pip

​ AI时代还拿着手机打飞机游戏是不是out了？ 飞桨 Paddle Hub带你体验不一样的游戏玩法。 下载安装命令 ## CPU版本安装命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle ## GPU版本安装命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu 从世界上第一款游戏诞生开始，电玩都需要依赖手柄和按键进行，无论是PC游戏，还是 XBOX 、PS 这类主机游戏，控制器和手柄都是不可缺少的。 直到2009年微软发布了第一代 Kinect，将人体检测作为游戏控制，彻底颠覆了游戏的单一操作，开创了解放双手的先河，使人机互动的理念更加彻底地展现出来。但是之后，2018 年微软彻底弃用了 Kinect 实在让人惋惜！ 大众流行的游戏文化中，人机互动的主流方式还是离不开手柄，即使到了手机和Pad 横行的移动时代，大多数的主流游戏依然利用的是虚拟键盘和虚拟手柄的交互方式。 人类发展的动力其实很大一部分来自于人类“懒惰”的天性，所以对我而言，如果能通过更简单、自由的交互方式玩游戏，将是非常有意思的事情。虽然我们离脑机接口和思维控制还有很长的路要走，但是随着深度学习的发展，相信不久的将来

Python环境,Oracle client版本,系统 python 3.7 64位 , Oracle - OraClient11g_home1 64位 , 系统 windows 7 cx_Oracle 安装 cx_Oracle不能直接用pip安装,这样会导致版本不符,要根据自己的python版本和Oracle client版本安装 Python一个官方网站PyPI，上面有丰富的模块。cx_Oracle就可以在PyPI中下载。 打开PyPI的网址 https://pypi.python.org/pypi，在里面搜索cx_Oracle，即可找到该模块 点击Download files 下载适合自己的 whl 文件, 安装这个得先在cmd下输入：pip install wheel , 先安装 wheel , 安装完毕 , 还是在cmd里，用dos命令找到cx_Oracle下载位置。 安装好wheel之后,用如下命令来安装cx_Oracle,首先要在dos命令框中进入安装包所在目录, 命令：pip install cx_Oracle-6.4.1-cp37-cp37m-win32.whl，其中“cx_Oracle-6.4.1-cp37-cp37m-win32.whl”是文件名 之后就可以写python脚本,操作Oracle数据库了 实例 : import cx_Oracle try:

在以前的版本中，我们需要安装pip时，只需要执行下面命令即可安装： apt-get install python-pip 但是在更新到2020.1以后，上面的命令安装会提示无法定位安装包的问题！ 解决办法 wget https://bootstrap.pypa.io/get-pip.py python get-pip.py 来源： oschina 链接： https://my.oschina.net/u/4405841/blog/4282942

Py之imblearn：imblearn/imbalanced-learn库的简介、安装、使用方法之详细攻略 目录 imblearn/imbalanced-learn库的简介 imblearn/imbalanced-learn库的安装 imblearn/imbalanced-learn库的使用方法 imblearn/imbalanced-learn库的简介 imblearn/imbalanced-learn是一个python包，它提供了许多重采样技术，常用于显示强烈类间不平衡的数据集中。它与scikit learn兼容，是 scikit-learn-contrib 项目的一部分。 在python3.6+下测试了imbalanced-learn。依赖性要求基于上一个scikit学习版本： scipy(>=0.19.1) numpy(>=1.13.3) scikit-learn(>=0.22) joblib(>=0.11) keras 2 (optional) tensorflow (optional) imblearn/imbalanced-learn库的安装 pip install imblearn pip install imbalanced-learn pip install -U imbalanced-learn conda install -c conda-forge

一、简介 　　XPath 是一门在 XML 文档中查找信息的语言。XPath 可用来在 XML 文档中对元素和属性进行遍历。XPath 是 W3C XSLT 标准的主要元素，并且 XQuery 和 XPointer 都构建于 XPath 表达之上。 二、安装 pip3 install lxml 三、使用 选取节点 常用的路径表达式 nodename（表达式、） 选取nodename节点的所有子节点 （描述） xpath(‘//div’) 选取了div节点的所有子节点（实例） / 从根节点选取 xpath(‘/div’) 从根节点上选取div节点 // 选取所有的当前节点，不考虑他们的位置 xpath(‘//div’) 选取所有的div节点 . 选取当前节点 xpath(‘./div’) 选取当前节点下的div节点 .. 选取当前节点的父节点 xpath(‘..’) 回到上一个节点 @ 选取属性 xpath（’//@calss’）选取所有的class属性 谓词：被嵌在方括号内，用来查找某个特定的节点或包含某个制定的值的节点 xpath(‘/body/div[1]’)   选取body下的第一个div节点 xpath(‘/body/div[last()]’)   选取body下最后一个div节点 xpath(‘/body/div[last()-1]’)  

教你从头到尾利用DL学梵高作画 作者：七月在线开发/市场团队中的三人，骁哲、李伟、July。本教程主要由骁哲撰写，李伟负责Linux命令部分。 时间：二零一六年九月二十五日 配置：GTX 1070 cuda 8.0 Ubuntu 14.04 cudnn 5.1 tensorflow gpu 交流：TensorFlow实战交流Q群 472899334，有问题可以加此群共同交流。另探究实验背后原理，请参看我们的深度学习在线课程： 深度学习在线班 。 一、前言 12年本博客推出SVM三层境界，14年July团队开始做机器学习线下班，也因此写了一系列ML博客。15年，July团队正式创业，开始做 七月在线 —— 国内领先的人工智能教育平台，最初涵盖算法、机器学习、深度学习三大重心。16年，七月在线从上半年的5个课程扩展到下半年的30个课程，讲师团队也从上半年的5人扩大至现有的19人（且到18年上半年，讲师团队已超过60人）。 与此同时，机器学习越来越火，且随着计算机计算能力的提高深度学习则更趋火热。公司在做深度学习的课程时，开发/市场同事也会顺带着学习学习，但从始至终都尚未跟着课程上的实验实际动手做过。 直到最近，我们团队人手渐渐齐了之后，发现可以动手做一些实验了。为何呢？学一个东西，懂它理论之后，最重要的是付诸实践，动手实验一把，不然永远只是纸上谈兵。 我们三虽然都不讲课

