Python urllib2.HTTPError: HTTP Error 304: Not Modified
做爬虫的时候很常见的一个错误就是urllib2.HTTPError: HTTP Error 304: Not Modified，我的解决方法是为urllib2添加headers，
如下：
headers = {
'Accept': 'application/json, text/javascript, */*; q=0.01',
'Accept-Encoding': 'gzip, deflate, sdch',
'Accept-Language
python range和xrange的区别
如果需要迭代一个数字序列的话，可以使用range()函数，range()函数可以生成等差级数。
如例： for i in range(5) print(i) 这段代码将输出0, 1, 2, 3, 4五个数字 range(10)会产生10个值， 也可以让range()从另外一个数字开始，或者定义一个不同的增量，甚至是负数增量 range(5, 10)从5到9的五个数字range(0, 10, 3) 增量为三， 包括0,3,6,9四个数字range(-10, -100, -30) 增量为-30，
2018年全国电影票房分析图
2018年全国电影票房分析图 2018年即将过去，在这一年中，我们遇到了很多牛逼的电影，他们的数据怎么样呢？就看看一下数据吧。 影院数据为每日票房排名前10的影院，院线数据为每日票房排名前10的院线，城市数据为每日票房排名前10的城市，影片数据为每日票房排名前10的影片。故数据有很多缺失（爬取的目标网站就这么多数据，哈哈） 1，数据的抓取 使用Python+requests抓取数据，保存数据为csv，简单方便，代码如下
# encoding=utf-8
import requests
im
pytorch相关知识（BN、dropoutput+模型加载+损失函数）
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qxqsunshine/article/details/84037308 一、在模型测试的时候，前面会使用： model.eval() 语句 但是如果不写运行也会正确，因为这个方法是针对在训练网络和测试时采用不同的情况来进行的 如：Batch Normalization 和Dropout 1、Batch Normalization (BN) 主要是针对网络的中间每一层进行批归一化处理，并且使用变换
pytorch资料链接汇总
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qxqsunshine/article/details/84063022 1、(可视化)pytorch-cnn-visualizations 链接：https://github.com/utkuozbulak/pytorch-cnn-visualizations 2、pytorch-book 代码实现 书籍：书籍《深度学习框架PyTorch：入门与实践》的对应代码，但是也可以作为一个独立的PyTo
用pytorch实现GAN——mnist（含有全部注释和网络思想）
#coding=utf-8
import torch.autograd
import torch.nn as nn
from torch.autograd import Variable
from torchvision import transforms
from torchvision import datasets
from torchvision.utils import save_image
import os
#创建文件夹
if not os.path.exists('./im
pytorch中对图像的基本操作
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qxqsunshine/article/details/84109949 Pytorch提供了一个torchvision.transforms的包，可以使用transforms进行如下操作： 1、ＰＩＬ.image / numpy. ndarray 与Ｔｅｎｓｏｒ相互转化 ２、进行归一化 ３、对PIL.image进行裁剪、缩放等操作 一、ＰＩＬ.image / numpy. ndarray 转化为
pytorch载入和显示图片
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qxqsunshine/article/details/84887698 代码实现如下：
import numpy as np
from torchvision import transforms
import cv2
#transforms.ToTensor()
transform1=transforms.Compose([transforms.ToTensor()])
#读入图像
img=
pytorch报错汇总
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qxqsunshine/article/details/84991168 1、出现代码错误：module 'torchvision.transforms' has no attribute 'Resize' 原因： torchvision版本较低 解决方案：pip install --upgrade torchvision 升级torchvision到 0.2.1 版本。 （问题解决）
图像的超分辨率重建SRGAN与ESRGAN
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qxqsunshine/article/details/85223123 SRGAN 传统的图像超分辨率重建方法一般都是放大较小的倍数，当放大倍数在4倍以上时就会出现过度平滑的现象，使得图像出现一些非真实感。SRGAN借助于GAN的网络架构生成图像中的细节。 训练网络使用均方误差（MSE）能够获得较高的峰值信噪比（PSNR），但是恢复出来的图像会丢失图像的高频细节信息，在视觉上有不好的体验感。SR
unable to access "系统"
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qxqsunshine/article/details/85235253 双系统Ubuntu无法访问Win10磁盘分区解决方法： 在Ubuntu中打开win10的磁盘显示错误： Error mounting /dev/sda3 at.......... 解决办法：修复磁盘 命令：
sudo apt-get install ntfs-3g 然后对出错的盘符分别执行：
sudo ntfsfix /
Poemscape beta版本第二阶段目标描述
Poemscape beta版本第二阶段目标描述 还记得在poemscape alpha的报告上，我们的功能虽然实现的还可以，但是太慢了，导致用户体验非常差，所以我们非常希望有一个架构师可以重构我们的服务器代码。 所以beta的第一阶段前五（六）天我们在子博的带领下，分别对整个服务器的前端、api-server、engine和模型优化进行了工作，并且串起来成功跑起来，速度得到了非常大的提升。 因此，在这种情况下，我们计划后面一个阶段的任务，每个人已经非常熟悉自己的工作内容的情况下，可以
MySQL索引设计需要考虑哪些因素？
索引小知识 篇幅有限，索引的基本知识我们就不赘述了，在此，我们尝试说明其中的一个小点-----B+树与B树的区别到底是什么。 InnoDB是使用B+树来实现其索引功能的。在B+树中，内节点（非叶子节点）存储了行数据的键，而叶子节点存储了所有的行数据，而B树的每个节点都存储了真实的数据。这种数据结构，决定了两者有以下不同点： （1）非叶子节点能存放指针的数据量。因为B树的非叶子节点存放的是整行的数据，占用了较多的空间，所以能存放指针就相对较少，因此整个B树的层数就变高。当数据量比较大时，插入更新
爬取广州的python和Java薪资，为什么Python 高于Java（有代码）
小编不知道这个是不是属于那个啥，要看的赶紧看，说不定小编的号要被封了。 用python爬取了某某某直聘网站，直聘Python和Java的招聘信息，比较了两个方向的发展前（钱）途 ，主要是本科生。为了前（钱）途 冲啊！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！ 爬取 在招聘网站上直接以”本科生”和”Java”或”Python”作为筛选条件 爬取招聘的大体信息，具体代码如下： 小编准备了一份python的（全家桶）对初学着和入门不久的作用特别大。加小编的Q君
不安分的管家——Jenkins
占个位，持续补充。 一、使用Jenkins进行自动化部署 一直以来关于xx框架/中间件的技术博客有个奇怪的事情。这类文章特点大而全，重复率高，读者阅读完毕基本从安装到放弃。 作为一个使用者，我只是为了实现一个初步的功能慕名而来，踩得坑多了才希望寻求一些心得，结果搜索到的偏偏是些连作者自己都觉得云里雾里的东西。 这里，从目的出发，只谈我遇到的障碍与解决方式，构成一条完整的线。 【通过Jenkins实现不需要PC、不需要SSH的自动化部署】 1、首先yum安装。 wget -O /etc/yum.
如何创建一个对象（二、单例）
为什么需要单例模式 在应用程序中，经常会用到单例模式，即这个类只能存在一个对象实例。 那么为什么需要这种模式，我们在一个程序应用中，只需要创建一次性的对象实例以节省内存资源，避免重复创建的开销，以便后面使用可以更快的访问。 如何写一个单例模式 单例作为所有设计模式中最简单的设计模式之一，其创建是非常简单的。 饿汉式单例 ＃code 饿汉式单例-不推荐
public final class HungrySingleton {
private byte[] data = new by
今日推荐
周排行