- 现象：启动gradio时，会报一个超时请求异常，及时捕获了最外层的启动项，异常并不会进入。但是这个报错并不影响使用，只是启动过一会儿会报错。Exception in thread Exception in thread Thread-3 (_do_normal_analytics_request)Thread-5 (_do_normal_analytics_request):根因：自分析，是... 现象：启动gradio时，会报一个超时请求异常，及时捕获了最外层的启动项，异常并不会进入。但是这个报错并不影响使用，只是启动过一会儿会报错。Exception in thread Exception in thread Thread-3 (_do_normal_analytics_request)Thread-5 (_do_normal_analytics_request):根因：自分析，是...
- Python 操作 360 浏览器（IE 内核）的自动化方案1. 引言在企业级应用、自动化测试及数据采集场景中，常需通过编程控制浏览器完成特定操作（如表单提交、页面爬取）。360 浏览器作为国内主流浏览器之一，其兼容模式（IE 内核）广泛用于适配依赖 IE 特性的老旧系统。本文探讨如何通过 Python 操作 360 浏览器的 IE 内核模式，实现自动化任务，并分析其技术原理与实践方... Python 操作 360 浏览器（IE 内核）的自动化方案1. 引言在企业级应用、自动化测试及数据采集场景中，常需通过编程控制浏览器完成特定操作（如表单提交、页面爬取）。360 浏览器作为国内主流浏览器之一，其兼容模式（IE 内核）广泛用于适配依赖 IE 特性的老旧系统。本文探讨如何通过 Python 操作 360 浏览器的 IE 内核模式，实现自动化任务，并分析其技术原理与实践方...
- 计算机组成 什么是计算机？ 计算机是由什么组成的？ 1. 硬件系统： 3. 计算机是如何处理程序的？ 4. 编程语言是什么？ 5. 什么是Python？ 目标 Python介绍 一. 解释器的作用 二. 下载Python解释器 二. 注释的分类及语法 2.1 快速体验 二. 定义变量 2.1 标识符 2.2 命名习惯 2.3 使用变量 2.4 认识bug 三. Debug工具 计算机组成 什么是计算机？ 计算机是由什么组成的？ 1. 硬件系统： 3. 计算机是如何处理程序的？ 4. 编程语言是什么？ 5. 什么是Python？ 目标 Python介绍 一. 解释器的作用 二. 下载Python解释器 二. 注释的分类及语法 2.1 快速体验 二. 定义变量 2.1 标识符 2.2 命名习惯 2.3 使用变量 2.4 认识bug 三. Debug工具
- 在职高新课-深度学习 要求 目标 环境要求 1.1 深度学习介绍 学习目标 1.1.1 区别 1.1.3 深度学习代表算法-神经网络 1.1.4 为什么深度学习现在效果非常好 深度学习与神经网络 1.2 神经网络基础 循环神经网络 4.2 词嵌入与NLP 4.3 seq2seq与Attention机制 5.1 生成对抗网络(GAN) 高级主题 5.2 自动编码器 5.3 Ca 在职高新课-深度学习 要求 目标 环境要求 1.1 深度学习介绍 学习目标 1.1.1 区别 1.1.3 深度学习代表算法-神经网络 1.1.4 为什么深度学习现在效果非常好 深度学习与神经网络 1.2 神经网络基础 循环神经网络 4.2 词嵌入与NLP 4.3 seq2seq与Attention机制 5.1 生成对抗网络(GAN) 高级主题 5.2 自动编码器 5.3 Ca
- LBA-ECO CD-32 LBA Model Intercomparison Project (LBA-MIP) Forcing Data简介该数据集填补了 1999 年至 2006 年间巴西九座通量塔的气象观测数据空白。测量数据包括：气温、比湿、风速模量、地面向下长波和短波辐射、地面气压、降水量以及二氧化碳（CO2）。这些大气数据以 1 小时为时间步长提供。这些数据被用作 LBA 模式... LBA-ECO CD-32 LBA Model Intercomparison Project (LBA-MIP) Forcing Data简介该数据集填补了 1999 年至 2006 年间巴西九座通量塔的气象观测数据空白。测量数据包括：气温、比湿、风速模量、地面向下长波和短波辐射、地面气压、降水量以及二氧化碳（CO2）。这些大气数据以 1 小时为时间步长提供。这些数据被用作 LBA 模式...
