strip

平台提供web管理端方便快捷查看服务器当前状态，同时方便管理服务器。实现平台的易用性。 第一：管理员通过浏览器登入系统后，点击应用中的日志图标。 如下图所示： 第二：打开日志管理员界面。 如下图所示： 第三：查看不同类别的日志，点工具条上对应按钮。 如下图所示： Systemlog:全部日志 PromptError:提示日志 UnexpectedError:错误日志 Warn:警告日志 第四：停止、启动查看日志。 如下图所示： stop:停止查看日志 start:开始查看日志 clear:清楚日志 实时：当前日志，下拉可以选择不同日期的日志 注意：在正式环境，点击打开日志查看后，不用时请及时关闭，显示是实时请求服务器返回日志，有一定资源开销 第五：运行服务器端命令 如下图所示 *：全部集群中的服务器 具体服务器（iP如：172.16.94.9） 中间输入框：可以输入服务器的具体命令 submit按钮：发送到服务器执行命令 （转自公众号：浙江兰德网络） 来源： oschina 链接： https://my.oschina.net/o2oa/blog/4319470

目标检测算法R-CNN介绍 作者：高雨茁 目标检测简介 目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置。 计算机视觉中关于图像识别有四大类任务： 1.分类-Classification：解决“是什么？”的问题，即给定一张图片或一段视频判断里面包含什么类别的目标。 2.定位-Location：解决“在哪里？”的问题，即定位出这个目标的的位置。 3.检测-Detection：解决“是什么？在哪里？”的问题，即定位出这个目标的的位置并且知道目标物是什么。 4.分割-Segmentation：分为实例的分割（Instance-level）和场景分割（Scene-level），解决“每一个像素属于哪个目标物或场景”的问题。 当前目标检测算法分类 1.Two stage目标检测算法 先进行区域生成（region proposal，RP）（一个有可能包含待检物体的预选框），再通过卷积神经网络进行样本分类。 任务：特征提取—>生成RP—>分类/定位回归。 常见的two stage目标检测算法有：R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN和R-FCN等。 2.One stage目标检测算法 不用RP，直接在网络中提取特征来预测物体分类和位置。 任务：特征提取—>分类/定位回归。 常见的one

0. 社区划分简介 0x1：非重叠社区划分方法 在一个网络里面，每一个样本只能是属于一个社区的，那么这样的问题就称为非重叠社区划分。 在非重叠社区划分算法里面，有很多的方法 ： 1. 基于模块度优化的社区划分 基本思想是将社区划分问题转换成了 模块度函数 的优化，而模块度是对社区划分算法结果的一个很重要的衡量标准。 模块度函数在实际求解中无法直接计算得到全局最优解析解（类似深度神经网络对应的复杂高维非线性函数），所以通常是采用近似解法，根据求解方法不同可以分为以下几种方法： 1 . 凝聚方法(down to top): 通过不断合并不同社区，实现对整个网络的社区划分，典型的方法有Newman快速算法，CNM算法和MSG- MV算法； 2 . 分裂方法(top to down): 通过不断的删除网络的边来实现对整个网络的社区划分，典型的方法有GN算法； 3 . 直接近似求解模块度函数(近似等价解): 通过优化算法直接对模块度函数进行求解，典型的方法有EO算法； 2. 基于谱分析的社区划分算法 3. 基于信息论的社区划分算法 4. 基于标签传播的社区划分算法 undone Relevant Link: https: // www.cnblogs.com/LittleHann/p/9078909.html 1. Label Propagation简介

【一、项目背景】 有道翻译作为国内最大的翻译软件之一，用户量巨大。在学习时遇到不会的英语词汇，会第一时间找翻译，有道翻译就是首选。今天教大家如何去获取有道翻译手机版的翻译接口。 【二、项目目标】 多国语言的翻译，可以翻译词语或者句子。 【三、涉及的库和网站】 1、网址如下： http://m.youdao.com/translate 2、涉及的库： requests 、 lxml 3、软件： PyCharm 【四、项目分析】 1、点击F12，点击蓝色窗口切换成手机模式，运行进入开发者模式，点击network，找到headers下面的form Data。 2、输翻译的词语点击翻译按钮，可以看到这里有两个参数，一个是inputtext（输入的词语），一个是type（代表语种)。 3、构架一个表单传入这两个参数，通过改变参数的类型，从而 实现多国的翻译。 4、通过返回的页面进行xpath解析数据。 【五、项目实施】 1、导入需要库，创建一个名为YoudaoSpider的类，定义一个初始化方法init。 import requests from lxml import etree class YoudaoSpider(object): def __init__(self):{ } if __name__ == '__main__': spider = YoudaoSpider() 2

> 近期，动态网络在加速推理这方面有很多研究，DGC(Dynamic Group Convolution)将动态网络的思想结合到分组卷积中，使得分组卷积在轻量化的同时能够加强表达能力，整体思路直接清晰，可作为网络设计时的一个不错的选择   来源：晓飞的算法工程笔记 公众号 论文: Dynamic Group Convolution for Accelerating Convolutional Neural Networks 论文地址： https://arxiv.org/abs/2007.04242 论文代码： https://github.com/zhuogege1943/dgc Introduction   分组卷积目前广泛应用于轻量级网络中，但论文分析发现分组卷积有两个致命的缺点： 由于引入稀疏连接，减弱了卷积的表达能力，导致性能的降低，特别对于难样本。 固定的连接模式，不会根据输入样本的特性而改变。而论文通过可视化DenseNet中间层的输入维度对输出维度的贡献发现，不同的输入维度对不同的输出的贡献是不一样的，而且这个贡献关系在不同的输入样本之间也存在差异。   参考动态网络的思想，论文提出动态分组卷积(DGC, dynamic group convolution)，为每个分组引入小型特征选择器，根据输入特征的强度动态决定连接哪些输入维度

