- 2017 年
- 11 月
- 2023 年
- 2022 年
- 12 月
- 数据的归一化 (normalization)、标准化 (standardization) 和正则化 (regularization) 之间的区别
- 量纲
- 数据和算法, 哪个更重要?
- 重写 Django QuerySet 类中的方法 -- Django
- 方差 -- 统计学
- Prefetch、select_related 和 prefetch_related 的用法与区别 -- Django
- 偏差 -- 统计学
- 经验误差、测试误差、泛化误差及其偏差-方差分解
- 泛化误差（Generalization Error） -- 统计学
- django-simple-history -- stores Django model state on every create/update/delete.
- 如何设计一个系统的日志模块
- 机器学习中调参的基本思想
- balenaEtcher for mac (U 盘启动盘制作工具)
- 创建可引导的 macOS 安装器 -- macOS
- isdecimal()、isdigit()、isnumeric() 的区别 -- Python
- Bootstrapping 算法
- 集成算法
- kafka 重平衡（Rebalance）
- 运维部门日常工作 SOP 操作指导手册
- 超参数（Hyperparameter）-- 机器学习
- tempfile 模块: 创建/操作 临时文件（夹） -- Python
- 11 月
- base64 编码的图片和 numpy、opencv 的相互转换
- Flask -- Web 框架
- 基于 python 镜像构建 paddleocr 环境
- 基于 anaconda 镜像构建 paddleocr 环境
- 更换 Ubuntu 的 apt 源为国内源
- 模型可解释性
- 判别特征的重要性 -- 特征工程
- Serverless 工程实践：从入门到进阶
- 基于 Serverless 架构部署通用文字识别 PaddleOCR
- PaddleOCR
- 绘制 PR 曲线 -- sklearn.metrics.precision_recall_curve
- 评估模型性能 (evaluating estimator performance) -- sklearn
- Cross-validation: evaluating estimator performance -- sklearn
- sklearn 中 cross_val_score、cross_val_predict 的用法比较
- 分析生产环境中 MySQL 写入速度慢的问题
- 多个数据库 — Django
- JumpServer 开源堡垒机，是符合 4A 规范的专业运维安全审计系统
- 堡垒机
- djongo - The only connector that lets you use Django with MongoDB without changing the Django ORM
- 《信息论》
- 条件熵
- Docker 安装 MongoDB
- Django 集成 mongodb
- 期望 -- 概率论和统计学
- 10 月
- 升级 HTTP 协议为 HTTPS 协议, 并实现自动跳转到 HTTPS
- 信息熵
- 数据库系统工程师
- 熵
- 后端接口文档
- mac 升级后第三方下载程序无法打开 cannot be opened because the developer cannot be verified 的解决办法
- apipost = API 设计、调试、文档、自动化测试 = Postman + Swagger + Mock + Jmeter
- runapi -- API 管理工具
- Python 手写实现决策树算法
- .py 与 .pxd .pyx .pyd 文件格式之间的主要区别
- Python 自动生成 API 文档
- 通过 Python 脚本实现电信天翼网关定时重启
- web 缓存
- dstat 命令
- 9 月
- 网卡 -- 性能分析
- 磁盘 -- 性能分析
- 网络 -- 性能分析
- 内存 -- 性能分析
- CPU -- 性能分析
- plt.imshow() - 将数据以图像的形式展示 -- matplotlib
- 单位矩阵 -- 线性代数 -- 数学
- locust -- 压测工具
- Linux 下测试磁盘读写 I/O 速度的方法 -- Linux
- 如何将图像从 np.uint16 转换为 np.uint8？
- DICOM（DigitalImaging and Communications in Medicine）: 医学数字成像和通信
- pydicom
- Skip-Gram 模型 -- NLP
- 连续词袋模型（CBOW） -- NLP
- 点积 (数量积, dot product; scalar product）
- 余弦定理
- 余弦相似度 (cosine similarity)
- df.set_index() -- Pandas
- df.reindex() -- Pandas
- timm (PyTorchImageModels) -- 一个非常优秀的神经网络开源模型库
- df.rolling() -- Pandas
- 自监督 (self-supervised) 算法
- ts.resample() -- Pandas
- df.shift() -- Pandas
- MAE 论文详解
- 8 月
- masked autoencoders（MAE, 掩码自编码器）: Masked Autoencoders Are Scalable Vision Learners -- CV
- 图像处理中的细胞核检测、分割、分类方法综述
- GCN 图卷积神经网络
- 数据结构简介 -- Pandas
- 十分钟入门 -- Pandas
- 基础用法 -- Pandas
- 摆脱鼠标 -- Mac
- PACS 图像传输和归档系统（Picture Archiving and CommunicationSystems）与 DICOM 医学数字成像和传输协议（Digital Imaging and COmmunications in Medicine）
- 深度思维
- np.count_nonzero() -- 计算 numpy 布尔数组中为真的元素个数 -- NumPy
- 多元函数
- 高次方程曲线
- 分类问题与回归问题
- 多项式回归 (PolynomialFeatures) -- sklearn
- 数据升维算法
- 如何在 Matplotlib 中创建曲面图？
- 线性可分和线性不可分问题
- SVM 的升维解决线性不可分问题
- 区域生长算法
- 【论文笔记】Efficient Graph-Based Image Segmentation
- 准确率 (precision) 与召回率 (recall)
- [目标检测] 滑窗法
- 乱序函数 permutation(x)、shuffle(x) -- NumPy
- 7 月
- STL 标准模版库 -- C++
- Linux 下为修改用户权限，修改 /etc/sudoers 文件后导致 sudo 报错，错误：/etc/sudoers: syntax error near line_
- 输入输出流 -- C++
- md5sum 命令: 便用于生成和校验文件的 md5 值 -- Linux
- 邮件报警设置 -- zabbix
- Zabbix 快速入门
- ubuntu 安装 zabbix-agent
- ubuntu 通过 dpkg 命令安装 deb 包
- Python 中生成器与列表生成式: 内存占用和性能的比较
- 异常 -- C++
- 数据类型转换 -- C++
- cProfile -- Python 性能分析
- 模版 -- C++
- Zabbix 进程
- Zabbix 使用手册
- libev - 高性能事件循环/事件模型的网络库 -- C/C++
- fcntl 模块: 文件加锁 -- Python
- 进程控制块 PCB -- Linux 系统编程
- sftp 连接未释放，进程一直存在, 导致进程数被占满
- signal 模块 -- Python
- epoll 介绍及原理详解 -- Linux 网络 IO 模型
- 红黑树（Red Black Tree）: 数据结构
- Python 第三方库离线安装教程
- mmap - 一种内存映射文件的方法
- 6 月
- 监控 redis 正在执行的命令 -- Redis
- Linux 网络 IO 模型与 Python 实现
- 如何查找和杀掉 Linux 中的僵尸进程? -- Linux
- redis 数据库报错：MISCONF Redis is configured to save RDB snapshots, but it is currently not able to persist on disk
- Unet -- 图像分割算法
- 类和对象 -- C++
- fuser 命令 – 使用文件或文件结构识别进程 -- Linux
- Gunicorn 源码解析 -- Python Web Server
- BlockingIOError: [Errno 11] Resource temporarily unavailable
- OpenBLAS blas_thread_init pthread_creat Resource temporarily unavailable 问题分析与解决
- 选择排序算法 -- 排序算法
- 插入排序算法 -- 排序算法
- nvidia-smi 无进程占用 GPU，但 GPU 显存却被占用了
- 超参数进化 (Hyperparameter Evolution)
- 模型剪枝 / 模型稀疏 (Model Pruning/Sparsity)
- 模型融合 (Model Ensembling)
- 5 月
- Multi-GPU Training -- YOLOv5
- Tips for Best Training Results -- YOLOv5
- Unable to determine the device handle for GPU. GPU is lost. Reboot the system to recover this GPU.
- shell 行编辑快捷键（命令行快捷键）
- 面向接口编程
- Mac 下安装和配置 Qt 环境
- uwsgi + django 部署的 webserver 应用日志缺失问题
- version `GLIBC_2.27' not found
- 链表 -- 数据结构
- 函数 -- C / C++
- 缓存雪崩、缓存穿透、缓存击穿 -- 缓存
- 代码向量化 -- 避免 Python 级别使用 for 循环 -- Python
- ldconfig 命令 – 动态链接库管理命令 -- Linux 命令
- 静态库、动态库和共享库 -- 程序函数库 -- C 语言
- 函数的调用流程 -- C 语言
- size 命令 – 列出文件字节大小 -- Linux 命令
- 数据类型 -- C 语言
- 4 月
- 任务 -- k8s (Kubernetes) 文档
- route – 显示并设置路由 -- Linux 命令
- Qt -- GUI 编程 -- C++
- memset() -- C 库函数 -- C 语言
- swapoff 命令 –临时关闭交换空间
- k8s (Kubernetes) 文档
- 文件操作 -- C 语言
- Harbor: Docker 镜像仓库
- Harbor 登录问题: 解决 Error response from daemon: Get https://: http: server gave HTTP response to HTTPS client
- 内存管理 -- C 语言
- 客户端发送请求, 后端有耗时任务，web 服务器如 nginx 返回服务端超时信息，会中断后端请求处理吗
- C 字符串 -- C 语言
- man 命令 – 查看命令帮助信息 -- Linux
- 指针 - C
- jq - 命令行解析 JSON 数据 -- Linux
- redis 客户端工具 - mac
- unix socket
- 冒泡排序算法 -- 排序算法
- 3 月
- WebSocket Client -- Python
- inplace 操作的理解 -- PyTorch
- np.flip() -- NumPy
- np.sign() -- numpy
- np.prod() -- numpy
- PyYAML: A full-featured YAML processing framework for Python
- torch.distributed -- PyTorch Doc
- torch.cuda -- PyTorch Doc
- divmod() 函数 -- Python
- Linux 共享对象之编译参数 fPIC
- dlfcn 库: 提供了加载和处理动态连接库的系统调用 -- C语言
- C 语言中 sizeof 用法总结
- C 语言宏的定义和宏的使用方法（#define）
- pkg-config 命令 -- 查询已安装的库的依赖项
- g++ 和 pkg-config 编译 opencv 项目
- 二级指针打印问题
- open 命令 -- Mac
- 强行退出 Mac 上应用程序的方法
- CLion for mac
- MMDetection
- contextlib --- 为 with 语句上下文提供的工具 -- Python
