py爬虫入门笔记（request.get的使用）

文章目录

  • Day1
    • 1. 了解浏览器开发者工具
    • 2. Get请求http://baidu.com
    • 3. Post请求https://fanyi.baidu.com/sug
    • 4. 肯德基小作业
  • Day2
    • 1. 正则表达式
    • 2. 使用re模块
    • 3. 爬取豆瓣电影Top250的第一页
    • 4. 爬取豆瓣电影Top250所有的250部电影信息
  • Day3
    • 1. xpath的使用
    • 2. 认识下载照片+线程池的语法
  • 题外话

我所参考的学习资料，该教程位于B站并可以通过 传送门访问。

没有完全照着视频敲，所以代码和视频的有些不一样，但是大体上的思路是一样的。下面的笔记供自己复习，简单的爬虫格式还是很固定的，爬点简单的东西拷贝过来直接用就行（虽然其实是我记不住接口😭😭😭）

Day1

1. 了解浏览器开发者工具

基本介绍浏览器开发工具的各个部分

image-20240104145639496

源码介绍

image-20240104144011996

其余的相关字段

image-20240104144239197

相对应的字段

image-20240104144132543

来源：https://blog.csdn.net/maidu_xbd/article/details/94062690

爬虫拿到的不是Elements，拿到的是源码

2. Get请求http://baidu.com

装requests包，请求http://baidu.com再获取响应并且写入文件

import requests

url='http://baidu.com'

resp=requests.get(url) #请求百度，记住接受返回值，类型是Response类
print(type(resp)) #检查resp的类型

# print(resp.text) #还可以打印状态码，报头等等

with open("mybaidu.html",mode="w") as f:
    f.write(resp.text) #写入文件

文件内容

<html>
<meta http-equiv="refresh" content="0;url=http://www.baidu.com/">
</html>

pycharm有个小图标可以直接点开，也可以自己创建一个html文件复制进去。

content=“0;url=http://www.baidu.com/”：规定了刷新的时间间隔和目标 URL。这里的 0 表示立即刷新，url=http://www.baidu.com/ 是重定向的目标 URL。所以会展示出百度的页面

3. Post请求https://fanyi.baidu.com/sug

打开百度翻译，随便输入一个单词，打开Network->XHR->找到你输入的这个单词的请求->找到请求的类型和请求的url->发现携带了数据，在写代码时记得构建数据

注意会有多个请求，你输入一个单词就会造成一个请求，比如你输入apple，会出现 a ap app appl apple这么几个请求

image-20240104153513721

如果收到的response是乱码的，可以检查request的编码，然后修改代码在发送的请求加上对应的编码

image-20240104153738876

import requests

url="https://fanyi.baidu.com/sug"
mydata={
    "kw":"apple"
}

resp=requests.post(url,data=mydata)
resp.encoding="utf-8"
print(resp.status_code)
print(resp.text) #打出的字符含有\u是json的转义字符,使用json方法解析json数据返回的是一个字典
print(resp.json())

output:

200
{"errno":0,"data":[{"k":"Apple","v":"n. \u82f9\u679c\u516c\u53f8\uff0c\u539f\u79f0\u82f9\u679c\u7535\u8111\u516c\u53f8"},{"k":"apple","v":"n. \u82f9\u679c; \u82f9\u679c\u516c\u53f8; \u82f9\u679c\u6811"},{"k":"APPLE","v":"n. \u82f9\u679c"},{"k":"apples","v":"n. \u82f9\u679c\uff0c\u82f9\u679c\u6811( apple\u7684\u540d\u8bcd\u590d\u6570 ); [\u7f8e\u56fd\u53e3\u8bed]\u68d2\u7403; [\u7f8e\u56fd\u82f1\u8bed][\u4fdd\u9f84\u7403]\u574f\u7403; "},{"k":"Apples","v":"[\u5730\u540d] [\u745e\u58eb] \u963f\u666e\u52d2"}],"logid":2500940021}
{'errno': 0, 'data': [{'k': 'Apple', 'v': 'n. 苹果公司，原称苹果电脑公司'}, {'k': 'apple', 'v': 'n. 苹果; 苹果公司; 苹果树'}, {'k': 'APPLE', 'v': 'n. 苹果'}, {'k': 'apples', 'v': 'n. 苹果，苹果树( apple的名词复数 ); [美国口语]棒球; [美国英语][保龄球]坏球; '}, {'k': 'Apples', 'v': '[地名] [瑞士] 阿普勒'}], 'logid': 2500940021}

