当时我学习Deep Learning已有两个月,看了很多论文、教程与博客,于是尝试着去阅读Keras的源代码来学习别人是怎么实现的,尤其是back propagation这一块。
文档是开发过程的最佳组成部分。 Sphinx与Tox一起,使得它易于编写,易于欣赏。
最近一位朋友想做个大疆的EP车,我提供一些建议,在看Dji的SDK,我就顺手拿这个来做示范了.
“Read the Docs” 提供自动构建,版本控制和在线托管,来简化软件文档的发布和管理。它使用 Sphinx 生成 html 静态页面,通过 github 账户授权,在本地项目 push 到 github 仓库时,自动完成文档的生成和在线更新。
该文档主要是由Read the Docs这个在线文档托管、Sphinx这个基于Python的文档生成项目以及我们常逛的人类精华宝库GitHub实现的,下面我们就来梳理一下如何生成文档。
这些开源项目旨在为用户提供一种简单而强大的方式来构建现代化文档或静态网站。它们拥有一些关键特性:简洁易用、支持使用Markdown编写内容、提供多种主题选择和插件扩展能力。这些工具可以帮助您方便快捷地生成高质量的文档,并且轻松进行团队协作和社区分享。如果您正在寻找一个功能强大又易于上手的工具来构建静态网站或在线文档,请考虑尝试其中之一。
该文章一方面从量子线路的打印着手,介绍了一个简单的python量子线路工程。同时基于这个简单的小工程,我们顺带的介绍了python的API文档自动化生成工具Sphinx的基本使用方法。
一、基础概念 利用sphinx+pandoc+github+readthedocs构建个人博客 Sphinx: 是一个基于ReStructuredText的文档生成工具,可以令人轻松的撰写出清晰且优美的文档, 由Georg Brandl在BSD许可证下开发。新版的Python文档就是由Sphinx生成的,并且它已成为Python项目首选的文档工具,同时它对C/C++项目也有很好的支持;并计划对其它开发语言添加特殊支持。 Read the Docs是一个在线文档托管服务,可以从各种版本控制系统中导入文档。支持
本文介绍一种在线文档系统的搭建,需要借助Sphinx、gitee和Read the Docs。
最近需要将API中的doc生成html给前端工程师参考调用。 于是粗率的学习了下sphinx ---- Sphinx 是用 Python 编写的,并且最初是为 Python 语言文档而创建,但它并不一定是以语言为中心,在某些情况下,甚至不是以程序员为中心。Sphinx 有许多用处,比如可以用它来编写整本书! 要求 安装: pip install sphinx 语法 Sphinx 使用 reStructuredText 标记语法类似与Markdown 具体可查看: http://zh-sphinx-doc.
我的写作习惯是用到的参考资料直接发出来,在阅读起来可能有一丝割裂感.但是在学习的感觉上是,由浅入深,由浅入深的感觉,以下的所有文章都是这样........
缘起~为什么会有这样的一篇文章呢?因为我最近在读Python的官方文档,里面正好读到了这里安装Python模块,然后我天天也在读源码,也在实践中得到了一些佐证。所以记录一下。
1、使用命令行安装:pip install robotframework -U
前阵子在看到一个公众号的哥们使用readthedoc模板搭建了一个个人的文档站点,因为之前也看到过,一直想弄却被拖延了,刚好最近项目组有需求就顺手搭了一个。
10个优秀的程序员里,有9个人都有写博客的习惯。这是非常好的习惯,它使得知识得以提炼,转输出为输入,在提升自己的同时,还能利用互联网易传播的特性,将知识分享给每一个热爱学习的人。这是值得每个程序员,投入时间和精力去坚持做下去的事。
谈及数据分析,我们一般会联想到数据的分析结果和可视化,光鲜亮丽的结果固然重要,但要知道这些结果归根到底都是由代码产生的,而代码质量的评判标准即是数据代码的正确性和可重复性。虽然我们都知道,一份漂亮的研究结果通常是分散且偶然探索结果的集合。研究的过程往往并非一帆风顺,那些失败的探索性试验也都是结果的一部分。所以这也会导致项目结构变得复杂冗余,难以追溯。
