张士玉小黑屋

Pycharm中anaconda创建激活虚拟环境出现错误：Yourshellhasnotbeenproperlyconfiguredtouse‘condaactivate’.前言之前用pycharm，安装的第三方库都是默认放在C:\Users*******\Python\Python36当中在用anaconda创建虚拟环境后，第三方库都安装在了annaconda下的evns中的以虚拟环境命名的文件夹当中，当不同程序的第三方库要适应不同版本需求时，就不需要像前者先卸载在安装，而是直接可以创建一个独立的虚拟环境，与其他程序的虚拟环境互不干扰而在安装完anaconda后创建并激活虚拟环境时，遇到了一些问题。问题在用命令condacreate-n虚拟环境名创

GAN介绍理解GAN的直观方法是从博弈论的角度来理解它。GAN由两个参与者组成，即一个生成器和一个判别器，它们都试图击败对方。生成备从分巾中狄取一些随机噪声，并试图从中生成一些类似于输出的分布。生成器总是试图创建与真实分布没有区别的分布。也就是说，伪造的输出看起来应该是真实的图像。然而，如果没有显式训练或标注，那么生成器将无法判别真实的图像，并且其唯一的来源就是随机浮点数的张量。之后，GAN将在博弈中引入另一个参与者，即判别器。判别器仅负责通知生成器其生成的输出看起来不像真实图像，以便生成器更改其生成图像的方式以使判别器确信它是真实图像。但是判别器总是可以告诉生成器其生成的图像不是真实的，因为判别器知道图像是从生成器生成的。为了解决这个事情，GAN将真实的图像引入博弈中，并将判别器与

1.问题描述这几天搭建了一个微服务项目，使用nacos2.2来做注册和配置中心，但是启动nacos的时候发现报错，查看log后发现报的是，Causedby:io.jsonwebtoken.security.WeakKeyException:Thespecifiedkeybytearrayis16bitswhichisnotsecureenoughforanyJWTHMAC-SHAalgorithm. TheJWTJWASpecification(RFC7518,Section3.2)statesthatkeysusedwithHMAC-SHAalgorithmsMUSThaveasize>=256

openai的的API如何使用importosimportopenaiopenai.api_key=os.getenv("OPENAI_API_KEY")response=openai.Completion.create(model="text-davinci-003",prompt="Iamahighlyintelligentquestionansweringbot.Ifyouaskmeaquestionthatisrootedintruth,Iwillgiveyoutheanswer.Ifyouaskmeaquestionthatisnonsense,trickery,orhasnoclea

本文目录前言一、Git初始化init1.1init命令1.2IDEA查看Git/Commit选项卡二、忽略指定文件(.gitignore)三、提交(commit)3.1IDEA界面提交(commit)3.2commit命令四、查看提交记录(log)4.1log命令4.2IDEA查看提交记录五、创建分支(branch)5.1IDEA创建+切换分支(branch)5.2branch和checkout命令总结前言在上文天狗实战（二）SpringBootAPI开发详解--SpringMVC注解+封装结果+支持跨域+打包（下），我们实现了期望的API开发，打包了一个jar包，发布到DEV环境上供前端联调，其实，在实际的项目开发中，是会涉及到版本管理的，

今天在看点目标成像仿真程序的时候，看到了meshgrid函数，看了matlab的帮助文档后理解了一点，特此记录学习过程。目录一、meshgrid函数二、举例验证三、创建二维网格绘制曲面图四、总结五、meshgrid函数源代码（仅供参考）：一、meshgrid函数meshgrid函数是MATLAB中用于生成网格采样点数的函数，通常进行2D、3D图形的绘制。1、【X,Y】=meshgrid(x,y):基于向量x和y中包含的坐标返回二维网格坐标。X是一个矩阵，每一行是x的一个副本，Y也是一个矩阵，每一列是y的一个副本。坐标X和Y表示的网格有length(y)个行和length(x)个列。2、[X,Y]=meshgrid(x)与[X,Y]=meshgrid(x

pandas模块介绍pandas官方文档：https://pandas.pydata.org/pandas-docs/stable/?v=20190307135750pandas基于Numpy，可以看成是处理文本或者表格数据。pandas中有两个主要的数据结构，其中Series数据结构类似于Numpy中的一维数组，DataFrame类似于多维表格数据结构。pandas是python数据分析的核心模块。它主要提供了五大功能:支持文件存取操作，支持数据库(sql)、html、json、pickle、csv(txt、excel)、sas、stata、hdf等。支持增删改查、切片、高阶函数、分组聚合等单表操作，以及和dict、list的互相转换。支持多表拼接合并操作。支持简单的绘图操作。支持

 学生成绩管理系统思路学生成绩管理系统，首先要初始化系统，开始一个新的学生成绩系统初始化记录学生姓名，学号，院系，然后输入学生各科成绩，数学，英语，语文成绩。记录完各课成绩以后，可查看学生平均成绩和是否及格，成绩查询其中有学号查询，姓名查询，院系查询，还有全部输出，可以清晰的看到及格人数，按照分数高低排列，最后还可以添加和删除学生成绩，或者更改学生成绩，避免人为录入成绩错误。基本函数1.结构体structStudent定义一个结构体struct ，结构体的关键字，students 定义的结构体对象。学号charID[20];姓名charName[10];各项成绩floatMark，总成绩floatAll 平均成绩floatAverage;2.录入（void

1.BP神经网络是什么        BP（Back-propagation，反向传播）神经网络是最传统的神经网络。也就是使用了Back-propagation算法的神经网络。请注意他不是时下流行的那一套深度学习。要训练深度学习level的网络你是不可以使用这种算法的。原因我们后面解释。而其实机器学习的bottleneck就是成功的突破了非常深的神经网络无法用BP算法来训练的问题。        那么反向传播的东西是什么呢？答案是：误差。就是在模拟过程中（这是一个循环，我们在训练神经网络的时候是要不断的去重复这个过程的）收集系统所产生的误差，并且返回这些误差到输出值，之后用这些误差来调整神经元的权重，这样生成一个可以模拟出原始问题的人工神经网络系统。2.神经网络基础架构       

Selenium可以驱动浏览器完成各种操作，比如模拟点击等。要想操作一个元素，首先应该识别这个元素。人有各种的特征（属性），我们可以通过其特征找到人，如通过身份证号、姓名、家庭住址。同理，一个元素会有各种的特征（属性），我们可以通过这个属性找到这对象。目录一、元素的概念（一）什么是元素？（二）查看元素信息二、元素定位方法（一）根据id定位（二）根据name定位（三）通过classname定位（四）根据tag定位（五）通过linktext定位（六）通过partiallinktext定位（七）根据XPath定位2.7.1绝对路径2.7.2相对路径（八）通过cssselector定位2.8.1id选择器2.8.2class选择器2.8.3标签选择