4. 肯德基小作业

image-20240104171815843

import requests

url="https://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=keyword"
mydata={
"cname":"",
"pid":"",
"keyword": "徐家汇",
"pageIndex": "1",
"pageSize": "10",
}

resp=requests.post(url,data=mydata)
print(resp.status_code)
print(resp.json())

output:

200
{'Table': [{'rowcount': 3}], 'Table1': [{'rownum': 1, 'storeName': '瑞金', 'addressDetail': '徐家汇路618号B2层商铺号B2-F-13', 'pro': 'Wi-Fi,点唱机,礼品卡,溯源', 'provinceName': '上海市', 'cityName': '上海市'}, {'rownum': 2, 'storeName': '上海肯德基有限公司徐家汇公园K-COFFEE', 'addressDetail': '徐家汇公园内', 'pro': '高铁店,手机点餐', 'provinceName': '上海市', 'cityName': '上海市'}, {'rownum': 3, 'storeName': '上海肯德基有限公司徐家汇公园K-COFFEE', 'addressDetail': '徐家汇公园内', 'pro': '高铁店,手机点餐', 'provinceName': '上海市', 'cityName': '上海市'}]}

进程已结束,退出代码0

Day2

1. 正则表达式

板书，直接搬过来了（正则不用去纠结很难的，一些简单的会写就行，严格的话比如检测用户名之类的都有现成的，比自己写得好还没啥漏洞）

![Y [ ] Y []_Y []Y​XU A Y P C I 5 B Q Q 67 ‘ M t m b ] ( h t t p s : / / p i c − 1304888003. c o s . a p − g u a n g z h o u . m y q c l o u d . c o m / i m g / Y AYPCI5BQQ67`M_tmb](https://pic-1304888003.cos.ap-guangzhou.myqcloud.com/img/Y AYPCI5BQQ67‘Mt​mb](https://pic−1304888003.cos.ap−guangzhou.myqcloud.com/img/Y%5B%5D_Y X U XU XUAYPCI5BQQ67%60M_tmb.png)

惰性匹配与贪婪匹配（惰性匹配有就匹配一次，贪婪匹配就是能匹配多少就匹配多少）

image-20240104174303550

正则匹配网站：https://tool.oschina.net/regex?optionGlobl=global

手册：https://tool.oschina.net/uploads/apidocs/jquery/regexp.html

2. 使用re模块

导入re模块（内置的，不用pip)->练习findall search finditer方法

import re

print("findall")
result=re.findall(r"\d+","这是一个测试字符串，包含123和456。") #找到所有的数字，这里的r是为了避免处理转义字符，不加r字符串里的\默认转义
print(result) #返回的是一个列表
print()

print("search")
result=re.search(r"\d+","这是一个测试字符串，包含123和456。")
print(result) #Match对象
print(result.group()) #使用group分组处理
print()

print("finditer")
result=re.finditer(r"\d+","这是一个测试字符串，包含123和456。")
print(result) #迭代器对象
for item in result:
    # print(item) #每个item都是Match对象，group处理
    print(item.group())
print()

output

findall
['123', '456']

search
<re.Match object; span=(12, 15), match='123'>
123

finditer
<callable_iterator object at 0x0000015AF5B88C70>
123
456


进程已结束,退出代码0

finditer和findall的区别，如果大量数据处理可使用finditer节省内存，即不用一次性处理所有数据，迭代器结合循环就可以获取前一百个匹配啊之类的

使用compile预处理构造正则表达式对象，符合复用原则，也提高了代码的可读性

import re
obj=re.compile(r"\d+") #构建正则对象obj
result=obj.findall("这是一个测试字符串，包含123和456。")
print(result)
result=obj.search("这是一个测试字符串，包含123和456。")
print(result.group())