- 实现代码异常装饰器 (try_except) -- Python
- python 给字符串加颜色
- Callback utils (回调工具) -- Python 实现
- typing - 类型提示支持 -- Python
- YOLOv5 中的 Anchor 理解
- 用 thop 计算 pytorch 模型的 FLOPs 和参数量 -- Pytorch
- ViT (Vision Transformer)
- Transformer 模型详解
- seq2seq 序列到序列模型
- 【语义分割】 FCN (Fully Convolutional Networks for Semantic Segmentation, 基于全卷积网络的语义分割)
- 2 月
- 【目标检测】YOLOv5 源码解析
- 负数取模运算 -- python
- 多边形轮廓等距缩放 -- OpenCV
- 分组卷积（Group convolution）
- math.gcd() -- 求两个整数的最大公约数
- 深度可分离卷积 (Depth-wise convolution)
- FReLU 激活函数
- 多机多卡训练 -- PyTorch
- 断点续训 -- PyTorch
- 自动混合精度训练 (AMP) -- PyTorch
- 遗传算法（Genetic Algorithm，GA）
- 自动计算锚框 (autoanchor, Auto Learning Bounding Box Anchors) -- YOLOv5
- 余弦退火调整学习率 CosineAnnealingLR
- PANet (Path-Aggregation Network, 路径聚合网络)
- CSPNet (跨阶段局部网络)
- 评估指标 (F1 score 和 ROC 曲线) - 数据分析
- Mac 下在终端直接查看图片
- 1 月
- 目标检测 - 性能指标
- 综述计算机视觉五大技术：图像分类、对象检测、目标跟踪、语义分割和实例分割
- 综述: 目标跟踪
- 综述: 语义分割
- 综述: 实例分割
- 【目标检测】YOLOv4 论文详解
- 【目标检测】YOLOv3 论文详解
- 【目标检测】RetinaNet 论文详解
- 【目标检测】YOLOv2 论文详解
- 【目标检测】SSD 论文详解
- 【目标检测】YOLOv1 论文详解
- 【目标检测】FPN 论文详解
- 【目标检测】Faster R-CNN 论文详解
- 奇异值分解 (SVD) 算法
- 【目标检测】Fast R-CNN 论文详解
- 词袋模型 (Bag-of-Words, BoW)
- SPPNet 论文详解
- SPM (Spatial Pyramid Matching, 空间金字塔匹配算法)
- 目标检测 - SPPNet (空间金字塔池化层 (Spatial Pyramid Pooling Layer, SPP))
- 目标检测之选择性搜索算法 (Selective Search)
- 综述：目标检测
- 目标检测入门最终篇：拾遗及总结
- 目标检测入门（四）：特征复用、实时性
- 动态神经网络
- 如何提高神经网络的表达能力
- 卷积神经网络中用1*1 卷积有什么作用或者好处呢？
- 目标检测入门（三）：基础网络演进、分类与定位的权衡
- 目标检测入门（二）：模型的评测与训练技巧
- 目标检测 (Object Detection)
- yolov5 学习
- Mosaic 数据增强
- 12 月
- 2021 年
- 12 月
- Mish 激活函数
- Swish 激活函数
- yolov5 架构图
- YOLO 目标检测基本思想和原理
- 【目标检测】YOLOv5 原理与源码解析
- mean average precision (mAP) - 各类别 AP 的平均值
- Test Time Augmentation（TTA）- 测试数据增强
- argparse --- 命令行选项、参数和子命令解析器
- 混淆矩阵 -- 分类模型评判指标
- urllib.error.URLError: ＜urlopen error [SSL: CERTIFICATE_VERIFY_FAILED]
- Python 解析 XML
- 数字孪生
- 云计算
- VR (虚拟现实 Virtual Reality)
- 数字货币
- AR (增强现实 Augmented Reality)
- 区块链
- seaborn: statistical data visualization (静态数据可视化) -- Python
- pybind11 - python 调用 c++ 利器
- OpenMP 加速 -- C/C++ 语言
- 使用 Python ctypes 库向 C 语言的链接库传递数组、结构体、指针类型的数据
- pstree 命令 – 以树状图显示进程 -- Linux
- PIL (Python Image Library) 图像处理库 -- Python
- MobileNet -- CNN
- 11 月
- cv2.multiply() -- OpenCV
- cv2.subtract() -- OpenCV
- np.where() -- NumPy
- np.isin() -- NumPy
- 问题解决：Pycharm 一直卡在 Uploading PyCharm helpers && Python Interpreter... Python helpers are not copied yet
- cv2.minMaxLoc() -- OpenCV
- cv2.matchTemplate() -- OpenCV
- cv2.calcHist() -- OpenCV
- cv2.matchShapes() --OpenCV
- cv2.fitEllipse() -- OpenCV
- cv2.boxPoints() -- OpenCV
- cv2.moments() -- OpenCV
- cv2.approxPolyDP() -- OpenCV
- cv2.arcLength() -- OpenCV
- cv2.contourArea() -- OpenCV
- cv2.drawContours() -- OpenCV
- cv2.MorphTypes -- OpenCV
- cv2.dilate() -- OpenCV
- cv2.MorphShapes -- OpenCV
- cv2.erode() -- OpenCV
- cv2.bilateralFilter() -- OpenCV
- cv2.medianBlur() -- OpenCV
- cv2.blur() -- OpenCV
- cv2.bitwise_xor() --OpenCV
- cv2.bitwise_or() -- OpenCV
- cv2.bitwise_not() -- OpenCV
- cv2.bitwise_and() -- OpenCV
- cv2.addWeighted() -- OpenCV
- cv2.add() -- OpenCV
- cv2.GaussianBlur() - 高斯滤波: 降噪 -- OpenCV
- cv2.imread() 读取图片 -- OpenCV
- 图像分割 -- OpenCV
- 对比度增强 -- OpenCV
- 深度学习介绍 -- 深度学习基础 -- 《动手学深度学习》
- Django 如何合并多个 queryset
- 如何复制浏览器上禁止复制的网页文字
- 10 月
- 9 月
- 8 月
- 如何用 python opencv 调整图像的颜色？
- CNN 中的平移不变性是什么？
- LeNet-5 -- 卷积神经网络 (CNN)
- 深度学习显存优化
- sklearn 中的神经网络算法 -- 菜菜的 scikit-klearn 课堂
- sklearn 中的朴素贝叶斯 -- 菜菜的 scikit-klearn 课堂
- sklearn 中的线性回归大家族 -- 菜菜的 scikit-klearn 课堂
- 支持向量机 -- 菜菜的 scikit-klearn 课堂
- sklearn 与 XGBoost -- 菜菜的 scikit-klearn 课堂
- sklearn 中的聚类算法 K-Means -- 菜菜的 scikit-klearn 课堂
- sklearn 中的逻辑回归 -- 菜菜的 scikit-klearn 课堂
- sklearn 中的降维算法 PCA 和 SVD -- 菜菜的 scikit-klearn 课堂
- sklearn 中的数据预处理和特征工程 -- 菜菜的 scikit-klearn 课堂
- 随机森林在 sklearn 中的实现 -- 菜菜的 scikit-klearn 课堂
- sklearn 入门 & 决策树在 sklearn 中的实现 -- 菜菜的 scikit-klearn 课堂
- 贝叶斯线性回归算法
- 坐标下降算法 (coordinate descent)
- 共线性问题
- 残差平方和
- 分类器
- os.listdir() 的排序问题 -- Python
- nn.DataParallel 数据并行计算 -- PyTorch
- bottleneck layer 结构
- ResNeXt 算法
- 递归统计当前目录下普通文件的数量 -- Linux
- glob - 文件操作相关模块 -- Python
- 分割多空格字符串 - Python
- PCA 算法的数学原理
- Python 实现 PCA 算法
- PCA 算法 (Principal Component Analysis, 主成分分析)
- 白化 (whitening) 算法
- 深度学习中的 Normalization 标准化, BN / LN / WN
- Normalization 标准化 -- PyTorch
- 插值 interpolate (上采样 upsample) -- PyTorch
- 池化 Pooling (下采样 downsample) -- PyTorch
- Early Stopping, Dropout, Stochastic Gradient Descent -- PyTorch
- 动量与学习率衰减 -- PyTorch
- 7 月
- Train-Val-Test (训练集、验证集、测试集) 划分 -- PyTorch
- rename 命令 – 批量改变文件名 -- Linux
- 正则化 (regularization) - 减少过拟合策略
- tqdm 进度条模块 -- Python
- 过拟合与欠拟合
- 《信号与系统》- Signals and Systems
- 5分钟理解卷积神经网络中的卷积
- Chapter 1: 使用神经网络识别手写数字 -- 《Neural Networks and Deep Learning》
- 《Neural Networks and Deep Learning》 or 《神经网络和深度学习》
- 反函数
- 阶跃函数
- python 绘制神经网络中的 Sigmoid 和 Tanh 激活函数图像
- 神经网络可以实现任意函数的直观解释
- python 代码模块热更新实现 (reload)
- 感知机的 python 实现
- 感知机算法原理（PLA 原理）
- 感知机（Perceptron）
- pytorch 下可训练分段函数的写法 -- PyTorch
- 5分钟理解激活函数让神经网络能逼近任何函数
- np.argsort() - 返回数组排序后的索引数组 -- NumPy
- 对多个字段排序 -- NumPy
- torch.scatter() -- PyTorch
- plt.plot() -- matplotlib
- MNIST 手写数字问题 -- PyTorch
- P/NP 问题
- python 中 eval 的替代办法：ast.literal_eval
- 模型选择和评估
- python eval() 函数的妙用和滥用
- visdom 可视化 -- PyTorch
- visdom 安装问题
- Visdom 可视化 - A flexible tool for creating, organizing, and sharing visualization of live, rich data
- 测试 -- PyTorch
- GPU 加速 -- PyTorch
- tensor.max() - 在不同维度比较大小，并取最大值 -- PyTorch
- 找出图像中的最大轮廓并填充（生成 mask）-- OpenCV
- 多分类问题 -- PyTorch
- 分类问题常用的损失函数
- 2D函数优化实例 -- pyTorch
- 链式法则求导
- 感知机的梯度计算和更新过程
- 损失函数 (Loss) 及其梯度
- 影响机器学习优化器的因素
- 凸函数 (convex function)
- 鞍点 (saddle point)
- 云存储 OSS 和 NAS 选型 -- 阿里云
- 高级操作 -- PyTorch
- 统计 -- PyTorch
- gather() 函数 -- PyTorch
- torch 常用基础函数 -- PyTorch
- 基础数学运算 -- PyTorch
- 拼接和拆分 -- PyTorch
- ubuntu 16.04 设置静态 IP
- Broadcast 广播 -- PyTorch
- Tensor 维度变换 -- PyTorch
- 索引和切片 -- PyTorch
- Tensor 创建 -- PyTorch
- 基本数据类型 -- PyTorch
- 逻辑回归（logistic regression）
- 线性回归 (Linear Regression) 和逻辑回归 (Logistic Regression) 的区别
