，为项目发展提供可量化的依据。 一般来说项目监控是为了： 更快的发现和解决线上问题； 做产品和制定需求的决策依据； 为业务扩展提供了更多 ......
机器学习笔记（二）使用paddlepaddle，再探波士顿房价预测
目标 用paddlepaddle来重写之前那个手写的梯度下降方案，简化内容 流程 实际上就做了几个事： 数据准备：将一个批次的数据先转换成nparray格式，再转换成Tensor格式 前向计算：将一个批次的样本数据灌入网络中，计算出结果 计算损失函数：以前向计算的结果和真是房价作为输入，通过算是函数 ......
机器学习笔记（一）从波士顿房价预测开始，梯度下降
从波士顿房价开始 目标 其实这一章节比较简单，主要是概念，首先在波士顿房价这个问题中，我们假设了一组线性关系，也就是如图所示 我们假定结果房价和这些参数之间有线性关系，即: 然后我们假定这个函数的损失函数为均方差，即： 那么就是说，我们现在是已知y和x，来求使得这个损失函数Loss最小化的一个w和b ......
自然语言处理：通过API调用各大公司的机器翻译开放平台
国内大公司做机器翻译做的比较好的有讯飞和百度，这里给出这两个公司机器翻译的开放平台API的介绍： 讯飞开放平台： 链接：https://www.xfyun.cn/doc/nlp/xftrans_new/API.html#%E6%8E%A5%E5%8F%A3%E8%AF%B4%E6%98%8E 百度翻 ......
机器学习-线性分类-支持向量机SVM-SMO算法代码实现-15
1. alpha2 的修剪 if y1 != y2 : α1 - α2 = k # 不用算k的具体大小 if k > 0: # 上图的左 下这条线 α2 的区间 (0, c-k) k < 0 : # 上图的左 下这条线 α2 的区间 （-k, C） 所以： L = max(0, -k) # k>0 ......
机器学习中集成学习的概念及其一些典型算法
1.集成学习的概念 集成学习是一种机器学习范式，在这种范式中，多个学习者被训练和组合起来一起解决同一个问题。通过使用多个学习者，就可以把整个模型的泛化能力提高很多倍 所以说，集成学习的泛化能力比单个学习者强得多得多，所以叫：“集思广益”。 2.集成学习的具体流程 一个问题出来，数据集丢给若干模型进行 ......
JVM实战-G1参数调优
G1简介 G1 GC，全称Garbage-First Garbage Collector，在JDK1.7中引入了G1 GC，从JAVA 9开始，G1 GC是默认的GC算法。通过-XX:+UseG1GC参数来启用。 G1收集器有分区概念，是工作在堆内不同分区上的收集器。G1的分区既可以是年轻代也可以是 ......
python钉钉机器人运维脚本监控实例
面是关于“Python钉钉机器人运维脚本监控实例”的完整攻略: 目录 介绍 使用步骤 配置机器人 运行脚本 示例说明 监控服务器CPU使用率 监控服务器磁盘空间 总结 介绍 钉钉机器人是钉钉提供的一种形式化的通信渠道，可以通过代码来调用钉钉机器人的API，实现以机器人的形式向钉钉群组发送消息。本篇攻 ......
opencv图像处理机器学习真实项目教程(python实现)3图像处理基础
3 图像处理基础 在本章中，我们将介绍图像处理中的各种操作，首先是基于平移的操作，如旋转和调整大小。读者将学习如何使用 OpenCV 旋转和调整图像大小，以及如何控制生成图像的大小和方向。本章接着介绍了图像的算术运算，如加法、减法和除法。本章继续以图像运算为主题，介绍图像的位运算，如 AND、OR ......
Maven-Introduction to the Dependency Mechanism | Maven实战--- dependencies与dependencyManagement的区别
Maven – Introduction to the Dependency Mechanism https://maven.apache.org/guides/introduction/introduction-to-dependency-mechanism.html#:~:text=The de ......
【业务安全实战演练】业务接口调用模块测试9
业务接口调用模块 1，接口调用重放测试 测试方法：接口调用重放测试可以理解成重放测试，接口也就是数据请求，功能很多，例如发布文章，发布评论，下订单，也可以理解成只要请求有新的数据生成，能重复请求并成功，都可以算请求重放，也就是接口重放测试。 修复方法：对生成订单缓解可以使用验证码，防止生成数据的业务 ......
用C#也能做机器学习？
前言✨ 说到机器学习，大家可能都不陌生，但是用C#来做机器学习，可能很多人还第一次听说。其实在C#中基于ML.NET也是可以做机器学习的，这种方式比较适合.NET程序员在项目中集成机器学习模型，不太适合专门学习机器学习，本文我将基于ML.NET Model Builder（低代码、入门简单）构建一个 ......
【python爬虫课程设计】大数据分析——土壤、菌类、环境对乔木植物的生存影响数据的预测模型
选题方向：2.大数据分析 一、选题背景介绍 新华社北京7月18日电 全国生态环境保护大会17日至18日在北京召开。今后5年是美丽中国建设的重要时期，要深入贯彻新时代中国特色社会主义生态文明思想，坚持以人民为中心，牢固树立和践行绿水青山就是金山银山的理念，把建设美丽中国摆在强国建设、民族复兴的突出位置 ......
《Java架构师的第一性原理》26Java基础之Netty源码剖析与实战（极客时间 傅健）
极客时间 98.Netty源码剖析与实战 课程名称：极客时间《Netty源码剖析与实战》 讲师简介 傅健，Netty 源码贡献者。 思科中国研发中心平台软件工程师，毕业后一直在思科工作，已有 9 年。做过很多项目，从移动端应用到文档存储系统、从消息系统到电话接入系统，接触过很多不同类型的开源软件且很 ......
用C#也能做机器学习？
本文先是简单介绍了ML.NET与ML.NET Model Builder，其次基于ML.NET Model Builder构建了一个猫狗识别的机器学习模型实例，最后在.NET项目中集成了它。 ......
MLX vs MPS vs CUDA:苹果新机器学习框架的基准测试
如果你是一个Mac用户和一个深度学习爱好者，你可能希望在某些时候Mac可以处理一些重型模型。苹果刚刚发布了MLX，一个在苹果芯片上高效运行机器学习模型的框架。 最近在PyTorch 1.12中引入MPS后端已经是一个大胆的步骤，但随着MLX的宣布，苹果还想在开源深度学习方面有更大的发展。 在本文中， ......