def

　　一：关于Python修饰符@property和装饰器(decorator)等的解释和用法 　　二：mmdetection/mmdet/core/fp16/utils.py 　　from collections import abc 　　import numpy as np 　　import torch 　　def cast_tensor_type(inputs, src_type, dst_type): 　　if isinstance(inputs, torch.Tensor): 　　return inputs.to(dst_type) 　　elif isinstance(inputs, str): 　　return inputs 　　elif isinstance(inputs, np.ndarray): 　　return inputs 　　elif isinstance(inputs, abc.Mapping): 　　return type(inputs)({ 　　k: cast_tensor_type(v, src_type, dst_type) 　　for k, v in inputs.items() 　　}) 　　elif isinstance(inputs, abc.Iterable): 　　return type(inputs)( 　　cast_tensor

一、目标： 　　下载网易云音乐热门歌单 二、用到的模块： 　　requests，multiprocessing，re。 三、步骤： 　　 （1）页面分析：首先打开网易云音乐，选择热门歌单，可以看到以下歌单列表，然后打开开发者工具 　　 因此我们需要请求的url就是https://music.163.com/discover/playlist，然后用requests.get()方法请求页面，对于返回的结果，用正则表达式进行解析，得到歌单名字和歌单id，解析的正则表达式如下： res = requests.get(url, headers=headers) data = re.findall('<a title="(.*?)" href="/playlist\?id=(\d+)" class="msk"></a>', res.text) 　　 　　（2）得到歌单名字和歌单id后，构造歌单的url，然后模仿步骤（1）可以得到歌曲名字和歌曲id，解析的正则表达式如下： re.findall(r'<a href="/song\?id=(\d+)">(.*?)</a>', res.text) 　　再得到歌曲id后，构造歌曲的url，然后用requests.get().content方法下载歌曲，歌曲的url构造方法如下： "http://music.163.com/song/media

天气降温，感情却升温了？ 上午刚到公司，就收到小Q发来的灵魂拷问： “Q仔！要不然下午请个假！我带你去精神科看看！？”我实在忍不了，脱口而出。 话音未落，前排的运营小花回头看向小Q，莞尔一笑，百媚横生。 这个闷骚小伙子什么时候勾搭上运营一枝花了？我正要追问，小Q看穿了我的意图，故作正经：“咳咳！工作了工作了！” 一大早喂我这么一碗狗粮还让我专心工作？你们以为不说我就没办法找到线索？ 伟大的哲学家亚里士少德曾经说过“一段感情的开始，往往是通过朋友圈体现的”。我点开了小花的朋友圈，刷啊刷啊刷，终于在半个月前的一条朋友圈里发现了端倪。 小Q这个闷葫芦，竟然每天下班前发一封天气关心邮件来俘获芳心！脑回路真是奇清！ 怪不得今天一上班就和我说Python像是个月老，牵着他们的情愫！因为这些用Python来实现并自动化，可以说是分分钟的事儿。我这个动手狂魔决定来复现一下，顺便搞搞事情。 整个过程只涉及到爬取天气和发送邮件，可以说一气呵成。 在敲代码的过程中，我意识到最难的部分，是想到把两者结合，并编辑土味关怀发送给目标用户了。毕竟都9102年了，虽然天气预报随手可看，但真正有几个人每天会关注呢？ 要拿到天气的数据， www.tianqi.com 这个网址比较适合，所有数据都可以直接在源代码中拿到，天气小可爱长这个样子： 爬取只需简单伪装headers，就可以快乐的定位到所有想拿的数据了

这程序是一个图书管理系统　　 #off-by-one 程序逻辑 1 __int64 __fastcall main(__int64 a1, char **a2, char ** a3) 2 { 3 struct _IO_FILE *v3; // rdi 4 __int64 savedregs; // [rsp+20h] [rbp+0h] 5 6 setvbuf(stdout, 0LL, 2 , 0LL); 7 v3 = stdin; 8 setvbuf(stdin, 0LL, 1 , 0LL); 9 hello(); 10 input_name(); 11 while ( (unsigned int )sub_A89(v3) != 6 ) 12 { 13 switch ( (unsigned int )& savedregs ) 14 { 15 case 1u : 16 create(v3); 17 break ; 18 case 2u : 19 delete(v3); 20 break ; 21 case 3u : 22 edit(v3); 23 break ; 24 case 4u : 25 print(v3); 26 break ; 27 case 5u : 28 input_name(); 29 break ; 30 default : 31 v3 = ( struct

异常处理try except 在Python中，异常处理，主要是try except语句，通常语法格式如下. try: 代码块1 except Exception as e: print(e) 代码2 try语句按照如下方式工作； 首先，执行try子句（在关键字try和关键字except之间的语句） 如果没有异常发生，忽略except子句，try子句执行后结束。 如果在执行try子句的过程中发生了异常，那么try子句余下的部分将被忽略。如果异常的类型和 except 之后的名称相符，那么对应的except子句将被执行。最后执行 try 语句之后的代码。 如果一个异常没有与任何的except匹配，那么这个异常将会传递给上层的try中。 一个 try 语句可能包含多个except子句，分别来处理不同的特定的异常。最多只有一个分支会被执行。 处理程序将只针对对应的try子句中的异常进行处理，而不是其他的 try 的处理程序中的异常。 我们来看个简单的例子 a=10 b=0 c=a/b print(c) print("done") 运行一下，结果如下： c=a/b ZeroDivisionError: division by zero 程序因为ZeroDivisionError 而中断了 ，语句print ("done" )并没有运行。为了处理异常，我们使用try...except ： a