开发工具 **Python版本：**3.6.4 相关模块： requests模块； selenium模块； lxml模块； pyecharts模块； 以及一些Python自带的模块。 相关文件 关注公众号“ python ”回复‘ qq下 ’获取。 环境搭建 同 Python爬取QQ空间信息（上） 。 pyecharts模块安装参见： Python简单分析微信好友 原理简介 T_T 空间都登录了，剩下的就是分析数据包，找到需要的接口来获取需要的数据并分析呗。。。 PS： **公众号提供的脚本只能抓取你有权限访问的数据。 所有脚本仅供学习交流。 具体实现过程详见相关文件中的源代码。 使用方式 在cmd窗口运行 QQ_Spider.py 文件即可。 结果展示 借了一个玉树临风、面如冠玉、仪表不凡的小哥的QQ号做的分析QAQ。 qq好友男女比例： qq好友年龄分布： qq好友位置分布： That's All. 更多 事实上，本文提供的脚本可抓取的好友信息并不是仅有结果展示中的那些： 来源： oschina 链接： https://my.oschina.net/u/3465607/blog/4396309

1.字符串大小写变换： title ：返回字符串的标题式样（即首字母大写） upper ：返回全大写字符串 lower：返回全小写字符串 swapcase:返回字符串大小写交换 s = " wWw.dqq.coM " print("1:",s.title()) ##WWw.dqq.coM print("2:",s.upper()) ##WWW.DQQ.COM print("3:",s.lower()) ##www.dqq.com print("4:",s.swapcase()) 2.字符串字母数字检查 isalnum : 检查所有字符串是否只有数字和字母，返回结果为True或False isalpha: 检查字符串中是否只有字母 isdigit: 检查字符串字符是否全为数字 islower/isupper：检查字符串字符是否全为小写/大写 istitle：检查字符串字符是否为标题式样 startswitch:检查字符串字符是否以特定字符开头 endswitch:检查字符串字符是否以特定字符结尾 s = "wwwmfdkmg" print('1:',s.isalnum()) # 检查所有字符串是否只有数字和字母，返回结果为True或False print('2:',s.isalpha()) #检查字符串中是否只有字母，返回结果同上 print('3:',s.isdigit())

常量定义规则：常量意义为不可做更改；常量定义名称为全大写； 如：MYSQL_CONNECTION= '192.168.1.1' pyc：python生成的翻译文件，使计算机能够识别python语言； 列表的语法和使用： 列表参数插入语法：name.insert(2,'minggou') name[1] = "wangminglong" --->修改列表中对应字段的内容； 追加：name.append("alex") 删除：name.remove("minggou") 定义列表：name=["1","minghu",2,43,"minggou"] 步长：print(name[::2])每隔一位取值一次； 查询列表：WHICH in name if 9 in name: num_of_ele = name.count(9) position_of_ele = name.index(9) name[position_of_ele] = 999 print("[%s] 9 is in name,postion:[%s]" % (num_of_ele,position_of_ele)) print(name) for i in range(name.count(9)): #修改所有9 ele_index = name.index(9) name[ele_index] = 9999999

问题： 有没有一种简单的方法可以在JavaScript中获取html字符串并去除html？ 解决方案： 参考一： https://stackoom.com/question/3RxM/从文本JavaScript中删除HTML 参考二： https://oldbug.net/q/3RxM/Strip-HTML-from-Text-JavaScript 来源： oschina 链接： https://my.oschina.net/u/4438370/blog/4396310

1.组件化的分层 组件化分层的意义： 1.模块间解耦合 2.模块重用 3.提高开发的效率 组件的颗粒度划分如下：（注意：必须是上层依赖下层，不可以平行层之间互相依赖，如果平行层之间有依赖的必要性，那么应该把公共的部分，下沉到下一个层次，再进行依赖）  2.cocoapod的补充知识 当我们的项目用cocoapod进行三方库的管理时候，我们的项目下层依赖就会cocoapod，那么我们的项目是怎样查找到需要使用的三方库（比如AFNetWorking）呢？，如下图，我们cocoapod的本地库中，在master/specs下后面的0/a里面放着我们来下的的三方的一些信息和索引，当我们需要目标三方库的时候我们specs下子目录中进行匹配，找到响应的三方库的链接，跳转github进行下拉到本地供我们使用。因为我们组件化也是使用cocoapod进行管理的，所以这里建党讲解一下使用原理。 3.组件化的基本操作（注意：记得每次对组件进行改动后，我们在项目中打开查看都需要pod install 更新刚才修改的操作） 1.组件化的基本操作 在我们的电脑上新建一个目录：比如我新建---组件化，然后我们比如要写一个宏定义和分类的组件（我的这组件命名：LGMacroAndCategoryModule），在终端中cd 到我们要新建组件的目录下，写命令 pod lib create 组件名