主页

0

窘境时刻如何作抉择

其实这篇文章最开始的想法是想将我最近经历的一些事情所思考的感悟记录下来,后面配了这张图以后觉得也可以写一写选择的话题。不过首先还是讲述我自己的亲身经验感悟吧。 尴尬时刻如何抉择尴尬的时刻想必每个人都曾经历过,比如公共场合下被某个人羞辱了一番,这个就会很尴尬。那么,到底什么是尴尬?维基百科中给出的定义如下: 尴尬是人的一种情绪,是人对于表达自己的情感时感到不安。在社交场合上做一些行为时感到难为情

0

Xcode部署应用到真机测试

其实对于IOS开发我只能属于入门级别,不对,是入门-级别。因此,对于如何将写好的应用部署到真机上进行测试确实是一脸懵逼,不知道怎么操作,对于一些证书的处理也不知道应该怎么做,本文今天借最近比较火的跳一跳小游戏作弊玩法的机会,着重介绍如何部署应用到真机上,小游戏只是后面的一个消遣啦。注意:虽然这里是介绍如何部署WebDriverAgent应用到真机上,但是本文的介绍的方法是通用的,针对所有应用!

0

利用Docker搭建IDEA授权服务器

上一篇我们提到过如何构建一个Docker镜像并提交到Docker Hub仓库,还记得我们制作的是什么镜像吗?没错,就是IDEA License Server!因此,本文就接着上一篇文章的内容,我们来搭建一个授权服务器。 拉取镜像我们先看一下授权服务器镜像在仓库中的样子: 可以在右侧看到这样一行命令:docker pull qinjiangbo/idea-license-server,因此我们在命

0

Docker制作镜像并提交到Docker Hub

前面研究过Docker的基本命令和使用,但是一直没有介绍如何制作自己的一个镜像并将其提交到Docker Hub镜像中心,本文今天就介绍如何来制作一个关于IDEA授权服务器的Docker镜像并提交到Docker Hub。 登录Docker Hub首先我们需要注册一个Docker Hub的用户名,以我的为例:qinjiangbo。登录Hub以后,需要创建一个repository,作为我们后面提交的仓库

0

利用Tesseract OCR引擎识别验证码

最近研究了一下验证码识别的技术,基本上都是在做图像的识别,具体一点来说就是文字的识别。比较流行的就是使用Google的Tesseract OCR引擎来做支撑,识别图像中的文字。本文主要讲解如何利用Tesseract OCR识别最简单的验证码和文章内容。 安装Tesseract OCR引擎关于Windows下如何安装Tesseract OCR引擎的文章实在是太多了,我就不赘述了,这里重点讲一下如何在

0

解决Python3不能导入pip3安装包问题

最近要跑一个机器学习的demo,按照要求使用pip3命令安装好了相关的模块,结果出现了一个重大的问题,就是使用python3命令导入相关模块的时候直接出现了一个很尴尬的问题,无法查找到该模块。如下: 12345678$ python3Python 3.6.3 (v3.6.3:2c5fed86e0, Oct 3 2017, 00:32:08) [GCC 4.2.1 (Apple Inc. bui

0

MacOS为Python3安装OpenCV3

说到OpenCV,大家也许并不陌生,就是一个非常强大的库,主要用于面部识别,物体识别,边缘检测以及图像处理等等很多方面。本文呢,主要就是告诉大家如何在macOS下面安装好OpenCV,因为国内的大多数博客都是在介绍如何在Windows下安装。 安装Homebrew [已安装请跳过]官方提供的方式如下: 1$ /usr/bin/ruby -e "$(curl -fsSL https://raw.g

0

写在2018年伊始

每年到了年末的时候都会总结一下今年的总总事情,回顾一下今年有哪些目标达成了,有哪些还没有做到,明年准备如何做等等。其实我觉得这是一个非常有必要性的事情,因为总结过去才能展望未来! 2017年对于我来说是忙碌的一年,但同时也是收获的一年。关于2017年的记忆从三月开始,看到同学们都在认真准备春招面试,我却很淡定。因为我的计划就是好好在实验室学习技术,直接准备九月份的秋招,然后我还理直气壮地跟身边的小

0

[转]实用Python开源爬虫项目列表

WechatSogou [1] – 微信公众号爬虫基于搜狗微信搜索的微信公众号爬虫接口,可以扩展成基于搜狗搜索的爬虫,返回结果是列表,每一项均是公众号具体信息字典。 github地址:https://github.com/Chyroc/WechatSogou DouBanSpider [2] – 豆瓣读书爬虫可以爬下豆瓣读书标签下的所有图书,按评分排名依次存储,存储到Excel中,可方便大家筛选

0

Weka机器学习实战之模型存储与读取

这一段时间突然想起来一件非常关键的事情,就是每次运行程序的时候模型都是重复训练的。试想一下,如果数据集非常庞大的时候,训练的时间将会被极大的放大,这对于系统来说是不可接受的。我们相有没有一种方式能够很快速地使用模型呢?答案是肯定的。 Weka训练模型保存可以看到前面不管是使用J48决策树也好,还是Kmeans也好,都是一次性的模型训练构建和使用,下一次启动程序的时候一样还是要重新训练,非常浪费时间