- 要求 目标 1.1 项目演示 学习目标 1.1 图像识别背景 1.2 什么是目标检测 1.2.1 目标检测定义 1.2.1.1 物体 1.3 目标检测应用场景 1.3.1 行业 1.3.2 应用类别 1.4 开发环境搭建 目标检测概述 3.1 目标检测任务描述 3.1.4 目标定位的简单实现 项目实现 4.9 Web Server + TensorFlow Serving C 要求 目标 1.1 项目演示 学习目标 1.1 图像识别背景 1.2 什么是目标检测 1.2.1 目标检测定义 1.2.1.1 物体 1.3 目标检测应用场景 1.3.1 行业 1.3.2 应用类别 1.4 开发环境搭建 目标检测概述 3.1 目标检测任务描述 3.1.4 目标定位的简单实现 项目实现 4.9 Web Server + TensorFlow Serving C
- 基于 Python 的农产品销售系统的设计与实现1. 引言在乡村振兴与农业数字化转型的背景下，农产品销售模式正从传统线下逐步转向线上化、信息化。传统农产品销售存在信息不透明、库存管理低效、供需匹配困难等问题，亟需通过数字化系统提升效率。本文设计的农产品销售系统基于 Python 开发，采用轻量级文件存储（CSV/JSON）和面向对象编程（OOP）技术，实现农产品信息管理、订单处理、库... 基于 Python 的农产品销售系统的设计与实现1. 引言在乡村振兴与农业数字化转型的背景下，农产品销售模式正从传统线下逐步转向线上化、信息化。传统农产品销售存在信息不透明、库存管理低效、供需匹配困难等问题，亟需通过数字化系统提升效率。本文设计的农产品销售系统基于 Python 开发，采用轻量级文件存储（CSV/JSON）和面向对象编程（OOP）技术，实现农产品信息管理、订单处理、库...
- 基于 Python 的学生成绩管理系统1. 引言在教育信息化进程中，学生成绩管理是学校教学管理的核心环节之一。传统的手工记录方式效率低、易出错，难以满足大规模学生数据的存储、查询与分析需求。本文设计的学生成绩管理系统基于 Python 开发，采用文件存储（CSV/JSON）和面向对象编程（OOP）技术，实现学生信息与成绩的增删改查、统计分析及数据持久化功能。系统适用于中小型教育机构，... 基于 Python 的学生成绩管理系统1. 引言在教育信息化进程中，学生成绩管理是学校教学管理的核心环节之一。传统的手工记录方式效率低、易出错，难以满足大规模学生数据的存储、查询与分析需求。本文设计的学生成绩管理系统基于 Python 开发，采用文件存储（CSV/JSON）和面向对象编程（OOP）技术，实现学生信息与成绩的增删改查、统计分析及数据持久化功能。系统适用于中小型教育机构，...
- LBA-ECO CD-32 Flux Tower Network Data Compilation, Brazilian Amazon: 1999-2006, V2简介该数据集汇集了碳和能量涡旋协方差通量、气象、辐射、冠层温度、湿度、二氧化碳廓线以及土壤湿度和温度廓线数据，这些数据均来自巴西亚马逊地区的九座观测塔。独立研究人员提供了1999年至2006年间多个通量观测塔项目的数据。这是观测塔... LBA-ECO CD-32 Flux Tower Network Data Compilation, Brazilian Amazon: 1999-2006, V2简介该数据集汇集了碳和能量涡旋协方差通量、气象、辐射、冠层温度、湿度、二氧化碳廓线以及土壤湿度和温度廓线数据，这些数据均来自巴西亚马逊地区的九座观测塔。独立研究人员提供了1999年至2006年间多个通量观测塔项目的数据。这是观测塔...
- 基于Python的白酒数据推荐系统1. 引言中国白酒市场品类繁多、消费需求个性化显著，用户常面临“选择困难”。传统推荐依赖人工经验或简单销量排序，难以精准匹配用户偏好。本系统基于Python生态，融合协同过滤、内容推荐与深度学习技术，构建智能化白酒推荐引擎，旨在提升用户发现心仪产品的效率，同时助力酒企优化营销策略。2. 技术背景2.1 核心技术栈数据处理：Pa... 基于Python的白酒数据推荐系统1. 引言中国白酒市场品类繁多、消费需求个性化显著，用户常面临“选择困难”。传统推荐依赖人工经验或简单销量排序，难以精准匹配用户偏好。本系统基于Python生态，融合协同过滤、内容推荐与深度学习技术，构建智能化白酒推荐引擎，旨在提升用户发现心仪产品的效率，同时助力酒企优化营销策略。2. 技术背景2.1 核心技术栈数据处理：Pa...