output

['123', '456']
123

进程已结束,退出代码0

使用group进行分组提取出信息

import re
s="""
<div><a href="baidu.com">我是百度</a></div>
<div><a href="google.com">我是谷歌</a></div>
<div><a href="360.com">我是360</a></div>
"""
obj=re.compile(r'<div><a href="(?P<url>.*?)">(?P<name>.*?)</a></div>') #用.*?惰性匹配，?P<url>是进行分组，组名是url
result=obj.finditer(s)
for item in result:
    # print(item.groupdict()) #返回字典
    url=item.group("url")
    name=item.group("name")
    print(url,name)

output:

baidu.com 我是百度
google.com 我是谷歌
360.com 我是360

进程已结束,退出代码0

3. 爬取豆瓣电影Top250的第一页

我们要获取电影的名字 年份 和平均得分

image-20240106020715561

通过豆瓣电影Top250页面源码可知我们可以直接获得这些信息，所以爬取的基本流程就是获取源码->正则提取出需要的信息->分组打印即可

关键在于正则的编写

其中有一个关于反爬的机制，需要给我们的请求头部加一些特定的信息，比如

“User-Agent”:“Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36”,

表示我们的请求不是由自动化程序发出的，如果不加伪装，默认情况下写的py爬虫的请求头部User-Agent的值会是

‘User-Agent’: ‘python-requests/2.28.1’

豆瓣那边发现是自动化程序发出的请求就不会给响应了（状态码也变成了418）

所以我们改一下头部信息再发过去（伪装成一个正常设备发过去的请求）

import re
import requests

url="https://movie.douban.com/top250"
header={
    "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36",
}
resp=requests.get(url,headers=header)
resp.encoding="utf-8" 
print(resp.status_code) #观察状态码是不是200
# print(resp.text)

obj=re.compile(r'<div class="item">.*?'
               r'<span class="title">(?P<name>.*?)</span>.*?'
               r'<br>(?P<year>.*?)&nbsp.*?'
               r'<span class="rating_num" property="v:average">(?P<score>.*?)</span>'
               ,re.S) #.*里的.默认匹配非换行符之外的所有字符，re.S选项表示换行符也参与匹配。因为请求到的源码里有很多换行符，所以必须加这个选项

result=obj.finditer(resp.text)
for item in result:
    name=item.group('name')
    year=item.group('year')
    year=year.split()[0] #split返回的是列表，处理一下
    score=item.group('score')
    print(name,year,score)

output

200
肖申克的救赎 1994 9.7
霸王别姬 1993 9.6
阿甘正传 1994 9.5
泰坦尼克号 1997 9.5
这个杀手不太冷 1994 9.4
千与千寻 2001 9.4
美丽人生 1997 9.5
星际穿越 2014 9.4
盗梦空间 2010 9.4
辛德勒的名单 1993 9.5
楚门的世界 1998 9.4
忠犬八公的故事 2009 9.4
海上钢琴师 1998 9.3
三傻大闹宝莱坞 2009 9.2
放牛班的春天 2004 9.3
机器人总动员 2008 9.3
疯狂动物城 2016 9.2
无间道 2002 9.3
控方证人 1957 9.6
大话西游之大圣娶亲 1995 9.2
熔炉 2011 9.4
教父 1972 9.3
触不可及 2011 9.3
当幸福来敲门 2006 9.2
寻梦环游记 2017 9.1