功能拆解 python连接Elasticsearch 查询Elasticsearch打印结果 导出所有结果数据 将所有结果写入csv文件 1.打通python与Elasticsearch的通信 与python连接Oracle、MySQL差不多思路，这里需要用到Elasticsearch包，没有的赶紧使用 pip install elasticsearch 来安装。安装成功后，再使用from elasticsearch import Elasticsearch就不会报错了。 from elasticsearch import Elasticsearch es = Elasticsearch(hosts="http://192.168.21.33:9200/", http_auth=('abc','dataanalysis')) print(es.info()) 通过Elasticsearch()来配置连接，告诉它Elasticsearch所在服务器的IP地址，如果需要输入用户名密码，在http_auth参数中给出。如果打印连接的信息不报错，那就表明连接成功了 2.通过json查询体实现ES的查询 请求体与Kibana下使用的格式完全一致，如果不确定请求体写的对不对，可以放在Kibana下调试一下，调试正确了再放进来。 如下所示，通过"_source" : "title

现阶段python在人工智能及数据分析中得到了很多的实践成果。而python的编辑器也有很多种，如：pychram、N++、jupyter……其中jupyter以web的形式来进行编辑的工具。接下来讲下如何使用睿江云服务来部署jupyter这强大的工具。 一、环境配置 1.centeos7 2.python3 二、安装jupyter notebook 安装jupyter 安装Jupyter Notebook 通过pip安装Jupyter Notebook #安装jupyter notebook python3 -m pip install jupyter #安装完会在python3的包管理器，创建一个软连接以便在任何地方都可以直接执行 ln -s /usr/local/python3/bin/jupyter /usr/bin/jupyter 通过jupyter notebook命令启动Jupyter服务器，验证是否安装成功 [root@instance-hrnebyqu bin]# jupyter notebook --allow-root [I 11:26:22.273 NotebookApp] JupyterLab beta preview extension loaded from /root/anaconda3/lib/python3.6/site-packages

我一直认为，在python入门阶段学习基础理论，太枯燥。所以我们整理了很多有关python的项目案例，有详细教程还有源码，希望能帮助更多对python感兴趣的人。 这是其中一个适合入门的Python项目案例，即：用Python开发塔防小游戏。 塔防游戏都玩过吧？它很简单，即使对于从未接触编程的人来说，跟着详细教程和相应的全部源码，同样可以开发出塔防小游戏。 下面简单讲一下python入门塔防游戏的大致开发步骤！ 首先，准备相应的开发工具 Python开发版本：3.6.4 相关模块：pygame模块，以及python自带的其他模块。 搭建环境 安装python并添加到环境变量，pip安装需要的相关模块即可。 然后，简单介绍一下这个游戏的规则 你需要保护城堡，并建造箭塔，抵御敌人的进攻，而每当有一个敌人冲进城堡，城堡的生命值就会下降，当生命值降为0时，游戏就算失败了！ 如何胜利呢？重点来了： 随着时间的推移，敌人的数量会越来越多，在这样的情况下，基本上是不可能胜利的。 所以，需要你根据详细教程，学会这个Python小游戏的开发原理，然后自己再做游戏的规则调整，才有可能胜利哦！ 整个游戏非常有趣，并且还有其他的功能，比如：通过打怪攒钱，购买箭塔，或者出售自己的箭塔。 有趣的python塔防小游戏，通过详细教程和所有源码，在游戏的过程中，还能收获很多有关python基础的知识点

没GPU也能玩梵高作画：Ubuntu tensorflow CPU版 作者：七月在线开发/市场团队骁哲、李伟、July 时间：二零一六年九月二十七日 交流：TensorFlow实战交流Q群 472899334，有问题可以加此群共同交流。另探究实验背后原理，请参看： 深度学习在线班 。 一、前言 9月22号，我们开发/市场团队的两同事利用DL学梵高作画，安装cuda 8.0趟遍无数坑，很多朋友求避坑。因此，3天后的9月25日，便把教程《 教你从头到尾利用DL学梵高作画：GTX 1070 cuda 8.0 tensorflow gpu版 》公布出去。但令人尴尬的是，不少同学没有GTX 1070、甚至没有一块像样的GPU。 对于在北京的朋友，我们可以提供1070机器免费给大家实验，但对于更多不在北京的朋友呢？为了让 每一个人都能玩一把 ，特此发布本tensorflow作画的CPU版教程。你会看到，搭建过程相比较GPU版本而言简单太多太多了，但缺点是没有了GPU，计算过程非常熬人，i7-6700大约1.5h（要知道，如果搭好GPU，最后计算过程就几分钟的事）。 但不管咋样，之前你说没有GTX 1070所以没去动手，那现在有个CPU就能跑了，不受硬件条件限制，何不现在就动手试一把？希望更多朋友与我们一起玩更多有趣、好玩的实验。 二、安装 2.1、安装tensorflow Windows 下