logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

傅里叶变换实战:如何用Python快速求解信号频谱(附完整代码)

本文通过Python实战演示了如何利用scipy.fft库快速进行傅里叶变换,求解信号频谱。内容涵盖从合成信号生成、FFT分析流程、频谱泄露与加窗处理,到线性与时移性质的代码验证,并进阶至音频文件分析和频谱瀑布图绘制。提供了完整的代码示例,帮助工程师和数据分析师将傅里叶变换理论高效应用于实际信号处理任务。

带后台管理的轻量级视频网站源码,Python后端+原生JS播放器,支持上传分类与在线播放

这个视频网站源码包开箱即用,后端用Python实现(兼容Django/Flask项目结构),负责用户管理、视频上传、分类存储、权限控制和数据库操作;前端纯HTML/CSS/JavaScript构建,响应式设计,适配PC和移动设备,内置基础播放器功能,无需第三方框架。项目包含完整MVC结构:models.py定义视频、用户、分类等数据模型;views.py封装上传、列表、详情、搜索等接口逻辑;for

C++重构股票分析系统:从Python原型到高性能实战

本文详细介绍了将股票分析系统从Python原型重构为C++高性能桌面应用的实战过程。通过采用C++的静态类型、精细内存管理以及Qt框架,实现了从数据模型、多线程架构到核心功能模块的全面升级。重点阐述了如何利用C++的多线程能力解决实时数据处理瓶颈,并分享了架构设计、性能优化及部署中的关键经验,最终打造出响应迅速、体验流畅的专业级股票分析系统。

#性能优化
Python写的终端英语词典:查词删词加词+中英互译+模糊联想,全靠一个CSV文件驱动

直接运行Dictionary_En_Zh.py就能用的命令行英语词典工具,词库存在local_dict.csv里,不用装数据库也不用联网也能查词;输入单词立刻显示中文释义,支持手动新增、删除词条;查不到精确匹配时自动尝试在线检索补全;输入部分字母(比如'appl')能列出所有含该子串的单词(如apple、application);中英双向翻译,输入英文出中文,输入中文也能反向找英文词;整个流程都在

大学生备赛用携程机票Web自动化测试脚本(Python+Selenium,含截图验证与即跑环境)

专为2025软件测试大赛Web赛道预选赛设计的实战型自动化测试资源,基于Python 3.8和Selenium 4.x实现携程机票官网核心流程覆盖:首页搜索框输入、出发/到达城市选择、日期控件操作、航班列表筛选及结果页断言验证。脚本采用显式等待策略应对动态加载,每步操作后自动触发截图并保存至screenshots目录,文件名含时间戳与用例编号(如16522329344886_CtripFlight

用Python手搓神经网络:从输入层到输出层的完整实现(附代码)

本文详细介绍了如何使用Python从零开始实现一个完整的神经网络,涵盖输入层、隐藏层和输出层的构建,以及前向传播、反向传播和参数更新的核心算法。通过MNIST数据集实战示例,展示了神经网络的训练过程,并提供了性能优化策略如批量归一化和Dropout。适合深度学习初学者和希望深入理解神经网络底层原理的开发者。

#深度学习#神经网络
MindPilot深度解析:如何基于MindSpore和MindNLP构建高效开源AI Agent助手

本文深度解析了如何基于华为开源AI框架MindSpore和自然语言处理工具包MindNLP,构建高效、可定制的开源AI Agent助手——MindPilot。文章详细介绍了其核心架构、模块化设计、灵活的双模型(在线/离线)支持,以及基于LangChain的Agent自定义能力,旨在帮助开发者和技术爱好者打造专属的智能桌面副驾,提升复杂任务处理效率。

#自然语言处理
实战解析:利用Python requests库高效抓取京东商品评论并构建结构化数据集

本文详细解析了如何利用Python的requests库高效抓取京东商品评论数据。通过定位API接口、模拟请求、解析JSON数据并存储为CSV文件,构建结构化数据集。文章提供了完整的代码实现、异常处理及反爬策略,帮助数据分析师和运营人员快速获取一手用户反馈,为产品优化和市场分析提供数据支持。

用AI自动生成MySQL测试数据:Deepseek调参技巧+QuickAPI避坑指南

本文详细介绍了如何利用Deepseek大语言模型自动生成高质量的MySQL测试数据,并提供了关键的Prompt调参技巧。同时,结合QuickAPI工具进行高效批量插入,分享了事务控制、性能优化及错误处理的避坑指南,旨在帮助开发者构建自动化测试数据流水线,显著提升开发和测试效率。

#AI
运动想象脑电分类工具包:PyTorch实现CNN-Transformer融合模型,含预处理、训练、可视化与统计分析全流程

基于Python和PyTorch开发的运动想象EEG四分类实战工具包,支持左右手、双脚等4类任务识别。内置MATLAB预处理脚本(getData.m、preprocess.m)完成原始数据加载与滤波降采样,PyTorch主干模型CNNTransformer.py融合CNN局部空间建模能力与Transformer长程时序建模能力,适配BCI Competition IV 2a标准格式。提供完整训练流

    共 24 条
  • 1
  • 2
  • 3
  • 请选择