进程已结束,退出代码0

数据拿到之后怎么处理就不是爬虫关心的事情了。

4. 爬取豆瓣电影Top250所有的250部电影信息

找到分页的规律构造每一页的url，构造好url后就转换成了爬取每一页的电影信息

找url的规律(点击分页按钮，发现start后面的数字呈规律性递增)

https://movie.douban.com/top250?start=0&filter=

https://movie.douban.com/top250?start=25&filter=

https://movie.douban.com/top250?start=50&filter=

…

import re
import requests
def GetOnePage(url:str):#传入url爬取这一页的所有电影信息
    header = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36",
    }
    resp = requests.get(url, headers=header)
    # resp=requests.get(url)
    resp.encoding = "utf-8"
    # print(resp.request.headers)
    # print(resp.status_code)
    # print(resp.text)

    obj = re.compile(r'<div class="item">.*?'
                     r'<span class="title">(?P<name>.*?)</span>.*?'
                     r'<br>(?P<year>.*?)&nbsp.*?'
                     r'<span class="rating_num" property="v:average">(?P<score>.*?)</span>'
                     , re.S)
    result = obj.finditer(resp.text)
    for item in result:
        name = item.group('name')
        year = item.group('year')
        year = year.split()[0]
        score = item.group('score')
        str=name+" "+year+"  "+score+"\n" #构建表示信息的字符串
        # print(str)
        with open('info.txt',mode='a') as f:
            f.write(str)#创建文件如何写入电影信息


# GetOnePage('https://movie.douban.com/top250') #测试函数
# https://movie.douban.com/top250?start=25&filter=
for i in range(0,10): #循环构造url
    page=i*25
    url=f"https://movie.douban.com/top250?start={page}&filter=" #f-string便于插入值，r-string取消转义,利用f-str构造url
    GetOnePage(url)

output:

写到了文件里面

image-20240110011308355

Day3

1. xpath的使用

语法文档:https://docs.python.org/zh-cn/3/library/xml.etree.elementtree.html?highlight=xpath#elementtree-parsing-xml

熟悉xpath相关的一些语法

import requests
from lxml import etree

url='http://www.baidu.com/' #这里没加请求头，baidu有反爬机制，加了请求头和不加得到的数据是不同的
#myhead={
#    "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36",
#}
resp=requests.get(url)
resp.encoding='utf-8'
# print(resp.text) #打印响应的数据
et=etree.HTML(resp.text)
print(et) #印证确实是Element html对象

result=et.xpath("/html/head/title/text()") #逐层往下找，text()表示标签之间的文本，如<p>123</p>
print(result)
result=et.xpath("/html/head/link/@href") #匹配link标签的href属性
print(result)

print()
keys=et.xpath("//div[@id='u1']/a/text()") #//div表示匹配HTML里所有的div，div[@id='u1']选择特定属性的div
# print(keys)
values=et.xpath("//div[@id='u1']/a/@href")
# print(values)
result=dict(zip(keys,values))
for item in result.items(): #一一对应输出
    print(item)

output:

<Element html at 0x294a32b1000>
['百度一下，你就知道']
['http://s1.bdstatic.com/r/www/cache/bdorz/baidu.min.css']

('新闻', 'http://news.baidu.com')
('hao123', 'http://www.hao123.com')
('地图', 'http://map.baidu.com')
('视频', 'http://v.baidu.com')
('贴吧', 'http://tieba.baidu.com')
('更多产品', '//www.baidu.com/more/')

进程已结束,退出代码0

2. 认识下载照片+线程池的语法

下载图片

import requests

url='https://images.pexels.com/photos/2950499/pexels-photo-2950499.jpeg' #网上随便找了一张图片
resp=requests.get(url)
print(resp.status_code) #看一下请求是否成功

#写入图片得使用content，返回的是二进制数据，所以得使用wb打开而不是w。不能使用text，text返回的是文本数据
with open('test.jpg',mode='wb') as f: 
    f.write(resp.content)

output:

