记两个版本Python共存引发的玄学事件
记两个版本Python共存引发的玄学事件 2020.02.21 今天由于他人特殊需求,需要将某个脚本打包为无需依赖的可执行文件,好在对方的系统是win7使得不用考虑太多跨平台编译的问题。我打算使用pyinstaller进行打包。 然而,当我调试完成,py main.py可以正常运行后,pyinstaller -F main.py生成的程序却一闪而过,不知出了什么问题。在控制台运行才发现竟然是No module named win32api,查看warning log得知,三个属于pywin32
Windows建立和删除nul等特殊文件夹
Windows设备名称 "aux","com1","com2","prn","con","nul"等,因为这些名字都属于设备名称,等价于一个 DOS 设备,如果我们把文件命名为这些名字,Windows 就会误以为发生重名,所以会提示“不能创建同名的文件”等等。 建立设备名文件夹 命令提示符下执行"md C:\nul\",就在C盘建立一个名叫nul的文件夹。 此文件夹虽然可以访问,也可以建立子文件夹,但无法删除,因为Windows不允许以这种方式删除。在系统看来,nul文件夹就是个设备 删除设备
HDFS基本命令fs的使用操作
HDFS(Hadoop Distributed File System)就是hadoop分布式文件系统,fs是操作HDFS文件的一个常用命令。 1.hadoop fs -help 查看fs使用帮助 2.hadoop fs -mkdir 在HDFS文件系统下的根路径下创建一个文件 这个根目录是独立于虚拟机的 3.hadoop fs -ls 查看文件系统当前目录下的文件 4.hadoop fs -rmdir 删除文件夹 5.hadoop fs -ls -R / 或者 hadoop fs -lsr
小记--------spark ——AGScheduler源码分析
DAGScheduler类位置:org.apache.spark.scheduler //DAGScheduler调度的核心入口 1 private[scheduler] def handleJobSubmitted(jobId: Int,
2 finalRDD: RDD[_],
3 func: (TaskContext, Iterator[_]) => _,
4 partitions: Array[Int],
5 callSite: CallSite
序列化类外键字段的覆盖,十大接口序列化总结,视图家族
序列化类外键字段的覆盖 """
1)在序列化类中自定义字段,名字与model类中属性名一致,就称之为覆盖操作
(覆盖的是属性的所有规则:extra_kwargs中指定的简易规则、model字段提供的默认规则、数据库唯一约束等哪些规则)
2)外键覆盖字段用PrimaryKeyRelatedField来实现,可以做到只读、只写、可读可写三种形式
只读:read_only=True
只写:queryset=关联表的queryset, write_only=True
由《NOI2008志愿者招募》来看网络流(费用流)优化线性规划的一类问题
0 在用网络流解线性规划前,我们需要明白网络流本质上是一个什么样的线性规划? 网络流的每条边的流量相当于一个未知数\(x\),\(0<=x<=这条边的流量上限\)。 网络流中除了超级源和超级汇的点都满足流量守恒,也就是\(\sum x_{流入}=\sum x_{流出}\),就是线性规划中的等式。 通常情况下,我们要使\(x\)的带权和最小,所以每条边还有个费用。 1 noi2008志愿者招募: 申奥成功后,布布经过不懈努力,终于成为奥组委下属公司人力资源部门的主管。布布刚上任就遇到了一个难题:
分析Jedis源码实现操作非关系型数据库Redis
如果测试项目用的maven依赖,先把maven坐标准备好 <!-- https://mvnrepository.com/artifact/redis.clients/jedis --> <dependency> <groupId>redis.clients</groupId> <artifactId>jedis</artifactId> <version>2.9.0</version> </dependency> import redis.clients.jedis.J
项目环境搭建【Docker+k8s】三 || 准备签发证书环境
目录 1、部署主机 2、安装证书签发工具CFSSL:R1.2 3、创建生成CA证书签名请求(csr)的json配置文件 1、部署主机 YN101-100.host.com(运维主机) 2、安装证书签发工具CFSSL:R1.2 #CFSSL
wget "https://pkg.cfssl.org/R1.2/cfssl_linux-amd64" -O /usr/bin/cfssl
#CFSSL-json
wget "https://pkg.cfssl.org/R1.2/cfssljson_linu
三分钟快速上手TensorFlow 2.0 (下)——模型的部署 、大规模训练、加速
前文:三分钟快速上手TensorFlow 2.0 (中)——常用模块和模型的部署 TensorFlow 模型导出 使用 SavedModel 完整导出模型 不仅包含参数的权值,还包含计算的流程(即计算图) tf.saved_model.save(model, "保存的目标文件夹名称") 将模型导出为 SavedModel model = tf.saved_model.load("保存的目标文件夹名称") 载入 SavedModel 文件 因为 SavedModel 基于计算图,所以对于使用继承
今日推荐
周排行