- 动态图 vs 静态图 -- 计算图
- nn.PReLU -- PyTorch
- nn.BatchNorm2d() -- PyTorch
- 决策树(Decision Tree）算法
- 随机森林算法
- 番外篇: 凸包及更多轮廓特征 - 基础篇 -- OpenCV-Python 教程
- 番外篇: 轮廓层级 - 基础篇 -- OpenCV-Python 教程
- 番外篇: 图像梯度 - 基础篇 -- OpenCV-Python 教程
- 番外篇: 卷积基础-图片边框 - 基础篇 -- OpenCV-Python 教程
- np.clip() -- NumPy
- 番外篇: 亮度与对比度 - 基础篇 -- OpenCV-Python 教程
- 霍夫变换 - 基础篇 -- OpenCV-Python 教程
- 模板匹配 - 基础篇 -- OpenCV-Python 教程
- 直方图 - 基础篇 -- OpenCV-Python 教程
- 轮廓特征 - 基础篇 -- OpenCV-Python 教程
- 轮廓 - 基础篇 -- OpenCV-Python 教程
- 腐蚀与膨胀 - 基础篇 -- OpenCV-Python 教程
- 边缘检测 - 基础篇 -- OpenCV-Python 教程
- 平滑图像 - 基础篇 -- OpenCV-Python 教程
- 图像混合 - 基础篇 -- OpenCV-Python 教程
- 挑战任务: PyQt5编写GUI界面 - 入门篇 -- OpenCV-Python 教程
- 挑战任务: 画动态时钟 - 入门篇 -- OpenCV-Python 教程
- 番外篇: 鼠标绘图 - 入门篇 -- OpenCV-Python 教程
- 番外篇: 仿射变换与透视变换 - 入门篇 -- OpenCV-Python 教程
- 番外篇: Otsu阈值法 - 入门篇 -- OpenCV-Python 教程
- 番外篇: 滑动条 - 入门篇 -- OpenCV-Python 教程
- 番外篇: 无损保存和Matplotlib - 入门篇 -- OpenCV-Python 教程
- 番外篇: 代码性能优化 - 入门篇 -- OpenCV-Python 教程
- 绘图功能 - 入门篇 -- OpenCV-Python 教程
- 图像几何变换 - 入门篇 -- OpenCV-Python 教程
- 6 月
- 阈值分割 - 入门篇 -- OpenCV-Python 教程
- XGBoost 算法
- 支持向量机（Support Vector Machine, SVM）
- k-means 聚类算法 (K均值聚类算法)
- kNN - k 近邻算法
- 朴素贝叶斯分类算法
- iPad Pro 上安装 MacOS 操作系统
- 颜色空间转换 - 入门篇 -- OpenCV-Python 教程
- 图像基本操作 - 入门篇 -- OpenCV-Python 教程
- 打开摄像头 - 入门篇 -- OpenCV-Python 教程
- 基本元素-图片 - 入门篇 -- OpenCV-Python 教程
- 简介与安装 - 入门篇 -- OpenCV-Python 教程
- 把鼠标当画笔 -- OpenCV 中的 GUI 特性 -- OpenCV
- 绘图函数 -- Gui 特性 -- OpenCV
- 视频 -- Gui 特性 -- OpenCV
- 图片 -- Gui 特性 -- OpenCV
- 单体服务、SOA 、微服务
- Presentify - Screen Annotation and Cursor Highlight for Mac
- IPC 和 RPC 的区别和联系
- NGINX Plus
- PyTorch 中的 Variable 作用详解
- 利用 LSTM 预测正弦曲线的下一段波形 -- 时间序列预测 -- NLP
- 梯度爆炸和梯度消失
- detach() 和 detach_() -- PyTorch
- torch.unsqueeze() 和 torch.squeeze() - 升维和降维 -- PyTorch
- nn.RNNCell() -- PyTorch
- np.meshgrid() - 生成网格点坐标矩阵 -- NumPy
- 非极大值抑制（Non-Maximum Suppression，NMS） -- 目标检测
- nn.RNN() -- PyTorch
- RNN (循环神经网络) 的计算原理和求导过程
- BPTT (back-propagation through time)
- word2vec vs GloVe
- 利用 RNN 预测正弦曲线的下一段波形 -- 时间序列预测 -- NLP
- 循环神经网络 (Recurrent Neural Network, RNN)
- consistent memory - 语境贯穿 -- RNN
- weight sharing 参数共享
- 时间信号序列
- word embedding 词嵌入向量
- nn.LSTM() -- PyTorch
- np.transpose() - 重排数组的维度
- python threading 模块中 Lock 和 RLock 的区别
- 线程调度和随机性
- Python 线程安全（同步锁 Lock）
- tanh 激活函数
- 双曲函数
- 循环神经网络
- LSTM (长短期记忆网络) -- 时间循环神经网络
- 机器如何学习数据 - 机器学习
- 最大似然估计
- 线性函数
- 多项式函数
- 仿射函数
- 5 月
- 指数函数
- softmax 回归 - 线性神经网络 -- 《动手学深度学习》
- torch.matmul() -- PyTorch
- torch.normal() -- PyTorch
- 线性回归 - 线性神经网络 -- 《动手学深度学习》
- 范数
- Python seed() 函数
- 算法相关概念
- Mac 安装配置 chromedriver
- Ubuntu 16.04 升级 Python3.5 版本到 3.6
- 数据预处理 - 深度学习基础 -- 《动手学深度学习》
- 数据操作 - 深度学习基础 -- 《动手学深度学习》
- 环境安装 - 深度学习基础 -- 《动手学深度学习》
- 深度学习基础 -- 《动手学深度学习》
- 《动手学深度学习》
- MXNet 轻量级深度学习库
- np.ascontiguousarray() -- NumPy
- pycuda
- numpy.savez_compressed() -- NumPy
- cv2.setNumThreads() -- OpenCV
- OpenCV 中的 GUI 特性 -- OpenCV
- sklearn 中 predict() 与 predict_proba() 返回值意义 -- sklearn
- 图像特征提取 -- CV
- cv2.morphologyEx() - 形态学变化 -- OpenCV
- 对图像处理中掩码的理解
- 找某个凸 polygon 内最大面积的矩形
- nmcli 命令 -- Linux
- cv2.Laplacian() - 图像模糊判断 -- OpenCV
- cv2.getStructuringElement() - 返回指定形状和尺寸的结构元素 -- OpenCV
- 服务器响应请求状态码
- cv2.minAreaRect() -- OpenCV
- cv2. boundingRect() -- OpenCV
- cv2.connectedComponentsWithStats(), cv2.connectedComponents() - 实现连通域处理函数 -- OpenCV
- cv2.Canny() - 边缘检测 -- OpenCV
- cv2.createCLAHE() - 自适应均衡化图像 -- OpenCV
- cv2.minEnclosingCircle() -- OpenCV
- cv2.HoughCircles() - 霍夫圆环检测 -- OpenCV
- cv2.countNonZero() -- OpenCV
- cv2.pointPolygonTest() -- OpenCV
- cv2.putText() - 添加文字 -- OpenCV
- cv2.convexHull() - 凸包及更多轮廓特征 -- OpenCV
- cv2.findContours() - 轮廓提取算法 -- OpenCV
- 最大池化
- cv2.equalizeHist() - 图像直方图均衡化
- TensorRT 模型加速
- MySQL 修改时间字段的函数
- 4 月
- nslookup 命令 – 域名查询
- MySQL 数据导出命令: mysqldump
- Python 多进程、多线程、多协程
- Python 元类
- Python 中的单例模式的几种实现方式的及优化
- Python 环境变量 PYTHONUNBUFFERED
- inspect 模块 -- Running Services -- std lib -- Python
- python 怎么查看某个类的继承链 -- Python
- 基于 docker + gunicorn 部署 sanic 项目
- Python 异常处理、调用堆栈分析
- 谈谈你对 Python 中的元组的理解
- Sanic 服务部署
- objgraph - Python Object Graphs
- k8s 常用命令 -- k8s
- 程序员必知的 Python 陷阱与缺陷列表
- Python 内存管理机制及优化简析
- Python 内存池管理与缓冲池设计
- Python 的垃圾回收机制 (引用计数+标记清除+分代回收)
- 《Python 源码剖析》
- Mac 上查看和实时编辑 .dot 文件
- 使用 objgraph 定位内存泄露 -- Python
- Python 内存管理机制 -- Python
- reduce() 函数 -- Python
- list 中的多重嵌套合并去重 -- Python
- 详细介绍 RGB、HSV 和 HSL 颜色模型
- HSV 颜色模型 -- OpenCV
- cv2.cvtColor() - 颜色空间转换函数 -- OpenCV
- cv2.resize() 图像缩放 -- OpenCV
- torch.max() 使用讲解
- python 多线程中 Lock() 与 RLock() 锁
- 交叉熵损失函数
- django.db.transaction.TransactionManagementError: An error occurred in the current transaction. You can't execute queries until the end of the 'atomic' block.
- torch.nn.functional 模块 -- PyTorch
- 3 月
- PyTorch 中 backward(retain_graph=True) 的 retain_graph 参数解释
- Django 单元测试
- docker 从镜像反推 Dockerfile
- Mac Chrome 浏览器快捷键
- 理解矩阵乘法
- __getstate__ 与 __setstate__ 两个魔法方法分别用于 Python 对象的序列化与反序列化
- 矩阵求导
- np.linalg 线性代数 -- NumPy
- 手写实现线性回归算法 -- 机器学习算法推导
- pytorch nn.Module 调用过程详解
- Django REST framework JWT 和登录功能实现
- 机器学习、深度学习、神经网络
- 对“偏导数”和“梯度”最形象直观的解释
- sigmoid 函数求导 - 简单手写推导过程
- 反向传播算法
- 导数
- 如何查看 docker run 启动参数命令
- django 数据模型 on_delete, db_constraint 的使用详解
- 模型架构模块 -- BERT -- 《Pytorch 深度学习实战教学》
- 各模块配置参数解析 -- BERT -- 《Pytorch 深度学习实战教学》
- 数据读取与预处理模块功能解读 -- BERT -- 《Pytorch 深度学习实战教学》
- 训练网络模型 -- BERT -- 《Pytorch 深度学习实战教学》
- 项目模版各模块概述 -- BERT -- 《Pytorch 深度学习实战教学》
- 网络结构定义 -- BERT -- 《Pytorch 深度学习实战教学》
- 项目配置与环境概述 -- 《Pytorch 深度学习实战教学》
- 数据读取与预处理 -- BERT -- 《Pytorch 深度学习实战教学》
- 完成 Transformer 模块构建 -- 《Pytorch 深度学习实战教学》
- 训练 BERT 模型 -- 《Pytorch 深度学习实战教学》
- 加入位置编码特征 -- 《Pytorch 深度学习实战教学》
- mask 机制 -- 《Pytorch 深度学习实战教学》
- 构建 QKV 矩阵 -- 《Pytorch 深度学习实战教学》
- 加入额外编码特征 -- 《Pytorch 深度学习实战教学》
- Embedding 层的作用 -- 《Pytorch 深度学习实战教学》
- 数据预处理模块 -- BERT -- 《Pytorch 深度学习实战教学》
- tfrecord 制作 -- 《Pytorch 深度学习实战教学》
- 数据读取模块 -- BERT -- 《Pytorch 深度学习实战教学》
- BERT 开源项目简介 -- 《Pytorch 深度学习实战教学》
- 项目参数配置 -- 《Pytorch 深度学习实战教学》
- 训练实例 -- 《Pytorch 深度学习实战教学》
