参考链接：tkinterbookfont字体的参数有如下6个family:字体类别，如'Fixdsys'size:作为一个整数，以点字体的高度。为了获得字体的n个像素高，使用-n.weight:"BOLD"表示加粗,"NORMAL"表示正常大小，默认是NORMALslant：斜体（默认正常），“NORMAL”表示正常，"ITALIC"表示字体倾斜underline：下划线，1表示添加下滑线，0表示没有，默认值为0overstrike：删除线，1表示添加删除
系统 2019-09-27 17:50:27 2896
可能有些情况没有考虑到。源码python3:#encoding=utf-8importmath#系数CN_NUM={'〇':0,'一':1,'二':2,'两':2,'三':3,'四':4,'五':5,'六':6,'七':7,'八':8,'九':9,'零':0,}#基数CN_UNIT={'十':10,'百':100,'千':1000,'万':10000,'亿':100000000,}#计算中文数字值，返回stringdefcalcCNNumberValue(
系统 2019-09-27 17:46:43 2896
这本书是科普性读物，如果你对神经网络理解的很透彻，可以在闲时读一读当放松；对于小白来讲，这本书真的很不错，很多概念讲的可以说很透彻了。这里我把最难理解的反向传播中的梯度下降做了笔记，方便更好地理解。
系统 2019-09-27 17:51:51 2894
打开快手主页，进行页面分析对于快手这种平台，分析完页面代码之后，无任何想要的信息，所以，只能进行json数据的抓取，这些视频都是通过json语句传给前段，然后进行循环生成，所以，我们来看抓的json包然后进行详情页链接分析接下来看json数据补充一下，这里由于页面刷新了，所以看到的两个链接不一样，方法就是这样的然后拼接出来二级路径，进行访问详情页最后在详情页按照常规方法进行分析页面爬取数据就行了分享一下代码importrequestsfrombs4impo
系统 2019-09-27 17:49:47 2893
时间序列（或称动态数列）是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。本文我们会分享如何用历史股票数据进行基本的时间序列分析（以下简称时序分析）。首先我们会创建一个静态预测模型，检测模型的效度，然后分享一些用于时序分析的重要工具。在创建模型之前，我们先简要了解时间序列的一些基本参数，比如移动平均线、趋势、季节性等。获取数据我们本文会用到MRF过去五年的“调整价格”，用pandas_d
系统 2019-09-27 17:46:25 2893
1、参数#设定浏览器调用选项，以谷歌为例options=webdriver.ChromeOptions()#设定浏览器启动模式-以iPhone6模式启动mobileEmulation={'deviceName':'iPhone6'}options.add_experimental_option('mobileEmulation',mobileEmulation)#设定浏览器全屏显示options.add_argument("start-maximized"
系统 2019-09-27 17:57:32 2891
看到了一个面试题，想了两种解法，不知道符不符合要求，记录如下：题目：有N个人，每人备一个圣诞礼物，现需要写一个程序，随机交互礼物，要求：自己不能换到自己的礼物，用python实现。方法一：构造二维列表存储参与者的名字和所带礼物，使用random.choice()随机选择礼物。importrandomlsGiftIn=[['Jack','apple'],['June','ball'],['Mary','card'],['Duke','doll'],['Jam
系统 2019-09-27 17:55:41 2891
1、高斯过程：scikit-learn(sklearn)官方文档scikit-learn(sklearn)官方文档中文版scikit-learn(sklearn)官方文档中文版（1.7.高斯过程）其他介绍：AVisualExplorationofGaussianProcesses看得见的高斯过程：这是一份直观的入门解读（上面中文翻译-机器之心）IntroductiontoGaussianProcesses-PartI从数学到实现，全面回顾高斯过程中的函数最
系统 2019-09-27 17:54:26 2891
文章目录第1章Python入门第2章感知机第3章神经网络第4章神经网络的学习第5章误差反向传播第6章与学习相关的技巧1.各种参数更新的方法2.权重的初始值第7章卷积神经网络原书链接（感谢作者，书是真的经典，建议购买纸质书）：https://github.com/zjcao/books/blob/master/%E3%80%8A%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8%EF%BC%9A%E5
系统 2019-09-27 17:55:57 2890
zip即将多个可迭代对象组合为一个可迭代的对象，每次组合时都取出对应顺序的对象元素组合为元组，直到最少的对象中元素全部被组合，剩余的其他对象中未被组合的元素将被舍弃。keys=['one','two','three']values=[1,2,3]d=zip(keys,values)print(list(d))示例结果：[('one',1),('two',2),('three',3)]可以看到我们由zip模拟了一个类似字典的一一对应的元组迭代对象，并将其转化
系统 2019-09-27 17:55:52 2890
前言在学习之初应尽可能的将精力专注于Python语言本身，而不是关心用什么操作系统。有人会说，网上搜索结果都是说最好在Linux系统里学习Python。但为了学习一门语言而再去捣鼓Linux，有点舍本逐末的感觉。虽说工欲善其事必先利其器，但是等你Python有一定水平之后再考虑也不迟。因为大多数人使用的还是Windows系统，所以今天这篇文章便是在Windows系统中搭建Python编程环境的教程。如果您使用的是Linux或MacOSX，那么可以网上搜索一
系统 2019-09-27 17:55:52 2890
运行环境：python3.6.0初学opencv，看着程序跟书本都一样啊，突然报了以下错误Traceback(mostrecentcalllast):File"E:/Python/Projects/week1/不是闹着玩儿嘞/example/test.py",line3550,incv.imshow("image",img)cv2.error:OpenCV(4.1.0)C:\projects\opencv-python\opencv\modules\hig
系统 2019-09-27 17:52:36 2890
文章目录前言一、函数1.1函数作为对象传递1.2函数作为参数传递1.3函数可嵌套1.4返回函数本身二、装饰器2.1基础装饰器2.2带参装饰器2.3装饰器自定义参数2.4类装饰器2.5装饰器嵌套三、装饰器的应用四、总结前言我的个人网站：https://www.gentlecp.compython中有一个很经典的用法就是装饰器，它用于在不修改原始函数的情况下，添加新的功能到原始函数中，但是这章内容比较难以理解，本文就从函数到装饰器以及装饰器在现实生产中的应用举
系统 2019-09-27 17:49:00 2890
前言开发环境：Centos7+Python3.5.1+QtCreator（只是使用QtCreator编译而已，并没有使用QT的任何库）Python调用C/C++库，我现在能做到的有两种方式1.extern“C”导出（互相传值比较麻烦，不建议使用这种方式）：将C/C++库做成和平常一样的DLL和或者.so，比如：//.h文件#include//.cpp文件//C/C++my.so或者my.dllenter"C"voidprintHello(){std::co
系统 2019-09-27 17:37:40 2890
风险点1、class-dump有些文件会报错，需要查看下2、mach-o文件中的依赖除了系统，是不是还需要dump第三方其他的库进行扫描@xpath3、私有api在公开的Framework及私有的PrivateFramework都有。4、9.2.5的iOS系统对应的Xcode8是有docset的，后面的Xcode都有新的文件格式了，下面有介绍，需要自己分析，但是数据结构有点乱，可能我我还没悟出来。。。。。。前言最近SDK的开发，经常会给到安全组扫描安全漏洞
系统 2019-09-27 17:55:41 2889
