很多小伙伴都知道numpy支持對矩陣和數(shù)組進行運算，但是初學者可能不知道很多numpy的很多運算都需要指定操作的numpy維數(shù)參數(shù)axis（當然這些axis都有帶默認值的），接下來這篇文章小編就來介紹一下numpy矩陣運算中numpy維度參數(shù)取不同值的情況下都有哪些含義吧。
在學習request庫的時候，我們會學習到如何使用request發(fā)送一個請求，然后返回一個response對象，剩下的內容就是對response對象的解析。response響應解析有兩種方式，一種是response.text()，另一種是response.content()。那么這兩種方式有什么區(qū)別呢？接下來小編帶你了解。
在python開發(fā)過程中我們會遇到各種異常，有些是python語法錯誤導致的，有些則是不可避免的（比如文件找不到異常）。python異常處理機制能夠幫我們捕獲這些異常，甚至我們可以主動拋出異常，接下來這篇文章我們就來了解一下這些python異常知識點吧。
我們知道numpy庫就是為了矩陣運算而打造的。很多矩陣的操作都可以使用numpy實現(xiàn)，那么numpy矩陣取對角線如何取呢？實際上numpy提供了一個diag函數(shù)來進行取對角線。接下來我們就來了解一下numpy中diag函數(shù)怎么用吧。
在日常生活中我們可能需要批量收集一些圖片內的信息（比如從截圖中收集信息），這時候我們可以使用python來進行信息提取。一種可行的方案是使用OpenCV對目標圖片的特定內容進行裁剪，然后使用python文字識別的方式獲取裁剪圖片的文字內容，最后使用python對這些數(shù)據(jù)進行一個收集整理。那么具體怎么操作呢？接下來這篇文章告訴你。
很多正在進行python機器學習的小伙伴在學習集成學習算法的時候會了解到AdaBoost算法，這是一種自適應增強的算法，今天小編就來介紹一下這個算法的原理和實現(xiàn)。
不管是flask還是Django，他們的實現(xiàn)都是因為python內置了http服務（反觀java，為了創(chuàng)建一個web應用還需要使用Tomcat來運行）。python的http服務為flask和Django的實現(xiàn)提供了基礎，但我們要開啟http服務并不一定要使用這些框架，接下來我們就來學習一下python怎么開啟自帶http服務吧。
對于python而言，對象這個概念貫穿整個python學習過程。python對象為何如此重要，因為python中一切皆是對象。接下來我們結合python源碼進行分析，來對python對象進行一個更深入的學習吧！
對于我們日常使用的單一系統(tǒng)而言，數(shù)據(jù)只有一份，不需要考慮數(shù)據(jù)的一致性。但一旦由多個系統(tǒng)組成分布式系統(tǒng)，這時候就要考慮數(shù)據(jù)是否一致了(舉個例子，git作為分布式管理系統(tǒng)，每個人的git代碼并不是都是一樣的，這時候需要用git去把所有的代碼進行整合，同時每個人需要使用git獲取公共的相同的代碼)。那么分布式系統(tǒng)怎么保持數(shù)據(jù)一致性呢？這就要使用到一致性算法，接下來這篇文章我們就對此展開進行介紹。
高斯模糊是一種模糊效果，他將高斯分布應用于圖像處理故而得名高斯模糊。在OpenCV中提供了現(xiàn)成的接口供我們調用，今天我們就通過OpenCV和python生成隨機高斯模糊圖片，來學習一下高斯模糊怎么操作吧。