- transformer 整体架构梳理 -- 《Pytorch 深度学习实战教学》
- BERT 模型训练方法 -- 《Pytorch 深度学习实战教学》
- 位置编码与多层堆叠 -- 《Pytorch 深度学习实战教学》
- Multi-head 的作用 -- 《Pytorch 深度学习实战教学》
- 特征分配与 softmax 机制 -- 《Pytorch 深度学习实战教学》
- self-attention 计算方法 -- 《Pytorch 深度学习实战教学》
- 传统解决方案遇到的问题 -- 《Pytorch 深度学习实战教学》
- 注意力机制的作用 -- 《Pytorch 深度学习实战教学》
- 训练网络模型 -- 《Pytorch 深度学习实战教学》
- BERT 任务目标概述 -- 《Pytorch 深度学习实战教学》
- 3D 卷积网络所涉及模块 -- 《Pytorch 深度学习实战教学》
- 视频数据预处理方法 -- 《Pytorch 深度学习实战教学》
- 数据 Batch 制作方法 -- 《Pytorch 深度学习实战教学》
- 测试效果与项目配置 -- 《Pytorch 深度学习实战教学》
- 3D 卷积原理解读 -- 《Pytorch 深度学习实战教学》
- UCF101 动作识别数据集简介 -- 《Pytorch 深度学习实战教学》
- CRNN 识别模块所需数据与标签 -- 《Pytorch 深度学习实战教学》
- 识别模块网络架构解读 -- 《Pytorch 深度学习实战教学》
- 网络架构各模块完成的任务解读 -- 《Pytorch 深度学习实战教学》
- 候选框标签制作 -- 《Pytorch 深度学习实战教学》
- 整体网络所需模块 -- 《Pytorch 深度学习实战教学》
- 检测模块候选框生成 -- 《Pytorch 深度学习实战教学》
- OCR 文字检测识别项目效果展示 -- 《Pytorch 深度学习实战教学》
- CRNN 识别网络架构 -- 《Pytorch 深度学习实战教学》
- CTC 模块的作用 -- 《Pytorch 深度学习实战教学》
- CTPN 细节概述 -- 《Pytorch 深度学习实战教学》
- 序列网络的作用 -- 《Pytorch 深度学习实战教学》
- 输出结果含义解析 -- 《Pytorch 深度学习实战教学》
- CTPN 文字检测网络概述 -- 《Pytorch 深度学习实战教学》
- OCR 文字识别要完成的任务 -- 《Pytorch 深度学习实战教学》
- 额外补充: VISDOM 可视化配置 -- 《Pytorch 深度学习实战教学》
- 生成与判别损失函数指定 -- 《Pytorch 深度学习实战教学》
- 判断网络模块构造 -- 《Pytorch 深度学习实战教学》
- 损失函数: identity loss 计算方法 -- 《Pytorch 深度学习实战教学》
- 数据读取与预处理操作 -- 《Pytorch 深度学习实战教学》
- 生成网络模型构造 -- 《Pytorch 深度学习实战教学》
- PatchGan 判别网络原理 -- 《Pytorch 深度学习实战教学》
- Cycle 开源项目简介 -- 《Pytorch 深度学习实战教学》
- CycleGan 整体网络架构 -- 《Pytorch 深度学习实战教学》
- 生成与判别网络定义 -- 《Pytorch 深度学习实战教学》
- CycleGan 网络所需数据 -- 《Pytorch 深度学习实战教学》
- 损失函数解释说明 -- 《Pytorch 深度学习实战教学》
- 数据读取模块 -- 《Pytorch 深度学习实战教学》
- GAN 网络组成 -- 《Pytorch 深度学习实战教学》
- 网络模型架构与效果展示 -- 《Pytorch 深度学习实战教学》
- 对抗生成网络通俗解释 -- 《Pytorch 深度学习实战教学》
- CNN 应用于文本任务原理解析 -- 《Pytorch 深度学习实战教学》
- 训练 LSTM 文本分类模型 -- 《Pytorch 深度学习实战教学》
- Tensorboardx 可视化展示模块搭建 -- 《Pytorch 深度学习实战教学》
- LSTM 网络模块定义与参数解析 -- 《Pytorch 深度学习实战教学》
- 项目配置参数设置 -- 《Pytorch 深度学习实战教学》
- 新闻数据读取与预处理方法 -- 《Pytorch 深度学习实战教学》
- RNN 模型所需输入格式解析 -- 《Pytorch 深度学习实战教学》
- 负采样方案 -- 《Pytorch 深度学习实战教学》
- 任务目标与数据简介 -- 《Pytorch 深度学习实战教学》
- CBOW 与 Skip-gram 模型 -- 《Pytorch 深度学习实战教学》
- 模型整体框架 -- 《Pytorch 深度学习实战教学》
- 训练数据构建 -- 《Pytorch 深度学习实战教学》
- RNN 网络架构解读 -- 《Pytorch 深度学习实战教学》
- 词向量模型通俗解释 -- 《Pytorch 深度学习实战教学》
- 额外补充 - Resnet 论文解读 -- 《Pytorch 深度学习实战教学》
- 额外补充 - Resnet 网络架构解读 -- 《Pytorch 深度学习实战教学》
- 加载模型对测试数据进行预测 -- 《Pytorch 深度学习实战教学》
- 训练结果与模型保存 -- 《Pytorch 深度学习实战教学》
- 优化器模块配置 -- 《Pytorch 深度学习实战教学》
- 实现训练模块 -- 《Pytorch 深度学习实战教学》
- 迁移学习策略 -- 《Pytorch 深度学习实战教学》
- 加载训练好的网络模型 -- 《Pytorch 深度学习实战教学》
- 迁移学习的目标 -- 《Pytorch 深度学习实战教学》
- 数据预处理与数据增强模块 -- 《Pytorch 深度学习实战教学》
- Batch 数据制作 -- 《Pytorch 深度学习实战教学》
- 图像增强的作用 -- 《Pytorch 深度学习实战教学》
- Vision 模块功能解读 -- 《Pytorch 深度学习实战教学》
- 分类任务数据集定义与配置 -- 《Pytorch 深度学习实战教学》
- 卷积网络参数定义 -- 《Pytorch 深度学习实战教学》
- 网络流程解读 -- 《Pytorch 深度学习实战教学》
- 感受野的作用 -- 《Pytorch 深度学习实战教学》
- 整体网络架构 -- 《Pytorch 深度学习实战教学》
- VGG 网络架构 -- 《Pytorch 深度学习实战教学》
- 残差网络 Resnet -- 《Pytorch 深度学习实战教学》
- 池化层的作用 -- 《Pytorch 深度学习实战教学》
- 边缘填充方法 -- 《Pytorch 深度学习实战教学》
- 特征图尺寸计算和参数共享 -- 《Pytorch 深度学习实战教学》
- 步长与卷积核大小对结果的影响 -- 《Pytorch 深度学习实战教学》
- 得到特征图表示 -- 《Pytorch 深度学习实战教学》
- 卷积的作用 -- 《Pytorch 深度学习实战教学》
- 卷积特征值计算方法 -- 《Pytorch 深度学习实战教学》
- 卷积神经网络应用领域 -- 《Pytorch 深度学习实战教学》
- 构建分类网络模型 -- 《Pytorch 深度学习实战教学》
- DataSet 模块介绍与应用方法 -- 《Pytorch 深度学习实战教学》
- 简化代码训练网络模型-- 《Pytorch 深度学习实战教学》
- 分类任务概述 -- 《Pytorch 深度学习实战教学》
- 按建模顺序构建完成网络架构 -- 《Pytorch 深度学习实战教学》
- 补充: Hub 模块简介 -- 《Pytorch 深度学习实战教学》
- 补充: 常见 tensor 格式 -- 《Pytorch 深度学习实战教学》
- 自动求导机制 -- 《Pytorch 深度学习实战教学》
- PyTorch 安装 (CPU 与 GPU 版) -- 《Pytorch 深度学习实战教学》
- PyTorch 基本操作 -- 《Pytorch 深度学习实战教学》
- PyTorch 框架发展趋势简介 -- 《Pytorch 深度学习实战教学》
- PyTorch 实战课程简介 -- 《Pytorch 深度学习实战教学》
- double free or corruption (!prev) 错误
- Django 如何在不使用外键的情况下实现业务
- 数据库设计: 应不应该使用外键
- Django 数据库事务
- Django，事务，transaction.atomic，事务保存点
- 服务网格 (Service Meth) -- 下一代微服务架构
- 微服务架构
- 面向服务的体系结构（SOA）架构
- AMQP 协议
- 终端浏览器
- 测试 WebSocket 连接是否正常
- Nginx 根据 URL 带的参数进行请求转发
- 人类文明的延续: 地球文明 --> 星际文明
- 结构化表达工具：SCQA
- 思考工具：SWOT 分析
- 思考工具：概率决策树
- NLP（神经语言程序学）
- C 函数申请的内存，Python 如何释放？
- 2 月
- Python 第三方日志框架 loguru
- 机器视觉中的前景和背景
- OpenCV: 形态变换
- concurrent.futures.process.BrokenProcessPool: A process in the process pool was terminated abruptly while the future was running or pending 错误 -- Python
- 概念 -- k8s (Kubernetes) 文档
- 入门 -- k8s (Kubernetes) 文档
- 什么是 k8s (Kubernetes)?
- getStructuringElement 获取结构化元素 -- opencv
- opencv: 阈值处理 (cv2.threshold)
- cv2.cvtColor 中 code 参数（cv::ColorConversionCodes）
- 1 月
- python-redis-lock - Redis 分布式锁的 Python 实现
- python 中的文件锁
- iostat 命令 – 监视系统输入输出设备和 CPU 的使用情况
- 使用 Kafka 时一定要注意防止消费速度过慢触发 rebalance 而导致的重复消费
- pandas - 文件处理
- dateutil - powerful extensions to datetime
- 有序集合 (zset) -- 数据类型 -- Redis
- NumPy ndarray 布尔型索引的原理
- NumPy 数组切片和 Python 原生列表切片的区别
- np.empty() 和 np.zeros() 等的区别 -- NumPy
- IPython - 交互式 Python 命令行工具
- kafka-python 1.4.6 版本触发的一个 rebalance 问题
- Kafka 线上问题: 消息堆积一直不消费, 重启服务后开始消费
- kafka-python 消费出现异常: Commit cannot be completed since the group has already rebalanced
- Kafka 自定义 Interceptor
- Kafka 自定义存储 offset
- Kafka 工作流程分析
- 12 月
- 2020 年
- 12 月
- kafka 自动提交 offset 失败：Auto offset commit failed
- ls 命令卡住
- Kafka 消费者组 subscribe 和 assign 的正确使用
- python kafka 多线程消费者 & 手动提交
- 如何选择 Kafka 的分区数和消费者个数
- 命令行/终端 翻译工具
- kafka 如何保证不重复消费又不丢失数据
- Python 脚本消费 kafka 数据
- Kafka 中的消费者组（Consumer Group）
- 《微积分的历程：从牛顿到勒贝格》
- 《普林斯顿微积分读本》
- Docker 搭建 Zookeeper 集群
- zookeeper 集群搭建
- Kafka 集群搭建
- 数学天才用5万字让你读懂：微积分！（深度烧脑文）- 作者长尾科技
- 《张量分析》 - Tensor Analysis
- Python RSA 公钥 pubkey 分段加密
- python 实现 RSA的加解密和签名/验签 (使用 pycrytodome 实现)
- 数学学习路径
- 《解析几何》
- 《高级代数》
- 《数学分析》
- 什么是张量 (tensor) ?
- 《微分几何》
- 《暗时间》
- 《数学之美》
- 学习算法的几个层次
- python django 环境下使用 RSA 算法加密明文登录密码
- Hadoop 教程 -- Big Data
- Spark 教程 -- Big Data
- Storm 教程 -- Big Data
- 11 月
- 构建 Kafka 的 Python 客户端
- Ubuntu 安装 openslide-python 步骤及报错处理
- kafka-python 基本使用
- lrzsz: mac 使用 sz 和 rz 远程上传下载
- 分布式流处理
- 数据库工具 -- Navicat
- Navicat for MySQL 怎么把两个数据库合并一起
- MySQL 合并数据库
- UUID 做主键，好还是不好？这是个问题
- pandas 读取 Excel 整数总被读成带 .0 的浮点类型怎么处理?