1. NumPy - 数值计算扩展库。提供高效的多维数组对象和用于处理这些数组的工具。http://www.numpy.org/2. SciPy - 科学计算库。构建在NumPy之上,用于科学与技术计算。https://www.scipy.org/3. Pandas - 数据分析与操作库。提供高性能易用的数据结构和数据分析工具。http://pandas.pydata.org/4. Matplotlib - 数据可视化库。产生 Publication quality figures。http://matplotlib.org/5. Scikit-learn - 机器学习库。用于数据挖掘和数据分析。http://scikit-learn.org/stable/6. TensorFlow - 深度学习库。由谷歌开源,用于机器学习,深度神经网络与人工智能。http://tensorflow.org7. Django - Web框架。提供开发Web应用的骨架。https://www.djangoproject.com/8. Flask - 微型Web框架。提供Werkzeug、Jinja2等高质量成功的库集成。http://flask.pocoo.org/9. Scrapy - 网络爬虫框架。用于进行网络爬取,提供操作各种网站的能力和工具。https://scrapy.org/10. BeautifulSoup - HTML/XML解析库。提供解析器,用于从HTML和XML文件中提取数据。https://www.crummy.com/software/BeautifulSoup/
Sphinx 是一个基于 Python 的文档生成工具,最早只是用来生成 Python 官方文档,随着工具的完善,越来越多的知名的项目也用他来生成文档,甚至完全可以用他来写书。例如我最近看到tensorly等库都有包括Github主页,Jupyter Notebook,以及Read the Docs代码API说明。
参考PEP 545 -- Python Documentation Translations
我们从最常用的 Python 包入手,去解答上述这个问题。最初,我列出过去一年在 PyPI 上下载次数最多的 Python 包。接下来,深入研究其用途、它们之间的关系和它们备受欢迎的原因。
https://github.com/LyleMi/Learn-Web-Hacking
科学,尤其是生物学,越来越依赖软件工具来实现研究。但是,如果您是生物学家,则可能未接受过软件开发最佳实践方面的培训。由于缺乏培训,科学软件通常只有极少甚至不存在的文档,使得研究人员的生活比他们需要的更加困难。
NetworKit - NetworKit is a growing open-source toolkit for large-scale network analysis.
本文将介绍最流行的十大博客静态站点生成工具,以 Github star 数来排名。
作者以 SciTime 项目(一个对算法训练时间进行估计的包)的发布为例,详细解释了发布的每个步骤。
选自GitHub 机器之心编译 参与:蒋思源 AMD 最近宣布新的深度学习加速库 MIOpen 1.0 现已发布,该深度学习库支持加速卷积神经网络,并且构建和运行在 ROCm 软件栈的顶部。同时 MIOpen 还提供了卷积层、池化层、批量归一化层等众多使用参考,机器之心对这一机器智能库的特性和安装进行了介绍。 新发布的版本包含以下特性: 同时为前向和反向传播最优化的深度卷积求解器(Deep Convolution Solver) 包括 Winograd 和 FFT 转换的卷积优化 为深度学习优化了 GEMM
但使用工具只能让人入门,我们有没有可能自己写一个优秀的机器学习工具库,为开源做贡献,同时积累经验呢?
MkDocs是一个快速,简单且彻头彻尾的华丽静态站点生成器,旨在构建项目文档。文档源文件以Markdown编写,并使用单个YAML配置文件进行配置。
今天给大家分享最近一年内PyPI上下载量最高的Python包。现在我们来看看这些包的作用,他们之间的关系,以及为什么如此流行。 1. Urllib3:8.93亿次下载 Urllib3 是 Python 的 HTTP 客户端,它提供了许多 Python 标准库没有的功能。
包含.rst文件的根目录称之为源文件目录,目录中还包含sphinx的配置文件conf.py。
前段时间我更新了我的分布式爬虫管理框架—— Gerapy(话都说到这儿了打个广告,跟繁琐的命令行说拜拜!Gerapy分布式爬虫管理框架来袭!,哇,哇,就是,哇!)
