Django-form表单
本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 Estom的博客！
相关推荐
2020-09-26
irregulardatagrid
不规则空间数据的等高线图不规则空间数据在规则网格上插值的等高线图与非结构三角形网格的三棱图的比较。 由于 contour 和 contourf 期望数据存在于规则网格上，因此绘制不规则间隔数据的等高线图需要不同的方法。这两个选项是： 首先将数据插值到常规网格。这可以通过机载装置完成，例如，通过LinearTriInterpolator或使用外部功能，例如 通过scipy.interpolate.griddata。然后用常规的等高线绘制插值数据。 直接使用tricontour或tricontourf，它将在内部进行三角测量。 此示例显示了两种方法。 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263import matplotlib.pyplot as pltimport matplotlib.tri as triimport numpy as npnp.random.seed(19680801)...
2021-03-09
8 UML笔记之包图
包图概述 包图定义 使用包图可以将相关元素归入一个系统。一个包中可以包含附属包、图表或单个元素。 包的表示 组成元素 类、接口、构建、节点、协作、用例、子包。 包图优点： 为了方便对类和接口的开发进行管理。 用于组织模型中的元素进行分组以便更容易理解。 对包中的元素进行可见性控制。 对于以上相关的元素进行分组。 以包为单位对系统进行配置管理。 以包为单位分配设计任务。 包提供了一个封闭的空间，避免命名冲突。 包的应用 对建模元素进行分组。提高模型的可读性和可维护性。 包的设计原则 前三个原则互斥。共同闭包原则希望包越大越好。共同重用原则要求包越小越好。 重用等价原则：指的是把类放入包中时，应考虑把包作为可重用的单元。 共同闭包原则：指的是把那些需要同时改变的类放在一个包中。如果一个类的行为和/或结构的改变要求另一个类作相应的改变，则这两个类应放在一个包中；•共同闭包原则就是要提高包的内聚性、降低包与包之间的耦合度，希望在改动或升级一个包的时候要尽量少影响别的包。 共同重用原则：指的是不会一起使用的类不要放在同一包中。修改了一个对用户实际上毫...
2021-12-24
lvcreate
lvcreate用于创建LVM的逻辑卷 补充说明lvcreate命令 用于创建LVM的逻辑卷。逻辑卷是创建在卷组之上的。逻辑卷对应的设备文件保存在卷组目录下，例如：在卷组”vg1000”上创建一个逻辑卷”lvol0”，则此逻辑卷对应的设备文件为”/dev/vg1000/lvol0”。 语法1lvcreate(选项)(参数) 选项12-L：指定逻辑卷的大小，单位为“kKmMgGtT”字节；-l：指定逻辑卷的大小（LE数）。 参数逻辑卷：指定要创建的逻辑卷名称。 实例使用lvcreate命令在卷组”vg1000”上创建一个200MB的逻辑卷。在命令行中输入下面的命令： 1[root@localhost ~]# lvcreate -L 200M vg1000 #创建大小为200M的逻辑卷 输出信息如下： 1Logical volume "lvol0" created 说明：创建成功后，新的逻辑卷”lvol0”，将通过设备文件/dev/vg1000/lvol0进行访问。
2021-03-20
SUMMARY
Sklearn 与 TensorFlow 机器学习实用指南第二版 零、前言 一、机器学习概览 二、端到端的机器学习项目 三、分类 四、训练模型 五、支持向量机 六、决策树 七、集成学习和随机森林 八、降维 十、使用 Keras 搭建人工神经网络 十一、训练深度神经网络 十二、使用 TensorFlow 自定义模型并训练 十三、使用 TensorFlow 加载和预处理数据 十四、使用卷积神经网络实现深度计算机视觉 十五、使用 RNN 和 CNN 处理序列 十六、使用 RNN 和注意力机制进行自然语言处理 十七、使用自编码器和 GAN 做表征学习和生成式学习 十八、强化学习 十九、规模化训练和部署 TensorFlow 模型
2020-10-14
02深度卷积网络：实例探究
卷积神经网络：实例探究1 卷积网络说明 讲到的经典 CNN 模型包括： LeNet-5 AlexNet VGG ResNet（Residual Network，残差网络） Inception Neural Network。 2 经典卷积网络LeNet-5 特点： LeNet-5 针对灰度图像而训练，因此输入图片的通道数为 1。 该模型总共包含了约 6 万个参数，远少于标准神经网络所需。 典型的 LeNet-5 结构包含卷积层（CONV layer），池化层（POOL layer）和全连接层（FC layer），排列顺序一般为 CONV layer->POOL layer->CONV layer->POOL layer->FC layer->FC layer->OUTPUT layer。一个或多个卷积层后面跟着一个池化层的模式至今仍十分常用。 当 LeNet-5模型被提出时，其池化层使用的是平均池化，而且各层激活函数一般选用 Sigmoid 和 tanh。现在，我们可以根据需要，做出改进，使用最大池化并选用 ReLU 作为激活函数。 ...
2021-09-02
log
概述log 模块用于在程序中输出日志，它的使用十分简单，类似于fmt中的Print，一个最简单的示例如下： 1234567package mainimport "log"func main() { log.Print("Hello World")} 上面的程序会在命令行打印一条日志: 1>>> 2018/05/16 16:48:06 Hello World LoggerLogger是写入日志的基本组件，log模块中存在一个标准Logger，可以直接通过log进行访问，所以在上一节的例子中可以直接使用log.Print进行日志进行输出。但是在实际使用中，不同类型的日志可能拥有需求，仅标准Logger不能满足日志记录的需求，通过创建不同的Logger可以将不同类型的日志分类输出。使用logger前需要首先通过New函数创建一个Logger对象，函数声明如下： 1func New(out io.Writer, prefix string, flag int) *Logger 函数接收三个参数分别是日...