- jps 命令是 jdk 提供的一个查看当前 java 进程的小工具
- Kafka 面试题 -- kafka 教程
- Kafka 架构深入 -- Kafka 教程
- Kafka 命令行操作 -- Kafka 教程
- kafka 安装部署 - kafka 教程
- 概述 -- kafka 教程
- 梯度与导数的关系
- 重采样、上采样、下采样
- torch.mm -- PyTorch Doc
- 中心化和标准化 -- 数据集预处理
- kafka-python: Pure Python client for Apache Kafka
- 成对的矩阵, 类别和核函数 -- 数据集转换 -- sklearn
- 预测目标 (y) 的转换 -- 数据集转换 -- sklearn
- 随机投影 -- 数据集转换 -- sklearn
- 内核近似 -- 数据集转换 -- sklearn
- 无监督降维 -- 数据集转换 -- sklearn
- 缺失值插补 -- 数据集转换 -- sklearn
- 特征提取 -- 数据集转换 -- sklearn
- 特征提取之 pd.get_dummies()
- One-Hot 编码 (独热编码)
- 交叉熵损失函数原理
- 10 月
- 损失函数
- 机器学习：各种优化器 Optimizer 的总结与比较
- zookeeper - 分布式应用程序协调服务
- SFTP 传输比 FTP 慢
- 偏导数
- python paramiko 模块实现 sftp 传输如何提速
- 求导
- Python 将文件夹压缩成 zip 包
- `ERROR 1114 (HY000) the table … is full` with innodb_file_per_table set to autoextend
- 均匀分布 - Uniform Distribution
- 伯努利试验 - Bernoulli experiment
- 二项分布 - Binomial Distribution
- 正态分布
- 标准正态分布 - standard normal distribution
- 解决 ubuntu 使用命令 sudo apt -get install 安装东西时出现"E: Sub-process /usr/bin/dpkg returned an error code (1) "的问题
- Java 安装
- 源码 -- kafka 教程
- 实战笔记 -- kafka 教程
- kafka 连接器 -- kafka 教程
- kafka 流 -- kafka 教程
- kafka 监控 -- kafka 教程
- 安全 -- kafka 教程
- 硬件和操作系统 -- kafka 教程
- kafka 的实现 -- kafka 教程
- kafka 的常用操作, 如扩容, 删除和增加 topic
- kafka 的配置 -- kafka 教程
- kafka 是如何设计的 -- kafka 教程
- 客户端 API -- kafka 教程
- 入门 -- kafka 教程
- kafka 教程
- Linux 递归删除带空格的目录/文件
- PPI （像素密度）
- DPI （每英寸点数）
- OCR （Optical Character Recognition，光学字符识别）
- GAN - 对抗生成网络
- NLP - 自然语言处理
- 词向量模型 - Word2Vec -- NLP
- RNN 递归神经网络
- Pandas 修改表格数据
- Python（base64）编码模块
- 如何在浏览器控制台（Console）中引入外部 JS
- g++ 编译命令
- ctypes --- Python 的外部函数库
- C++ 高级教程
- C++ 面向对象
- [Bug]Python3.x AttributeError: xxx.so: undefined symbol: yyy
- C++ 教程
- LD_LIBRARY_PATH 详解
- g++ 以及 gcc 的区别
- ldd 命令: 用于打印程序或者库文件所依赖的共享库列表
- jupyter 远程访问
- PYTHON 实现 SIGN 签名: 用于提供给外部(第三方) 做系统对接
- 迁移学习 (Transfer Learning)
- 数据增强 (Data Augmentation)
- 基于经典网络架构训练图像分类模型
- torchvision -- PyTorch Lib
- tcpdump 抓包
- tracert / traceroute 命令 -- 跟踪路由
- 利用 PyTorch 卷积神经网络实现 mnist (手写体) 数据集的分类任务
- Resnet (残差网络) - 经典卷积神经网络
- Vgg - 经典卷积神经网络
- AlexNet - 经典卷积神经网络
- torch.utils -- PyTorch Doc
- pathlib --- 面向对象的文件系统路径
- softmax 函数
- drf-extensions -- Django REST Framework extensions
- DRF 配置 Redis 缓存
- 版本更新后强制用户重新登陆怎么实现
- JWT token 如何实现注销或登出
- Python 使用 base64 对 URL 进行编码
- 深入理解 HTTP Cache
- 利用 PyTorch 实现 mnist (手写体) 数据集的分类任务
- torch.nn -- PyTorch Doc
- torch -- PyTorch Doc
- torch.Tensor -- PyTorch Doc
- 搭建 PyTorch 神经网络进行气温预测 (回归任务)
- PyTorch Hub 计算机视觉、自然语言处理领域经典模型的聚合中心
- PyTorch 中 Tensor 常见的形式有哪些?
- 梯度下降算法
- 梯度（gradient）
- torch.optim -- PyTorch Doc
- PyTorch Documentation
- Mac Zsh下配置 Docker 命令补全
- 学习率 (learning rate) -- 深度学习
- 机器学习组成
- 回归分析（regression analysis)
- 线性回归模型 -- PyTorch
- Autograd: 自动求导机制 -- PyTorch
- 人工神经网络 ANN
- 激活函数 -- 人工神经网络
- 前向传播算法和反向传播算法
- PyTorch 安装
- Keras: Deep Learning for humans
- Joblib: running Python functions as pipeline jobs
- 最小平方法 (最小二乘法)
- 车道检测 -- OpenCV
- 椒盐噪声与高斯噪声
- 对图像高频信号和低频信号的理解
- 9 月
- Redis 变慢了, 如何排查?
- 图像分割
- 图像二值化
- 在 Docker 容器中配置和运行 Django + Celery
- 如何使用 Python 占满电脑内存？
- cv2.inRange() 方法 -- opencv
- GPUtil -- 用于使用 nvidia-smi 从 nvidia gpu 获取 gpu 状态
- NumPy 数据类型转换 astype，dtype
- np.clip() 用法, NumPy 中 clip 函数的使用
- opencv python 计算代码运行时间
- Dokcer 容器内执行 apt-get update 慢的问题
- 什么是计算机视觉
- scikit-image: Image processing in Python
- cv2.pyrDown() & cv2.pyrUp()
- PyCharm 无法加载 cuda 库的一次性解决办法
- NumPy 算术函数
- NumPy 数学函数
- NumPy cumsum() 用法
- NumPy 文件存取 tofile，fromfile， load，save
- 目标检测之损失函数
- Python 替换 NumPy 数组中大于某个值的所有元素
- NumPy 比较运算
- Numpy 数组操作
- NumPy 统计函数
- NumPy 排序、条件刷选函数
- 机器学习之 sigmoid 函数
- 一个黑客的基本素养——社会工程学
- Linux 黑客常用命令行
- 有趣的 Linux 命令，让你成为一个超级伪黑客
- Linux 目录下 /dev/shm 的理解和使用
- Python os.popen() 方法
- lspci 命令 – 显示当前设备所有 PCI 总线信息
- nc 命令 – 设置路由
- 如何在 Django 中制作可执行脚本文件
- pkill 命令 – 按照进程名杀死进程
- SQLAlchemy -- ORM
- Python 保持列表的原顺序并进行去重的方法
- Example -- marshmallow -- simplified object serialization
- 8 月
- pprint -- Data pretty printer -- std lib
- marshmallow -- simplified object serialization
- 如何修改在 DRF 中 request.query_params
- 重构单体应用为微服务 -- 微服务架构
- Linux 命令 which, whereis, locate, find 的区别
- 选择部署策略 -- 微服务架构
- 事件驱动数据管理 -- 微服务架构
- 服务发现 -- 微服务架构
- 进程间通信 -- 微服务架构
- 调用链跟踪 -- 微服务架构
- 服务注册中心 -- 微服务架构
- docker 安装 redis
- API 网关 (API Gateway) -- 微服务架构
- JWT + Zuul + Redis -- 鉴权方案 -- 微服务架构
- 微服务架构下的鉴权, 怎么做更优雅
- Gevent
- Python 中协程 (coroutine) 与 greenlet、gevent
- time 命令 – 指令执行时所消耗的时间
- Python 实现 LRU Cache 算法
- 第 11 章 在 AWS 上部署 -- Python 微服务开发
- 第 12 章 接下来做什么？ -- Python 微服务开发
- 第 10 章 容器化服务 -- Python 微服务开发
- 第 8 章 综合运用 -- Python 微服务开发
- 第 9 章 打包和运行Runnerly -- Python 微服务开发
- 第 7 章 保护服务 -- Python 微服务开发
- 第 5 章 与其他服务交互 -- Python 微服务开发
- 第 6 章 监控服务 -- Python 微服务开发
- 第 4 章 设计 Runnerly. -- Python 微服务开发
- 第 3 章 良性循环：编码、测试和 写文档 -- Python 微服务开发
- 第 2 章 Flask 框架 -- Python 微服务开发
- 第一章 理解微服务 -- Python 微服务开发
- Python 微服务开发
- Python 处理并发
- kafaka
- nameko 微服务框架实现原理解析
- RabbitMQ
- 消息队列原理及选型
- ping 命令 – 测试主机间网络连通性
- iperf 命令 – 网络性能测试
- iperf3 命令 – 进行网络吞吐量测试
- Mac 下安装 RabbitMQ
- Python 微服务框架 NameKo
- 禁用 Ubuntu 系统内核更新
- stat --- 解析 stat() 结果 -- 文件和目录访问 -- std lib
- concurrent.futures -- concurrent execution -- std
- K-Means 算法
- Mac 下 pyenv 管理 Python 版本
- 怎么切换 Mac 系统下的 Python 版本
- Mac 提示 Operation not permitted 解决方法
- CNN (卷积神经网络)
- YOLO: Real-Time Object Detection
- yolo 算法原理
- Darknet: 一个利用 C 和 CUDA 实现的开源神经网络框架
- Python 电子邮件的发送 (SMTP) 和接收 (POP3)
- MySQL 去重 (distinct) 并统计 (count)
- Python 获取本机 IP 地址
- ubuntu16.04 安装 CUDA 10.0
- Redis 分布式锁
- http 命令: 命令行的 HTTP 工具包 HTTPie
- Linux 删除文件中的注释行
- netstat 命令: 查看整个 Linux 系统的网络情况
- lsof 命令: 查看端口占用情况
- 7 月
- operator -- 函数式编程模块 -- Python 标准库
- itertools -- 函数式编程模块 -- Python 标准库
- 《编写高质量代码改善 Python 程序的 91 个建议》
- Python 第三方模块 easydict 的使用
- python3 使用 python-redis-lock 编写锁，解决并发计算问题
- 解决 brew update 慢的问题
- 将 vim 打造为专属的 IDE
- cython distutils 以及 setup
- distutils — Building and installing Python modules 构建和安装 Python 模块
- Software Packaging and Distribution - 软件包和分发
- redis-py: The Python interface to the Redis key-value store.
- python2so 批量处理 Python 代码文件为 so 文件
- ubuntu 系统信息查询 (主板, 内存, 硬盘, 网卡)
- 图像文件格式
- Python Openslide 自动切割病理图像
- Python 微服务 (MicroServices)
- Python 服务器
- Japronto - Python Web 服务器
- 为什么 Python3.6 以后字典有序并且效率更高?