- 稀疏矩阵存储模型比较与在Python中的实现方法探讨随着数据科学、图计算与机器学习的迅猛发展，稀疏矩阵已成为大规模数据处理中不可或缺的一种数据结构。本文将系统地介绍稀疏矩阵的压缩存储方式，并结合代码实例，探讨其在高效运算中的应用策略。 一、稀疏矩阵概述在实际工程和科研中，我们常会遇到这样一种矩阵：大多数元素为零，仅有极少数的非零元素。这种矩阵称为稀疏矩阵（Sparse Matrix）。若使... 稀疏矩阵存储模型比较与在Python中的实现方法探讨随着数据科学、图计算与机器学习的迅猛发展，稀疏矩阵已成为大规模数据处理中不可或缺的一种数据结构。本文将系统地介绍稀疏矩阵的压缩存储方式，并结合代码实例，探讨其在高效运算中的应用策略。 一、稀疏矩阵概述在实际工程和科研中，我们常会遇到这样一种矩阵：大多数元素为零，仅有极少数的非零元素。这种矩阵称为稀疏矩阵（Sparse Matrix）。若使...
- LBA-ECO CD-10 Forest Litter Data for km 67 Tower Site, Tapajos National Forest简介该数据集包含一个文本文件，报告了帕拉西部（圣塔伦）地区67公里原始森林塔点原始高地森林的凋落物类型和质量。该地点位于巴西中北部的塔帕若斯国家森林。测量时间跨度为2000年7月至2005年6月。凋落物收集工作于 2000 年 7 月开始... LBA-ECO CD-10 Forest Litter Data for km 67 Tower Site, Tapajos National Forest简介该数据集包含一个文本文件，报告了帕拉西部（圣塔伦）地区67公里原始森林塔点原始高地森林的凋落物类型和质量。该地点位于巴西中北部的塔帕若斯国家森林。测量时间跨度为2000年7月至2005年6月。凋落物收集工作于 2000 年 7 月开始...
- LBA-ECO CD-10 Coarse Woody Debris Data at km 67 Tower Site, Tapajos National Forest简介该数据集包含一个文本文件，报告了位于帕拉西部（圣塔伦）67公里处原始森林塔遗址一片原始高地森林中倒塌粗粒木质残体的属性。该遗址位于巴西中北部的塔帕若斯国家森林内。测量时间跨度为2001年4月至2001年7月。在塔帕若斯国家... LBA-ECO CD-10 Coarse Woody Debris Data at km 67 Tower Site, Tapajos National Forest简介该数据集包含一个文本文件，报告了位于帕拉西部（圣塔伦）67公里处原始森林塔遗址一片原始高地森林中倒塌粗粒木质残体的属性。该遗址位于巴西中北部的塔帕若斯国家森林内。测量时间跨度为2001年4月至2001年7月。在塔帕若斯国家...
- LBA-ECO CD-10 CO, CO2 and Meteorological Data, Maxaranguape, Brazil简介本数据集报告了 2003 年 1 月 4 日至 2006 年 12 月 27 日期间在巴西东北部马克萨兰瓜佩大气观测站测得的一氧化碳 (CO) 和二氧化碳 (CO2) 浓度、风向、风速和气温。数据为 30 分钟平均值。马克萨兰瓜佩观测到的浓度代表了亚马逊... LBA-ECO CD-10 CO, CO2 and Meteorological Data, Maxaranguape, Brazil简介本数据集报告了 2003 年 1 月 4 日至 2006 年 12 月 27 日期间在巴西东北部马克萨兰瓜佩大气观测站测得的一氧化碳 (CO) 和二氧化碳 (CO2) 浓度、风向、风速和气温。数据为 30 分钟平均值。马克萨兰瓜佩观测到的浓度代表了亚马逊...
- LBA-ECO CD-10 CO2 Profiles at km 67 Tower Site, Tapajos National Forest简介该数据集包含一个文本文件，报告了在帕拉西部（圣塔伦）67 公里处原始森林塔站测得的二氧化碳浓度垂直剖面。该站位于巴西中北部的塔帕若斯国家森林内。测量时间跨度为 2002 年 1 月至 2006 年 1 月。剖面浓度数据用于估算地面与通量测量高度之间... LBA-ECO CD-10 CO2 Profiles at km 67 Tower Site, Tapajos National Forest简介该数据集包含一个文本文件，报告了在帕拉西部（圣塔伦）67 公里处原始森林塔站测得的二氧化碳浓度垂直剖面。该站位于巴西中北部的塔帕若斯国家森林内。测量时间跨度为 2002 年 1 月至 2006 年 1 月。剖面浓度数据用于估算地面与通量测量高度之间...
上滑加载中
推荐直播
-
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中 -
华为云码道全新升级，多会话并行与多智能体协作2026/05/08 周五 19:00-21:00
王一男-华为云码道产品专家；张嘉冉-华为云码道工程师；胡琦-华为云HCDE；程诗杰-华为云HCDG
华为云码道4月份版本全新升级，此次直播深度解读4月份产品特性，通过“特性解读+实操演示+实战案例+设计创新”的组合，全方位展现码道在多会话并行与多智能体协作方面的能力，赋能开发者提升效率
正在直播
热门标签