概述干这个远程实习也有一个月了，感觉还不错，一天200的薪资对于一个在校大学生来讲已经不低了。上一周，领导布置了这一周的新的任务。大致要求就是做一个web端的搜索页面，大致逻辑如下图所示：首先呢，可以看到要求web端可以用flask也可以用streamlit，但我更熟悉flask，所以我用了flask写的。大致想法是先让用户选择上传文件的类型，是上传Pubmed ID，根据这个ID进行检索呢，还是

工作流程大致是先将文件下载下来，然后再解压。解压后的文件后缀是.xml，于是需要通过xml解析库解析出需要的数据，然后格式规整地写入elasticsearch。首先，数据下载的网站地url是这样的：http://ftp.ncbi.nlm.nih.gov/pubmed/baseline/这个目录下的文件名称格式也很整齐：pubmed22nXXXX.xml.gz，其中XXXX是他的编号，观察了下从1到

前言之前在设计模式总结一中总结了UML类图、简单工厂模式、策略模式和单一职责原则四个知识点，属于《大话设计模式》的前三章。这一次接着之前的进度继续总结，总结第四章到第七章的内容，分别是：第四章的开放-封闭原则、第五章的依赖倒转原则、第六章的装饰模式和第七章的代理模式。开放-封闭原则开放-封闭原则是指软件实体（类、模块、函数等）应该可以扩展，但是不能修改。其中对于扩展是开放的，对于更改是封闭的。简单

1MB轻量级人脸检测模型(WIN)https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB1MB轻量级人脸检测模型(Liunx)https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB/tree/master/ncnn有道云笔记...

报错内容：Traceback (most recent call last):  File "<stdin>", line 1, in <module>  File "tesserocr.pyx", line 2443, in tesserocr._tesserocr.image_to_textRunt

第一次是局部聚合，先给每个key都打上一个随机数，比如10以内的随机数，此时原先一样的key就变成不一样的了，比如(hello, 1) (hello, 1) (hello, 1) (hello, 1)，就会变成(1_hello, 1) (1_hello, 1) (2_hello, 1) (2_hello, 1)。然后将各个key的前缀给去掉，就会变成(hello,2)(hello,2)，再次进行全

机器学习是人脸识别的根基，一张图片在计算机中存储首先是通过记录构成它的像素点的信息，包括像素的位置、RGB色彩以及灰度值等。在处理图像的过程中，图像也是通过矩阵的形式存放的，一个矩阵表示一张图片。通过对矩阵的翻转、平滑、膨胀等操作实现边缘检测和特征提取等操作。可以说，机器学习不仅是对于人脸识别，在整个人工智能的地位都是举足轻重的。机器学习是基于测试集构建的数学模型，我们一般会用概率统计模型作为..

用docker部署webstack导航网站-其一遇到的问题：webstack容器无法运行网站报错：No application encryption key has been specified

清理挖矿程序的基本步骤先用top命令查看cpu占用率大的进程的PID，再用systemctl status cpu占用率大的进程的PID命令查看守护进程地址，以用rm命令删除挖矿程序。在用rm命令删除挖矿程序前，应该检查是否存在后门，以防止坏东西通过后门再次侵入。所谓后门，我检查了路由条目和定时任务：是否有多出来的定时任务（非自己加入的定时任务）？是否有多出来的路由条目？是否是应为集群中其他的服务

第一次是局部聚合，先给每个key都打上一个随机数，比如10以内的随机数，此时原先一样的key就变成不一样的了，比如(hello, 1) (hello, 1) (hello, 1) (hello, 1)，就会变成(1_hello, 1) (1_hello, 1) (2_hello, 1) (2_hello, 1)。然后将各个key的前缀给去掉，就会变成(hello,2)(hello,2)，再次进行全