- Tablib: Pythonic Tabular Datasets
- collections -- Data Types -- Python Standard Library
- Data Types -- Python Standard Library
- 一位上海出租车司机给一位 CEO 上的一堂 MBA 课
- Normal distribution -- Statistics
- Glossary -- NumPy
- Explanations -- NumPy
- NumPy API Reference -- NumPy
- How Tos -- NumPy
- Tutorials -- NumPy
- Absolute Beginners Tutorial -- NumPy
- Quickstart Tutorial -- NumPy
- NumPy documentation
- Setting Up -- NumPy
- mysqldump 导出提示 Couldn't execute SELECT COLUMN_NAME...
- statistics -- Numeric and Mathematical Modules
- random -- Numeric and Mathematical Modules
- fractions -- Numeric and Mathematical Modules
- cmath -- Numeric and Mathematical Modules
- decimal -- Numeric and Mathematical Modules
- math -- Numeric and Mathematical Modules
- numbers -- Numeric and Mathematical Modules
- Numeric and Mathematical Modules -- Python Standard Library
- NumPy 常用 random 随机函数汇总
- 计算机取随机数是什么原理，是真正的随机数吗？
- 两台 Mac 电脑如何实现屏幕、键鼠的共享
- django-import-export 数据导入导出
- 6 月
- paramiko 模块 - 基于 Python 实现的 SSHv2 远程安全连接
- 如何利用键盘输入特殊符号
- MySQL update 嵌套 select
- Python 性能分析
- 解决 MySQL 占用内存超大问题
- How to design a web framework
- How to design a programming language
- 数学符号
- 文件夹上传：从前端到后端
- Probability Theory and Mathematical Statistics 概率论与数理统计
- Calculus 微积分
- Further Mathematics 高等数学
- 线性代数 Linear algebra
- 经济学 Economics
- 《统计学》（第7版）
- 预测目标 (y) 的转换 - 数据集转换 -- sklearn
- 内核近似 - 数据集转换 -- sklearn
- 成对的矩阵, 类别和核函数 - 数据集转换 -- sklearn
- 无监督降维 - 数据集转换 -- sklearn
- 随机投影 - 数据集转换 -- sklearn
- 缺失值插补 - 数据集转换 -- sklearn
- 特征提取 - 数据集转换 -- sklearn
- 预处理数据 - 数据集转换 -- sklearn
- Pipeline（管道）和 FeatureUnion（特征联合）: 合并的评估器 - 数据集转换 -- sklearn
- 模型持久化 - 模型选择和评估 -- sklearn
- 验证曲线: 绘制分数以评估模型 - 模型选择和评估 -- sklearn
- 模型评估: 量化预测的质量 - 模型选择和评估 -- sklearn
- 调整估计器的超参数 - 模型选择和评估 -- sklearn
- 神经网络模型（无监督） - 无监督学习 -- sklearn
- 交叉验证：评估估算器的表现 - 模型选择和评估 -- sklearn
- 新奇和异常值检测 - 无监督学习 -- sklearn
- 密度估计 - 无监督学习 -- sklearn
- 分解成分中的信号（矩阵分解问题） - 无监督学习 -- sklearn
- 协方差估计 - 无监督学习 -- sklearn
- 双聚类 - 无监督学习 -- sklearn
- 聚类 - 无监督学习 -- sklearn
- 流形学习 - 无监督学习 -- sklearn
- 高斯混合模型 - 无监督学习 -- sklearn
- 概率校准 - 监督学习 -- sklearn
- 神经网络模型（有监督） - 监督学习 -- sklearn
- 半监督学习 - 监督学习 -- sklearn
- 等式回归 - 监督学习 -- sklearn
- 特征选择 - 监督学习 -- sklearn
- 集成方法 - 监督学习 -- sklearn
- 多类和多标签算法 - 监督学习 -- sklearn
- 朴素贝叶斯 - 监督学习 -- sklearn
- 决策树 - 监督学习 -- sklearn
- 交叉分解 - 监督学习 -- sklearn
- 高斯过程 - 监督学习 -- sklearn
- 随机梯度下降 - 监督学习 -- sklearn
- 最近邻 - 监督学习 -- sklearn
- 支持向量机 - 监督学习 -- sklearn
- 线性和二次判别分析 - 监督学习 -- sklearn
- 内核岭回归 - 监督学习 -- sklearn
- 广义线性模型 - 监督学习 -- sklearn
- 数据集加载工具 -- sklearn
- 使用 scikit-learn 计算 -- sklearn
- 数据集转换 -- sklearn
- 模型选择和评估 -- sklearn
- 检验 -- sklearn
- 无监督学习 -- sklearn
- sklearn (scikit-learn)
- 监督学习 -- sklearn
- 编写自定义数组容器 -- NumPy
- 子类化数组 -- NumPy
- 结构化数组 -- NumPy
- 广播 -- NumPy
- 字节交换 -- NumPy
- 索引 -- NumPy
- NumPy 与输入输出 -- NumPy
- 创建数组 -- NumPy
- 数据类型 -- NumPy
- NumPy 基础知识 -- NumPy
- 快速入门 -- NumPy
- Django model 转字典的几种方法
- Multidimensional image processing (scipy.ndimage) - SciPy
- File IO (scipy.io) - SciPy
- Statistics (scipy.stats) - SciPy
- Compressed Sparse Graph Routines (scipy.sparse.csgraph) - SciPy
- Spatial data structures and algorithms (scipy.spatial) - SciPy
- Sparse eigenvalue problems with ARPACK - SciPy
- Signal Processing (scipy.signal) - SciPy
- Linear Algebra (scipy.linalg) - SciPy
- Fourier Transforms (scipy.fft) - SciPy
- Optimization (scipy.optimize) - SciPy
- Interpolation (scipy.interpolate) - SciPy
- Integration (scipy.integrate) - SciPy
- Basic functions - SciPy
- Special functions (scipy.special) - SciPy
- Introduction - SciPy
- SciPy
- django-rest-framework-sso - 单点登录 (SSO)
- 5 月
- Text rendering With LaTeX - Documentation - Matplotlib
- Writing mathematical expressions - Documentation - Matplotlib
- Typesetting With XelaTeX/LualaTeX - Documentation - Matplotlib
- Text in Matplotlib Plots - Documentation - Matplotlib
- Text properties and layout - Documentation - Matplotlib
- Choosing Colormaps in Matplotlib - Documentation - Matplotlib
- Colormap Normalization - Documentation - Matplotlib
- Customized Colorbars Tutorial - Documentation - Matplotlib
- Creating Colormaps in Matplotlib - Documentation - Matplotlib
- Transformations Tutorial - Documentation - Matplotlib
- Specifying Colors - Documentation - Matplotlib
- Path effects guide - Documentation - Matplotlib
- Path Tutorial - Documentation - Matplotlib
- Tight Layout guide - Documentation - Matplotlib
- origin and extend in imshow - Documentation - Matplotlib
- Customizing Figure Layouts Using GridSpec and Other Functions - Documentation - Matplotlib
- Constrained Layout Guide - Documentation - Matplotlib
- Legend Guide - Documentation - Matplotlib
- Styling with cycler - Documentation - Matplotlib
- Artist tutorial - Documentation - Matplotlib
- The Lifecycle of a Plot - Documentation - Matplotlib
- Customizing Matplotlib with style sheets and rcParams - Documentation - Matplotlib
- Image tutorial - Documentation - Matplotlib
- Sample plots in Matplotlib - Documentation - Matplotlib
- Usage Guide - Documentation - Matplotlib
- Pyplot tutorial - Documentation - Matplotlib
- 数学 (Mathematics)
- 统计学（Statistics）
- 数据分析 (Data Analysis)
- Python 使用 Pandas 将 Excel 存入 MySQL - 《Pandas 数据分析从入门到实战》
- Pandas 实现 groupby 聚合后不同列数据统计 - 《Pandas 数据分析从入门到实战》
- Pandas 和数据库查询语言 SQL 的对比 - 《Pandas 数据分析从入门到实战》
- Pandas 计算同比环比指标的3种方法 - 《Pandas 数据分析从入门到实战》
- Pandas 借助 Python 爬虫读取 HTML 网页表格存储到 Excel 文件 - 《Pandas 数据分析从入门到实战》
- Pandas 使用 explode 实现一行变多行统计 - 《Pandas 数据分析从入门到实战》
- Pandas 的 get_dummies 用于机器学习的特征处理 - 《Pandas 数据分析从入门到实战》
- Pandas 的 Categorical 数据类型可以降低数据存储提升计算速度- 《Pandas 数据分析从入门到实战》
- Pandas 怎样找出最影响结果的那些特征？- 《Pandas 数据分析从入门到实战》
- Pandas 处理分析网站原始访问日志 - 《Pandas 数据分析从入门到实战》
- Pandas 结合 Sklearn 实现泰坦尼克存活率预测 - 《Pandas 数据分析从入门到实战》
- Pandas 怎样结合 Pyecharts 绘制交互性折线图？ - 《Pandas 数据分析从入门到实战》
- Pandas怎样实现Excel的vlookup并且在指定列后面输出？ - 《Pandas 数据分析从入门到实战》
- Pandas 怎么处理日期索引的缺失？ - 《Pandas 数据分析从入门到实战》
- Pandas 怎样快捷方便的处理日期数据 - 《Pandas 数据分析从入门到实战》
- Pandas 的 stack 和 pivot 实现数据透视 - 《Pandas 数据分析从入门到实战》
- Pandas 怎样对每个分组应用 apply 函数 - 《Pandas 数据分析从入门到实战》
- Pandas 的数据转换函数 map、apply、applymap - 《Pandas 数据分析从入门到实战》
- Pandas 怎样实现 groupby 分组统计 - 《Pandas 数据分析从入门到实战》
- Pandas 的分层索引 MultiIndex - 《Pandas 数据分析从入门到实战》
- Pandas 批量拆分 Excel 与合并 Excel - 《Pandas 数据分析从入门到实战》
- Pandas 实现数据的合并 concat - 《Pandas 数据分析从入门到实战》
- Pandas 的 Merge 语法 - Pandas 数据分析从入门到实战
- Pandas 的 索引 index - 《Pandas 数据分析从入门到实战》
- Pandas 对字符串处理 - 《Pandas 数据分析从入门到实战》
- Pandas 的 axis 参数 - 《Pandas 数据分析从入门到实战》
- Pandas 中 的SettingWithCopyWarning 报警复现、原因、解决方案 - 《Pandas 数据分析从入门到实战》
- Pandas 数据排序 - 《Pandas 数据分析从入门到实战》
- Pandas 数据统计函数 - 《Pandas 数据分析从入门到实战》
- Pandas 缺失值处理 - 《Pandas 数据分析从入门到实战》
- Pandas 新增数据列 - 《Pandas 数据分析从入门到实战》
- Pandas 数据查询 - 《Pandas 数据分析从入门到实战》
- Pandas 数据读取 - 《Pandas 数据分析从入门到实战》
- Pandas 数据结构 - 《Pandas 数据分析从入门到实战》
- 预排序遍历树算法 (modified preorder tree traversal algorithm)
- Ubuntu 安装 docker 及 nvidia-docker2
- 解决 Ubuntu 中文件管理器死掉的情况
- django-mptt: Utilities for implementing a modified pre-order traversal tree in django.
- pandas
- 什么是算法? 什么是机器学习算法?
