dingyahui的博客

面向对象编程，在英文中称之为Object Oriented Programming，简称OOP，是一种程序设计思想。OOP把对象作为程序的基本单元，一个对象包含了数据和操作数据的函数。Python是一个纯天然面向对象的编程语言，在Python中所有数据类型都可以视为对象。自定义的对象数据类型就是面向对象中的类（Class）的概念。

gui练习

服务健康检查：在 HttpClient 类的 check_service_health 方法中，发送探活请求：resp = self.send_request("GET", f"{endpoint}/health")；如果python -m ftfw.cli后面不写测试文件夹，或过滤当前目下所有问价夹进行测试，在heathl check的那一步 resp.status_code in [200,201,404] #为了跳过heath step加入404，正常heathlcheck应该2xx的状态码。

本文分享一个基于 Flask 框架开发的个人博客系统后端项目，涵盖用户注册登录、文章发布、分类管理、评论功能等核心模块。适合初学者学习和中小型博客系统开发。

可重复使用的代码单元，封装特定功能（封装性），python的函数是类的一等对象，意思它可以像基本类型一样的待遇和特性。可以嵌套定义、可作为参数传递、携带状态（通过闭包或类装饰器）

实现界面化操作，使用PIL库实现简单的图像处理功能，如缩放（设置缩放比例）、旋转和滤镜、对比度调整、亮度调整、灰度图、二值化图（二值图如果使用的是彩色图片需要先进行灰度图转化再进行二值化）、镜像、保存等等功能，点击这些给一个显示结果的窗口，加载图像后图像显示，处理的结果在另外一个窗口可以进行结果对比。

自动编码器是一种无监督学习模型，可以用于特征提取、降维和图像生成等任务。实例中使用了卷积神经网络（CNN）来构建一个简单的自动编码器，并应用于 MNIST 数据集进行训练。通过这段代码，了解如何使用 TensorFlow 2.x 实现自动编码器，训练并评估模型的性能。

统计文本文件中每个单词出现的频率。

简单的日历：1）图形化显示日历，实时显示当前时间。2）列表选择年份与月份，点解显示时间显示本月得日历，和对应阴历。

支持基本的四则运算：加法（+）、减法（-）、乘法（*）、除法（/）；支持多步运算，例如 1 + 2 * 3；不支持括号，但运算符优先级遵循数学规则（先乘除，后加减）

构建一个简单的卷积神经网络，包括卷积层、池化层和全连接层。

反向传播算法是神经网络训练中的核心技术，它通过计算损失函数相对于每个权重和偏置的梯度，利用梯度下降算法优化网络的参数。理解了反向传播的基本过程，可以进一步扩展到更复杂的网络结构，如卷积神经网络（CNN）和循环神经网络（RNN）。

该模型使用了卷积层、池化层以及全连接层，在 MNIST 数据集上训练，最终达到了很好的分类效果。你可以调整模型的超参数（例如卷积层的数量、神经元的数量等）以提高性能。

线性回归是最基本的回归算法之一，假设目标变量与输入特征之间存在线性关系。

虽然 Keras 提供了便捷的接口，但有时我们需要更多控制，特别是需要自定义训练循环时。在 TensorFlow 2.x 中，你可以轻松实现自定义的训练循环。# 自定义训练循环for epoch in range(5): # 训练5轮# 计算梯度并更新模型参数TensorFlow 2.x 是一个功能强大且灵活的深度学习框架，它集成了许多先进的功能，如 Keras、高效的数据处理 API(tf.data)、Eager Execution 和自动化的模型优化工具。

一个的工具集。Pandas 以 NumPy 为基础（实现数据存储和运算），提供了专门用于数据分析的类型、方法和函数，对数据分析和数据挖掘提供了很好的支持；同时 pandas 还可以跟数据可视化工具 matplotlib 很好的整合在一起，实现数据可视化。Pandas 核心的数据类型是Series（数据系列）、DataFrame（数据窗/数据框），分别用于处理一维和二维的数据.

Filter根据特定条件筛选序列中的元素，接收两个参数：一个函数和一个序列，然后将序列中的每个元素传递给该函数并保留返回值为True的元素，最终返回一个过滤后的迭代器。字符串方法用于将列表中元素连接成一个字符串，以指定的分割符连接；装饰器是一种设计模式，在不需要改变其本身的代码的情况下，来修改或增强函数、方法或类的共功能，装饰器本质上是一个函数，它接受一个函数作为参数并返回一个新的函数。any()与all()、enumerate（）、help()、dir()、join()、split()

进程就是操作系统中执行的一个程序，操作系统以进程为单位分配存储空间，每个进程都有自己的地址空间、数据栈以及其他用于跟踪进程执行的辅助数据，操作系统管理所有进程的执行，为它们合理的分配资源。创新的进程有自己独立的内存空间，因此必须通过进程间通信机制（IPC，Inter-Process Communication）来实现数据共享，具体的方式包括管道、信号、套接字、共享内存区等。

实现数据持久化最直接简单的方式就是将数据保存到文件中，在Python中实现文件的读写操作其实非常简单，通过Python内置的open函数可以指定文件名、操作模式、编码信息等来获得操作文件的对象。

lst = list((1, 2, 3)) # 把元组(1, 2, 3)转换成列表[1, 2, 3]Python的有效标识符由大小写字母、下划线和数字组成，数字不能作为开始字符，标识符的长度一般不限，Python标识符是严格大小写敏感的。tpl = tuple([1, 2, 3]) # 把列表[1, 2, 3]转换成元组(1, 2, 3)将任何可迭代对象转换成集合，集合中的元素是唯一的。用来给变量赋值，变量赋值以后该变量才会被创建，每个变量在内存中创建，都包括变量的标识，名称和数据这些信息。