给类或实例绑定其他方法（函数），需要注意问题：（1）定义方法（函数）时，要加self，如：defset_age(self,age):self.age=age（2）实例绑定方法与类绑定方法是不一样的，实例绑定方法时是要借助函数的，类绑定方法时可以直接赋值的，如：classStudet(object):def__init__(self,name):self.name=name实例绑定方法：s1=Studet('Boo')fromtypesimportMetho
系统 2019-09-27 17:54:09 1885
本文实例为大家分享了python利用tkinter实现屏保的具体代码，供大家参考，具体内容如下importrandomimporttkinterclassRandomBall():'''运动的球'''def__init__(self,canvas,scrn_width,scrn_heigh):'''球的构造函数:paramcanvas:传入画布，在画布上进行球的构造:paramscrn_width:传入屏幕宽度:paramscrn_heigh:传入屏幕高度
系统 2019-09-27 17:54:04 1885
点击上方“何俊林”，马上关注真爱，请置顶或星标在一个阳光明媚的周日，我打开窗户呼吸了一口新鲜空气。阳光灿烂，岁月静好，又是一个约女朋友出去爬山吃饭看电影的好日子。想到女朋友的大眼睛，我脸上不禁洋溢起了幸福的微笑。打开微信，给女朋友发出去一个美好的邀约。等等，这为什么有一个感叹号？？？我的消息被拒收了？？笑容凝固在了我的脸上。什么？她又一次拉黑了我？我开始反省：我昨天吃饭买单的时候找钱包找的太久了被她误认为是迟疑？昨天清空她购物车的时候没有举一反三融会贯通？
系统 2019-09-27 17:54:03 1885
python使用super()出现错误解决办法当我们在python的子类中调用父类的方法时，会用到super()，不过我遇到了一个问题，顺便记录一下。比如，我写了如下错误代码：classA():defdosomething(self):print"It'sA"classB(A):defdosomething(self):super(B,self).dosomething()if__name__=='__main__':b=B()b.dosomething(
系统 2019-09-27 17:54:02 1885
OCR与Tesseract介绍将图片翻译成文字一般被称为光学文字识别（OpticalCharacterRecognition，OCR）。可以实现OCR的底层库并不多，目前很多库都是使用共同的几个底层OCR库，或者是在上面进行定制。Tesseract是一个OCR库，目前由Google赞助（Google也是一家以OCR和机器学习技术闻名于世的公司）。Tesseract是目前公认最优秀、最精确的开源OCR系统。除了极高的精确度，Tesseract也具有很高的灵活
系统 2019-09-27 17:53:50 1885
我从StephenA.Goss那读到关于了《Python3正在毁灭Python》。这篇文章有不少精彩的论点，但我却并不认为Python3是在毁灭Python，也不认为整个局面对Python一点也不利。但是正如那些比较俗气的格言所说，也许每一次危机也意味着一次机遇。也许Python3能振兴Python。显然，麻烦的不仅仅是Python2到Python3的移植。时间不再是2005年了，年轻的程序员不再对Python的哪一个版本如此的激动了。不错，现在市场上有很
系统 2019-09-27 17:53:46 1885
Python面向对象编程——多态、多态性、鸭子类型一、多态多态指的是一类事物有多种形态，比如动物有多种形态：人，狗，猪importabcclassAnimal(metaclass=abc.ABCMeta):#同一类事物:动物@abc.abstractmethoddeftalk(self):passclassPeople(Animal):#动物的形态之一:人deftalk(self):print('sayhello')classDog(Animal):#动物
系统 2019-09-27 17:53:42 1885
最近基于对抗样本做了一些工作，这里写一篇论文介绍对抗样本基本的原理和生成方法。内容上参考Goodfellow的论文ExplainingandHarnessingAdversarialExamples一、什么是对抗样本？对抗样本的概念最早提出于2014年Szegedy的论文IntriguingPropertiesofNeuralNetworks.在论文，作者发现了一种有趣的现象，即：当前流行的机器学习模型包括神经网络会容易以很高的置信度分错和原始样本仅仅有轻
系统 2019-09-27 17:53:26 1885
OpenAIgym是强化学习最为流行的实验环境。某种程度上，其接口已经成为了标准。一方面，很多算法实现都是基于gym开发；另一方面，新的场景也会封装成gym接口。经过这样一层抽象，算法与实验环境充分解耦隔离，可以方便地自由组合。但gym是python的接口，如果想用C++实现强化学习算法，则无法直接与gym相接。一种方案是跨进程：一个进程运行python环境，另一个进程运行强化学习算法，与环境交互数据经过序列化和反序列化通过IPC进行通信。另一种是单进程方
系统 2019-09-27 17:53:18 1885
本文借鉴于张广河教授主编的《数据结构》，对其中的代码进行了完善。从某源点到其余各顶点的最短路径Dijkstra算法可用于求解图中某源点到其余各顶点的最短路径。假设G=｛V，｛E｝｝是含有n个顶点的有向图，以该图中顶点v为源点，使用Dijkstra算法求顶点v到图中其余各顶点的最短路径的基本思想如下：使用集合S记录已求得最短路径的终点，初始时S={v}。选择一条长度最小的最短路径，该路径的终点w属于V-S，将w并入S，并将该最短路径的长度记为Dw。对于V-S
系统 2019-09-27 17:53:14 1885