- 机器学习 - 数据集
- scikit-learn: Machine Learning in Python
- 基于 Docker 搭建 Anaconda 环境
- 机器学习 - 特征工程
- 人工智能
- 机器学习
- 数据挖掘
- 数据分析
- PyTorch - 文本 - NLP From Scratch: 使用char-RNN对姓氏进行分类
- PyTorch - 音频 - torchaudio 教程
- PyTorch - 图片 - DCGAN 教程
- PyTorch - 图片 - 对抗示例生成
- PyTorch - 图片 - 使用 PyTorch 进行神经传递
- PyTorch - 图片 - 空间变压器网络教程
- PyTorch - 图片 - 转移学习的计算机视觉教程
- PyTorch - 图片 - TorchVision 对象检测微调教程
- PyTorch - 使用 TensorBoard 可视化模型，数据和训练
- 编写自定义数据集，数据加载器和转换
- 什么是 PyTorch？
- 《人生智慧》
- uwsgi
- 通过 CONN_MAX_AGE 优化 Django 的数据库连接
- DBA - MySQL - 优化: show processlist 命令详解
- ulimit 命令 – 控制 shell 程序的资源
- Teamviewer for MAC 检测到商业用途的解决方法
- 《鬼谷子智慧禁果》
- 《鬼谷子绝学》
- ELK - 日志分析系统 (Elasticsearch, Logstash, Kibana)
- DBA - NoSQL - ES (Elastic Search): 运维工具
- DBA - NoSQL - ES (Elastic Search): x-pack 监控功能
- DBA - NoSQL - ES (Elastic Search): API
- DBA - NoSQL - ES (Elastic Search): 安装部署
- DBA - NoSQL - ES (Elastic Search): 集群部署
- 鬼谷子的心理学
- DBA - NoSQL - ES (Elastic Search)
- DBA - NoSQL - Redis: 集群
- 《心理学与生活》
- DBA - NoSQL - Redis: 哨兵
- 心理学 - Psychology
- DBA - NoSQL - Redis: 主从复制
- DBA - NoSQL - Redis: 持久化
- DBA - NoSQL - redis: 运维
- DBA - NoSQL - redis: 架构
- DBA - NoSQL - redis
- 《一年顶十年》
- 贵人相助 - 一年顶十年
- Docker - 部署 Kubernetes
- Docker - Kubernetes 容器编排集群 (k8s)
- 4 月
- 制作本地局域网 yum 源
- uvicorn - ASGI server
- curl 命令 – 文件传输工具
- tee 命令 – 读取标准输入的数据
- Django 中 makemigrations/migrate 命令与数据迁移常见问题
- 设计原则与设计模式面试
- 机器学习面试
- 数据分析面试
- 运营人必须知道的底层逻辑和思维模型
- 马斯洛需求层次理论模型
- 人性的底层逻辑
- sftp 命令 – 交互式的文件传输程序
- Ubuntu 16.04 系统部署 SFTP 服务
- DBA - NoSQL - MongoDB - 相关操作
- DBA - NoSQL - MongoDB - 安装和部署
- DBA - NoSQL - MongoDB
- DBA - MySQL - 优化
- 在 Django 项目中, 如何单独运行某个 python 文件
- DBA - MySQL - 分布式架构 - MyCAT
- DBA - MySQL - 读写分离架构 - Atlas
- 3 月
- DBA. - MySQL - MHA 高可用技术
- DBA - MySQL - 主从复制
- DBA. - MySQL - 数据迁移
- DBA - MySQL - 备份恢复
- DBA - MySQL - 日志管理
- 运维架构面试
- 如何面试别人？
- Ubuntu 安装部署 NFS 服务
- DBA - MySQL - 存储引擎
- DBA - MySQL - 索引
- DBA - MySQL - 执行计划
- mysql 命令 – MySQL 服务器的客户端工具
- DBA - RDB - SQL 基础应用
- DBA - MySQL - 安装
- DBA - MySQL - 体系结构和管理
- blkid 命令 – 显示关于可用块设备的信息
- DBA
- DBA - MySQL
- 电影《我不是药神》里的商业逻辑
- 持续集成 CI、持续交付 CD、持续部署 CD
- Maven 项目管理工具
- Jenkins - 持续集成工具
- gitlab
- git
- 2 月
- DevOps
- ab 命令 – Apache 的 Web 服务器的性能测试程序
- Linux 下查看公网 IP 地址
- test 命令 – 检查条件是否成立
- expr 命令 – 命令行计数器
- bc 命令 – 浮点运算
- read – 读取单行数据
- sleep 命令 – 延迟当前命令的执行
- basename 命令 - 显示文件路径名的基本文件名
- 认知
- 认知、逻辑、思维、系统思考能力如何提升？
- `ps aux | grep '[n]ginx'` 命令中 [] 的作用
- 综合架构 - 监控服务 - zabbix
- 综合架构 - 高可用服务
- 《人性的弱点》
- 综合架构 - 网站架构
- 综合架构 - 负载均衡服务
- showmount 命令 – 显示 NFS 服务器的加载信息
- linux - 日志管理服务 - logrotate
- logrotate 命令 – 管理记录文件
- 综合架构 - 网站服务
- htop 命令 – 互动的进程查看器
- iotop 命令 – 监视磁盘 I/O 状态
- 综合架构 - 远程管理服务
- ssh-keygen 命令 – 密钥认证
- ssh-copy-id 命令 – 复制公钥到远程主机
- 综合架构 - 批量管理服务 - ansible
- DRF API 文档生成器: drf_yasg
- Django 调试工具利器: django_debug_toolbar
- 网站综合架构 - 实时同步服务
- RPC - 远程过程调用
- 网站综合架构 - 存储服务 - 分布式存储
- ssh 命令 – 安全连接客户端
- 网站综合架构 - 存储服务器
- md5sum 命令 – 校验文件
- sh 命令 – shell 命令语言解释器
- rsync 命令 – 远程数据同步工具
- scp 命令 – 远程拷贝文件
- 网站综合架构 - 备份服务器
- 网站综合架构
- 1 月
- 人生八商：心商、德商、志商、智商、逆商、情商、财商、健商
- 性能调优第一步：如何搞定服务器硬件选型？
- 单点登录 (SSO)
- 金融与量化分析
- Docker inspect 命令
- docker 镜像的导出和导入
- Zabbix Web 界面
- Zabbix API
- Zabbix 加密
- Zabbix 自发现
- Zabbix 分布式监控
- Zabbix 配置导出/导入
- Zabbix 维护
- Zabbix 事件确认
- Zabbix 虚拟机监控
- Zabbix Web 监控
- Zabbix 配置: 用户和用户组
- Zabbix 服务监控
- Zabbix 配置: 宏
- Zabbix 配置: 模版
- Zabbix 配置: 事件通知
- Zabbix 配置: 事件关联
- Zabbix 配置: 可视化
- Zabbix 配置: 事件
- Zabbix 配置: 监控项
- Zabbix 配置: 主机和主机组
- Zabbix 配置: 触发器
- Zabbix 配置
- Zabbix 安装
- Zabbix Quickstart
- 12 月
- 2019 年
- 12 月
- uptime 命令 – 查看系统负载
- zabbix 全方位监控: 适用于所有 IT 基础架构，服务，应用和云资源的监控解决方案
- 出现 “no CUDA-capable device is detected” 报错解决
- ubuntu 修改机器名称
- Deep Learning
- Machine Learning
- PyTorch 是使用 GPU 和 CPU 优化的深度学习张量库
- Anaconda
- 【图像算法】ImageHash（Python 图像哈希库）
- watch 命令 – 周期性执行命令
- pwd 命令 – 显示当前路径
- cp 命令 – 复制文件或目录
- ls 命令 – 显示指定工作目录下的内容及属性信息
- history 命令 – 显示与操纵历史命令
- rmdir 命令 – 删除空目录
- wget 命令 – 文件下载
- poweroff 命令 – 关闭操作系统并切断电源
- reboot 命令 – 重新启动计算机
- date 命令 – 显示日期与时间
- echo 命令 – 输出字符串或提取 Shell 变量的值
- 显卡驱动与 cuda、cudnn 之间的关系
- 读取多个(海康\大华)网络摄像头的视频流 (使用opencv-python)，解决实时读取延迟问题
- cat 命令 – 在终端设备上显示文件内容
- mkdir 命令 – 创建目录
- Channels - Developer-friendly asynchrony for Django
- last 命令 – 显示用户或终端的登录情况
- tail 命令 – 查看文件尾部内容
- ps 命令 – 显示进程状态
- rm 命令 – 移除文件或目录
- Ubuntu 无线网卡驱动安装教程
- mv 命令 – 移动或改名文件
- Docker 基本概念
- 为什么要使用 Docker？
- locate 命令 – 快速查找文件或目录
- find 命令 – 查找和搜索文件
- websocket 浏览器与服务器的全双工通信
- ubuntu16.04 上 virtualenv 和 virtualenvwrapper 的安装及使用
- grep 命令 – 强大的文本搜索工具
- nps 快速反向代理技术
- nohup 命令 – 后端运行程序
- Linux 常用的查看当前系统版本的命令
- Docker 镜像加速器
- 11 月
- MySQL 参考手册
- frp 快速反向代理技术
- 局域网网站穿透到外网的反向代理配置
- 内网穿透
- docker 构建镜像
- Dockerfile 指令详解
- Ubuntu 重装显卡驱动
- docker 启动 mysql
- Docker 配置文件 daemon.json 解析
- gunicorn 部署 Django 项目
- top 命令 – 实时显示进程动态
- su、sudo、sudo su、sudo -i 的用法和区别
- Ubuntu 国内源安装 docker-compose
- Mac 与 VMware 虚拟机之间无法复制/粘贴的解决方法
- Ubuntu 国内源安装 Docker
- 安装 Ubuntu 操作系统
- ubuntu 下添加硬盘，分区以及自动挂载
- docker 搭建 redmine 项目管理平台
- 怎样将 Python 项目发布到 PyPI
- 使用 pypi-server 搭建 pypi 私有服务器
- uwsgi 日志按天切割
- MySQL 面试及常见问题
- MySQL 服务器
- 综合架构 - 网站服务 - Nginx 服务
- 10 月
- Ubuntu 操作系统安装
- 如何来一次说干就干的重构 (流程篇)
- Django 之 contenttypes 应用
- Python 模块学习 - pyinotify
- Docker 常见问题汇总
- 如何调试 Docker
- Docker 搭建私有仓库
- Docker 三剑客之 Docker Swarm
- Docker 三剑客之 Compose 项目
- Docker 三剑客之 Machine 项目
- ws4py - A WebSocket package for Python
- opencv 教程
- Tornado 简介
- openCV API 文档
- MongoDB ORM 操作之 Mongengine 学习
- mac 安装 anaconda
- pidof 命令 – 返回运行程序的进程 ID
- 【OpenCV 】图像掩模
- 如何用 OpenCV 制作透明渐变的蒙版？
- 为什么 matplotlib 显示 opencv 图像不正常
- python3+opencv 图像通道的分离（split（）函数）和合并（merge（）函数）
- Jupyter 安装及使用
- Matplotlib 教程
- 9 月
- numpy 教程
- samba 入门
- U-Net 算法（基于深度学习的图像语义分割算法 ）
- Sanic - Python Web 服务器
- Python，Openslide 自动切 .SVS 格式(WSI)病理图像
- 瓦片服务（瓦片地图）
- OpenCV-Python 简介
- Docker 高级网络配置
- Docker 使用网络
- Docker 数据管理
- 访问 Docker 仓库
- 操作 Docker 容器
- 使用 Docker 镜像
- Docker 安装
- Docker —— 从入门到实践
- gitlab 或 github 下 fork 后如何同步源的新更新内容？
- 设计原则与设计模式
- 水的另类作用
- 面试驱动学习
- 爬虫面试
- 装饰器模式
- 面向切面编程（AOP）
- Web 系统相关面试
- Web 相关面试
- 网络编程面试
- Linux 面试
- Django 面试
- 算法面试
- 数据结构面试
- Python 面试
- MySQL 面试
- test save
- GitBook
- 8 月
- 7 月
- 6 月
- Lookup expressions -- Querysets -- The model layer -- Django
- QuerySet method reference -- Querysets -- The model layer
- Making queries -- Querysets -- The model layer -- Django
- Middleware -- The view layer -- Django
- Advanced -- The view layer -- Django
- File uploads -- The view layer -- Django
- Class-based views -- The view layer -- Django
- Reference -- The view layer -- Django
