个人技术分享

0 简单的图像分类

print(f'{path} size = {img.size}, 该图像预测类别为:', classes[pred])1 类别不均衡，有得种类图片2百多，有个只有10个不到；1 如何进行图片增强，图片增强应该注意什么（方向问题）；2 像素大小不同，导致有的图片很清晰，有的很模糊；2 模型大小如何进行选择；

java分别使用 iText 7 库和iText 5 库将excel转成PDF导出，以及如何对excel转PDF合并单元格

总的来说，两种方法在处理 PDF 导出时的逻辑、样式设置和数据处理上有所不同，主要取决于所使用的 iText 版本和对应的 API。对比于 excelToPdf 两个方法。

undetected_chromedriver 控制已打开的浏览器

undetected_chromedriver 通过端口控制已打开的浏览器时，会打开一个多余的空白窗口，鼠标放在Chrome() 按ctrl+B查看源码，找到。

Python - 一个恶意脚本

使用此脚本或修改前请注意以下几点：1. 系统资源：大量模拟键盘和鼠标事件可能会占用大量系统资源，会导致其他应用程序运行缓慢或崩溃。2. 隐私和安全：如果此脚本在未经用户同意的情况下运行，它可能侵犯了用户的隐私和安全。3. 法律责任：在某些情况下，未经授权地发送大量消息可能构成违法行为，并可能导致法律责任。

2024华为OD机试真题-生成哈夫曼树-(C++/Python)-C卷D卷-100分

给定长度为 n 的无序的数字数组，每个数字代表二叉树的叶子节点的权值，数字数组的值均大于等于1。请完成一个函数，根据输入的数字数组，生成哈夫曼树，并将哈夫曼树按照中序遍历输出。为了保证输出的二叉树中序遍历结果统一，增加以下限制：二叉树节点中，左节点权值小于右节点权值，根节点权值为左右节点权值之和。当左右节点权值相同时，左子树高度小于等于右子树高度。

【深度学习基础】详解Pytorch搭建CNN卷积神经网络LeNet-5实现手写数字识别

本文相熟了卷积神经网络CNN的原理，并介绍了如何使用PyTorch框架搭建卷积神经网络模型CNN。实现了LeNet-5的模型的搭建、模型训练、测试、网络的复用、直观查看数据集的图片预测结果等，完成了机器学习领域的Hello world——手写数字识别。

（2）当要在子类中调用父类的同名方法时，使用语法：（）.同名方法()。（2）当子类重写了父类方法后，子类对象优先调用执行子类方法，可以通过【子类名.mro()】查看执行顺序。==A、方法重写==；print("======潜心学习,专研了新的配方制作煎饼果子...")print("===========子类制作煎饼果子!print("=====2======徒弟: 子、父类")print("----1-----黑马学校:父类")==目标：==掌握使用super()调用父类方法。

JetBrains PyCharm 2024 mac/win版编程艺术，智慧新篇

此外，PyCharm 2024还扩展了全行代码补全功能，不仅适用于Python，还适用于JavaScript和TypeScript等前端语言，进一步提升了开发者的编程体验。同时，它还支持多种项目类型，如普通项目、Python测试项目和Django项目等，并提供了大量的内置模板和插件，帮助开发者更快地开始和完成项目开发。总之，JetBrains PyCharm 2024是一款功能全面、性能卓越的Python IDE，无论您是初学者还是资深开发者，都能从中获得出色的编程体验和高效的工作流程。

Java 数据类型 -- Java 语言的 8 种基本数据类型、字符串与数组

篇文章我们将深入了解 Java 的数据类型，包括 Java 语言的 8 种基本数据类型、字符串与数组。这些数据类型是 Java 程序设计的基础，也是编写高效、可靠代码的关键。

flink 从monggo读取PB级全部数据根据分组统计数据样例

【代码】flink 从monggo读取PB级全部数据根据分组统计数据样例。

基于单类支持向量机的滚动轴承异常检测方法（NASA-IMS轴承数据，Python）

Python搭建自己的VPN

以上步骤展示了如何使用 OpenVPN 设置一个基本的 VPN 服务器，并生成客户端配置文件。Python 并不是直接用于创建 VPN 服务器的工具，但可以编写 Python 脚本来自动化上述步骤。对于大规模和高安全性需求的 VPN 部署，建议使用专业的 VPN 管理工具和服务。

LLM漫谈（七）| 使用PyTorch从零构建LLM

因此，我们将使用来自 Huggingface 的数据集，名为“Helsinki-NLP/opus-100”，它有 100 万对英语-马来语训练数据集，足以获得良好的准确性，并且在验证和测试数据集中各有 2000 个数据。：Feedfoward Network使用深度神经网络来学习两个线性层（第一层有d_model个节点，第二层有d_ff节点，根据注意论文分配的值）的所有特征，并将 ReLU 激活函数应用于第一线性层的输出，为嵌入值提供非线性，并应用 dropout 以进一步避免过拟合。