一、RPN锚框信息生成 上文的最后，我们生成了用于计算锚框信息的特征（源代码在inference模式中不进行锚框生成，而是外部生成好feed进网络，training模式下在向前传播时直接生成锚框，不过实际上没什么区别，锚框生成的讲解见 『计算机视觉』Mask-RCNN_锚框生成 ）： 　　　　rpn_feature_maps = [P2, P3, P4, P5, P6] 接下来，我们基于上述特征首先生成锚框的信息，包含每个锚框的 前景/背景得分信息 及每个锚框的 坐标修正信息 。 接前文主函数 ，我们初始化rpn model class的对象，并应用于各层特征： # Anchors if mode == "training": …… else: anchors = input_anchors # RPN Model, 返回的是keras的Module对象, 注意keras中的Module对象是可call的 rpn = build_rpn_model(config.RPN_ANCHOR_STRIDE, # 1 3 256 len(config.RPN_ANCHOR_RATIOS), config.TOP_DOWN_PYRAMID_SIZE) # Loop through pyramid layers layer_outputs = [] # list of lists for p

上一次分享了使用matplotlib对爬取的豆瓣书籍排行榜进行分析，但是发现python本身自带的这个绘图分析库还是有一些局限，绘图不够美观等，在网上搜索了一波，发现现在有很多的支持python的绘图库可以使用，本次尝试使用pyecharts对爬取的数据进行分析，然后发现这个库实在是太好用了，生成的库也很好看，还能生成动态图，简直是进行数据分析的一大神器！ pyecharts： pyecharts 是一个封装百度开源图表库echarts的包,使用 pyecharts 可以生成独立的网页,也可以在flask、django中集成使用。 本次爬取的首页地址是： http://www.tianqihoubao.com/lishi/nanjing.html 爬取步骤： 爬取主网页，获取进入每个南京市具体年份月份的天气数据的链接 爬取上方获取的具体链接的数据 存储数据 对数据进行筛选后使用pyecharts进行分析 话不多说，马上开始吧！ 步骤一 从上图可知，我们需要先获取进入每个具体月份的链接，才能爬取想要的数据，所以首先定义获取具体链接的函数，然后在爬取会方便很多；查看网页源代码查找目标所在位置，本次我依然是使用lxml库来进行数据的爬取（PS：感觉习惯了lxml其他库就不好用了），这里需要注意的是，我是将获得的结果一个一个的存入列表，这种方法很笨，但作为菜鸟的我确实不知道其他方法了

一、模块概述 上节的最后，我们进行了如下操作获取了有限的proposal， # [IMAGES_PER_GPU, num_rois, (y1, x1, y2, x2)] # IMAGES_PER_GPU取代了batch，之后说的batch都是IMAGES_PER_GPU rpn_rois = ProposalLayer( proposal_count=proposal_count, nms_threshold=config.RPN_NMS_THRESHOLD, # 0.7 name="ROI", config=config)([rpn_class, rpn_bbox, anchors]) 总结一下： 与 GT 的 IOU 大于0.7 与某一个 GT 的 IOU 最大的那个 anchor 进一步，我们需要按照RCNN的思路，使用proposal对共享特征进行ROI操作，在Mask-RCNN中这里有两个创新： ROI使用ROI Align取代了之前的ROI Pooling 共享特征由之前的单层变换为了FPN得到的金字塔多层特征，即： mrcnn_feature_maps = [P2, P3, P4, P5] 其中创新点2意味着我们不同的proposal对应去ROI的特征层并不相同，所以，我们需要： 按照proposal的长宽，将不同的proposal对应给不同的特征层

All IT eBooks多线程爬取-写在前面 对一个爬虫爱好者来说，或多或少都有这么一点点的 收集癖 ~ 发现好的图片，发现好的书籍，发现各种能存放在电脑上的东西，都喜欢把它批量的爬取下来。 然后放着，是的，就这么放着.......然后慢慢的遗忘掉..... All IT eBooks多线程爬取-爬虫分析 打开网址 http://www.allitebooks.com/ 发现特别清晰的小页面，一看就好爬 在点击一本图书进入，发现下载的小链接也很明显的展示在了我们面前，小激动一把，这么清晰无广告的网站不多见了。 All IT eBooks多线程爬取-撸代码 这次我采用了一个新的模块 requests-html 这个模块的作者之前开发了一款 requests ，你应该非常熟悉了，线程控制采用的 queue 安装 requests-html 模块 pip install requests-html 关于这个模块的使用，你只需要使用搜索引擎搜索一下这个模块名称，那文章也是很多滴，作为能学到这篇博客的你来说，是很简单的拉~ 我们编写一下核心的内容 from requests_html import HTMLSession from queue import Queue import requests import random import threading CARWL_EXIT =

一 简介 Scala 是一门多范式（multi-paradigm）的编程语言，设计初衷是要集成面向对象编程和函数式编程的各种特性。Scala 运行在Java虚拟机上，并兼容现有的Java程序。Scala 源代码被编译成Java字节码，所以它可以运行于JVM之上，并可以调用现有的Java类库。 二 安装与环境配置 Scala 语言可以运行在Window、Linux、Unix、 Mac OS X等系统上。Scala是基于java之上，大量使用java的类库和变量，使用 Scala 之前必须先安装 Java（>1.5版本）。 1 Java 安装设置（ Linux 上安装 jdk ） 确保你本地以及安装了 JDK 1.5 以上版本，并且设置了 JAVA_HOME 环境变量及 JDK 的bin目录，scala2.11支持jdk1.8以上。 我们可以使用以下命令查看是否安装了 Java：java-version java version "1.8.0_171" Java(TM) SE Runtime Environment (build 1.8.0_171- b11) Java HotSpot(TM) 64-Bit Server VM (build 25.171-b11, mixed mode) 接着，我们可以查看是否安装了 Java 编译器。输入以下命令查看： $ javac -