离上一次写Blog过了好久啦。这次拖这么长时间主要是因为最近学习了一个新的文本标记语言 – ReStructuredText 。并且重新整理了Excel导表工具-xresloader工具集的文档,写文档真是好废好废时间啊。
同博客框架 WordPress、Hexo 等一样,Web 文档也有自己的框架,如比如 Java 的 Javadoc,Python 的 pydoc,以及Python-sphinx。对于 Python 有专门文档标记语言 reStructuredText(RST),常见的 Python 各种库和工具的帮助文档基本都是用 RST 所写。如 Requests、Flask、Scrapy 等。
Karta是一款功能强大的IDA Python插件,该工具可以识别并匹配给定代码中的开源代码库。该插件使用了一种独特的技术,使其能够支持大型二进制文件(>200000个函数),而同时几乎不会影响整体性能。
来源:GitHub 编译:机器之心 参与:吴攀 本文长度为1200字,建议阅读4分钟 本文为你介绍「珠算(ZhuSuan)」这一软件库的介绍文档。 5月27-28日,机器之心主办的第一届全球机器智能峰会(GMIS 2017)将在北京 898 创新空间举行。在峰会第一天下午的「机器学习」主题 Session 上,清华大学副教授朱军将分享解读《珠算:贝叶斯深度学习的 GPU 库(ZhuSuan: a GPU Library for Bayesian Deep Learning)》。 近日,清华大学机器学习组
选自Github 机器之心编译 参与:吴攀 5 月 27-28 日,机器之心主办的第一届全球机器智能峰会(GMIS 2017)将在北京 898 创新空间举行。在峰会第一天下午的「机器学习」主题 Session 上,清华大学副教授朱军将分享演讲《珠算:贝叶斯深度学习的 GPU 库(ZhuSuan: a GPU Library with Bayesian Deep Learning)》。近日,清华大学机器学习组已经在 GitHub 上发布了「珠算(ZhuSuan)」这一软件库。机器之心在本文中编译介绍了该项目的
这个问题就是我写这篇文章的初衷。我找出了22个最常用的 Python 包,希望能给你一些启发。
我开源的photoshop_python_api最近也更新使用Poetry去打包我的项目了
如果衡量单元测试对相应代码的测试重量,覆盖率是一个必要非充分条件,因此统计代码的覆盖率,检视单测是否充分,就尤为的重要。
写公众号写了一年,穿插着写了一本书,在工具的使用上,也渐渐有了些心得,不敢独专,跟大家分享一下。 最早我使用的是reST [1] ,使用sphinx [2] 来撰写文章。使用reST/sphinx最大的好处是格式简单,扩展性强,便于生成PDF和多种文档结构。 然而我的博客在用octopress等工具生成的 [3] ,使用的是markdown。做类似的事,却用两种格式,这让人十分抓狂。再三考虑后,我决定也使用markdown来写公众号。 使用markdown恼人的是格式太简单,有时候需要一些变化,便只好直接上
提取数据,特别是从网络中提取数据是数据科学家的重要任务之一。Wget 是一个免费的工具,用于以非交互式方式从 Web 上下载文件。它支持 HTTP、HTTPS 和 FTP 协议,通过 HTTP 代理进行检索。由于它是非交互式的,即使用户没有登录,它也可以在后台工作。所以,如果你想下载一个网站或一个页面上的所有图片,wget 会帮助你。
在Python开发的世界中,正确的工具可以让你事半功倍。本文将向你介绍一些受欢迎的Python开发工具,以及如何使用它们来提高你的编程效率和代码质量。
答案是 5 分钟。只需借助开源的 RAG 技术栈、LangChain 以及好用的向量数据库 Milvus。必须要强调的是,该问答机器人的成本很低,因为我们在召回、评估和开发迭代的过程中不需要调用大语言模型 API,只有在最后一步——生成最终问答结果的时候会调用到 1 次 API。
WFuzz 是开源的一款针对 web 应用模糊测试的开源软件,使用 Python 编写,测试的漏洞类型主要包括:未授权访问、注入漏洞(目录遍历、SQL 注入、XSS、XXE)、暴力破解登录口令 等。项目地址:
在过去的几个月中,由于在新生群中回答问题费时费力,同时又有许多重复而又有固定答案的回答,我受到一些知乎文章的启发,维护了一个基于itchat的群聊机器人。从刚开始接入图灵机器人时只会尬聊的机器人,之后又加入了api.ai的按照消息内容自动回复,而后再加入了回复表情功能,使得机器人变得越来越有趣。 现在,由于itchat的更新和被wxpy一些更有趣的功能所吸引,我计划将这个机器人分步重写,并将完整的机器人构建步骤展现给大家。 安装wxpy 安装wxpy非常简单,如果你拥有pip,请直接按照Github中的方法
领取专属 10元无门槛券
手把手带您无忧上云