- The basics -- The view layer -- Django
- Other -- The model layer -- Django
- Advanced -- The model layer -- Django
- Migrations -- The model layer -- Django
- Model instances -- The model layer -- Django
- Querysets -- The model layer -- Django
- Models -- The model layer -- Django
- The template layer -- Django
- The view layer -- Django
- documentation -- Django
- The model layer -- Django
- Exceptions -- API Guide -- DRF
- Status codes -- API Guide -- DRF
- Testing -- API Guide -- DRF
- Settings -- API Guide -- DRF
- Documenting your API -- Topics -- DRF
- API Client -- Topics -- DRF
- Internationalization -- API Guide -- DRF
- AJAX, CSRF & CORS -- API Guide -- DRF
- HTML & Forms -- API Guide -- DRF
- Browser Enhancements -- API Guide -- DRF
- The Browsable API -- API Guide -- DRF
- REST, Hypermedia & HATEOAS -- API Guide -- DRF
- Returning URLs -- API Guide -- DRF
- Schemas -- API Guide -- DRF
- Format suffixes -- API Guide -- DRF
- Content negotiation -- API Guide -- DRF
- Metadata -- API Guide -- DRF
- Pagination -- API Guide -- DRF
- Versioning -- API Guide -- DRF
- Throttling -- API Guide -- DRF
- Filtering -- API Guide -- DRF
- Caching -- API Guide -- DRF
- Authentication -- API Guide -- DRF
- Permissions -- API Guide -- DRF
- Validators -- API Guide -- DRF
- Serializer relations -- API Guide -- DRF
- Serializer fields -- API Guide -- DRF
- Serializers -- API Guide -- DRF
- Routers -- API Guide -- DRF
- Viewsets -- API Guide -- DRF
- Views -- API Guide -- DRF
- Response -- API Guide -- DRF
- Requests -- API Guide -- DRF
- Topics -- DRF
- chome + vimium
- Tutorial -- DRF
- API Guide -- DRF
- DRF (Django REST framework)
- File and Directory Access -- standard library -- Python
- os.path -- File and Directory Access -- standard library -- Python
- Python 中 defaultdict 用法详解
- Cryptographic Services -- standard library -- Python
- hashlib — Secure hashes and message digests -- Cryptographic Services
- hmac — Keyed-Hashing for Message Authentication -- Cryptographic Services
- secrets — Generate secure random numbers for managing secrets -- Cryptographic Services
- Text Sequence Type — str
- shutil — High-level file operations -- File and Directory Access
- Classes -- Python Tutorial
- The Python Tutorial
- Whetting Your Appetite -- Python Tutorial
- Using the Python Interpreter -- Python Tutorial
- An Informal Introduction to Python -- Python Tutorial
- More Control Flow Tools -- Python Tutorial
- Data Structures -- Python Tutorial
- Modules -- Python Tutorial
- Input and Output -- Python Tutorial
- Errors and Exceptions -- Python Tutorial
- Brief Tour of the Standard Library -- Python Tutorial
- Brief Tour of the Standard Library — Part II -- Python Tutorial
- Virtual Environments and Packages -- Python Tutorial
- What Now? -- Python Tutorial
- Interactive Input Editing and History Substitution -- Python Tutorial
- Floating Point Arithmetic: Issues and Limitations -- Python Tutorial
- Appendix -- Python Tutorial
- ifconfig 命令 – 显示或设置网络设备
- Celery 深入学习
- Celery 快速入门
- Celery 入门
- killall 命令 – 使用进程名称来杀死一组进程
- kill 命令 – 杀死进程
- 5 月
- 4 月
- 3 月
- 2 月
- 1 月
- Linux - 普通用户如何拥有 root 用户的能力
- lastlog 命令 – 显示用户最近一次登录信息
- groupdel 命令 – 删除用户组
- groupmod 命令 – 更改群组识别码或名称
- umask 命令 – 设定权限掩码
- column 命令 – 输入格式化为多个列
- rename 命令 – 批量改变文件名
- Linux 符号分类
- seq 命令 – 打印数字序列
- Linux 系统正则符号
- xargs 命令 – 过滤器
- Linux 文件属性
- vimdiff 命令 – 同时编辑多个文件
- updatedb 命令 – 创建或更新数据库文件
- yum 命令 - 用于添加/删除/更新 RPM 包, 自动解决包的依赖问题以及系统更新升级
- whereis 命令 – 显示命令及相关文件的路径
- which 命令 – 查找文件
- Linux 系统中常见的文件类型
- sed 命令 – 处理和编辑文本文件
- Linux 命令三剑客: awk、sed、grep
- less 命令 – 分页显示工具
- rpm 命令 – RPM 软件包管理器
- Linux 系统中常见的特殊符号
- iTerm2 快捷键大全
- Linux 系统常见的环境变量和作用
- Linux 系统优化方法
- df 命令 – 显示磁盘空间使用情况
- w 命令 – 显示已登录用户
- 爬虫
- lscpu 命令 – 显示 CPU 架构的有关信息
- Linux 系统硬件信息查看方法
- Linux 系统中重要的日志文件
- nmap 命令 – 网络探测工具和安全和端口扫描器
- tree 命令 – 以树状图列出目录内容
- Linux 系统软件安装方式
- Linux 设置用户登录前后的提示信息
- type 命令 – 显示指定命令的类型
- Linux 命令别名
- unalias 命令 – 取消命令别名
- alias 命令 – 设置命令别名
- export 命令 – 系统设置
- Linux 命令执行过程
- source 命令 – 在当前 Shell 环境中从指定文件读取和执行命令
- Linux 单用户模式修改 root 密码
- init 命令 – 切换系统运行级别
- runlevel 命令 – 显示系统的运行级
- Linux 设置开机自启动脚本
- linux 如何挂载磁盘并设置开机自动 mount
- linux 下配置 DNS 域名解析
- hostname 命令 – 显示和设置系统的主机名
- hostnamectl 命令 – 修改主机名称
- Linux 系统的经典语录
- Linux 网卡配置文件
- Linux 命令行常用快捷键
- halt 命令 – 关机
- shutdown 命令 – 关闭服务器
- exit 命令 – 退出 shell
- 系统运行命令
- systemctl 命令 – 管理系统服务
- telnet 命令 – 远端登入
- 远程连接主机失败的排错方法
- 虚拟主机的网络模式
- 通过 nmtui 和 nmcli 配置网络服务
- 网络常见问题分析
- ip 命令 – 显示与操作路由
- Mac 系统 VMware Fusion 安装 CentOS 虚拟机
- Mac 系统 VMware Fusion 安装 Linux 虚拟机并配置 Nat 静态 IP
- 硬件
- 在网络中实现批量安装操作系统
- 远程管理卡
- 硬盘(磁盘)
- 硬盘
- 缓冲与缓存的区别
- 区别: CPU 路数、CPU 核数、物理 CPU 个数、逻辑 CPU 个数
- 【Mac】解决 macOS 版本更新失败的问题
- Python 标准库 - re 模块（正则表达式）
- psutil - Cross-platform lib for process and system monitoring in Python
- 分片上传
- python 通过 TimedRotatingFileHandler 按时间切割日志
- logging.handlers - Python | standard library | Generic Operating System Services
- Python 编写 FTP 客户端
- pyftpdlib 快速搭建 FTP 服务器，动态增量添加 ftp 用户
- pyftpdlib
- Django 项目中 pyftpdlib 快速搭建 FTP 服务器，动态增量添加 ftp 用户
- FTP 协议
- 系统架构师
- Django 集成 CAS 单点登录的方法示例
- CAS 实现 SSO 单点登录的原理
- Python | standard library | os (1)
- Python | standard library | time
- Linux - iptables 与 firewalld 防火墙
- Linux - 使用 ssh 服务管理远程主机
- Python 标准库 - 内建模块 - 内置数据类型 - 字典
- Linux - 使用 RAID 与 LVM 磁盘阵列技术
- ln 命令 – 为文件创建链接
- swapon 命令 – 激活交换空间
- mkswap 命令 – 建立和设置 SWAP 交换分区
- du 命令 – 查看空间
- fdisk 命令 – 磁盘分区
- mkfs 命令 – 在特定分区上建立文件系统
- umount 命令 – 卸载文件系统
- mount 命令 – 文件系统挂载
- linux 存储结构与磁盘划分
- Python 标准库 - 内建模块 - 内置数据类型 - 集合
- Python 标准库 - 内建模块 - 内置数据类型 - 元组
- linux 实时显示文件的内容
- CentOS7 安装 iptables 防火墙
- visudo 命令 – 编辑 /etc/sudoers 文件
- sudo 命令 – 以系统管理者的身份执行指令
- getfacl 命令 - 显示文件上设置的 ACL 信息
- setfacl 命令 – 设置文件 ACL 规则
- su 命令 – 切换用户
- lsattr 命令 – 显示文件隐藏属性
- chattr 命令 – 更改文件属性
- chown 命令 – 改变文件或目录用户和用户组
- chmod 命令 – 改变文件或目录权限
- userdel 命令 – 删除用户
- passwd 命令 – 修改用户账户密码
- usermod 命令 – 修改用户账号
- useradd 命令 – 创建用户
- groupadd 命令 – 新建工作组
- Linux 用户身份与文件权限
- at 命令 – 一次性定时计划任务
- Linux 计划任务服务程序 (cron)
- Linux 批量创建用户
- id 命令 – 显示用户 ID 和组 ID
- Linux 配置网卡信息
- Linux 修改主机名称
- Linux 管道符、重定向与环境变量
- tar 命令 - 用于对文件进行打包压缩或解压
- file 命令 – 识别文件类型
- dd 命令 – 拷贝文件及转换
- ss 命令 – 显示活动套接字信息
- awk 命令 – 文本和数据进行处理的编程语言
- touch 命令 – 创建文件
- diff 命令 – 比较文件的差异
- cut 命令 – 连接文件并打印到标准输出设备上
- stat 命令 – 显示文件状态信息
- wc 命令 – 统计文件的字节数、字数、行数
- tr 命令 – 字符转换
- head 命令 – 显示文件开头内容
- more 命令 – 显示文本文件内容
- cd 命令 – 切换目录
- 12 月
- 2018 年
- 12 月
- 11 月
- 10 月
- 9 月
- 8 月
- 7 月
- 6 月
- 5 月
- 4 月
- 3 月
- 2 月
- 2017 年
- 11 月
- 9 月
- 7 月
- 6 月
- 5 月
- 4 月
- 3 月
- 2 月
- 1 月
文章归档