运行成功后当前目录下多出一张test.jpg的图片

image-20240111221022400

线程池

导包->创建线程池->确定线程池里最大线程的数量，提交任务

记得提交的任务要封装成一个函数

#导包，名字还挺长
from concurrent.futures import ThreadPoolExecutor

def func():
    for i in range(0,10):
        print(f"子线程{i}")

def main():
    with ThreadPoolExecutor(max_workers=10) as executor: #线程池同时最多执行十个线程
        executor.submit(func) #提交任务，func而不是func()，如果是func()会立即执行而不会放在线程池中跑
        for i in range(0, 10): #交替打印
            print(f"主线程{i}")


    # for i in range(0, 10): #线程池的任务完成了才会运行到这
    #     print(f"主线程{i}")

if __name__ == '__main__':
    main()

output:

可以明显看到交替打印的现象

子线程0主线程0
主线程1

主线程2子线程1

子线程2主线程3
主线程4
子线程3

主线程5子线程4

主线程6
主线程7子线程5
子线程6
主线程8
子线程7
主线程9

子线程8
子线程9

进程已结束,退出代码0

我没有做视频里的项目，但是我自己做了别的网站的，实现的效果差不多就是构建图库。

题外话

上面有错误的话敬请大佬斧正。

request.get的使用和加请求头之类的这些知识只是入门的，真正的爬虫和逆向紧密相关，所以会使用request.get不表示会爬虫🤡，要精通爬虫与多个方向都相关，比如加密算法，js逆向等，是一个很大的板块。但是学会上面的东西爬一些简单的不设防的网站没啥问题，比如构建自己的壁纸图库等。其实去年五月份就爬了ttok,按博主分类爬了几千个视频，但是调用别人的API终究不是自己写的，前两天想再运行的时候发现代码文件命名混乱和没写注释使得完全跑不了了，蚌。包括爬一些数据加密过的网站都是有难度的。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mfbz.cn/a/320420.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

算法通关村第十六关—滑动窗口与堆结合(黄金)

算法通关村第十六关—滑动窗口与堆结合(黄金)

滑动窗口与堆结合 堆与滑动窗口问题的结合 LeetCode239给你一个整数数组nums,有一个大小为k的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的k个数字。滑动窗口每次只向右移动一位&#xff0c;返回滑动窗口中的最大值。  对于最大值、K个最大这种场…
阅读更多...
k8s的存储卷（数据卷）

k8s的存储卷（数据卷）

1、存储卷&#xff1a;容器内的目录和宿主机的目录进行挂载 2、容器在系统上的生命周期是短暂的&#xff0c;delete&#xff0c;k8s用控制器创建的pod&#xff0c;delete相当于重启&#xff0c;容器的状态也会恢复到初始状态&#xff0c;一旦回到初始状态&#xff0c;所有的后…
阅读更多...
Java环境变量——Windows和Linux配置jdk

Java环境变量——Windows和Linux配置jdk

本文我主要是介绍jdk的下载方式和在Windows系统下安装配置jdk11&#xff08;压缩包格式&#xff09;&#xff0c;其他格式的jdk以及Linux操作系统上的jdk安装我后续视情况进行更新… JDK的下载 大家可以去官网Java|Oracle下载对应的资源 继续往下翻&#xff0c;就可以看到Jav…
阅读更多...
WorkPlus助力企业高效协作的企业级内网即时通讯解决方案

WorkPlus助力企业高效协作的企业级内网即时通讯解决方案

在企业内部&#xff0c;高效沟通和协作是推动工作顺利进行的关键。而企业级内网即时通讯成为了提升内部沟通效率的重要工具。作为一家领先的企业级内网即时通讯解决方案&#xff0c;WorkPlus以其卓越的性能和高安全性&#xff0c;打造了高效沟通协作的新标杆。 为什么选择WorkP…
阅读更多...
【web服务搭建实验】之nginx基础学习

【web服务搭建实验】之nginx基础学习

目录 一、nginx的简介二、nginx安装实验虚拟主机的配置web服务器的主流实现方式-LAMP和LNMP 一、nginx的简介 Nginx是一款轻量级HTTP服务器&#xff0c;同时也是代理邮箱服务器&#xff0c;具备反向代理&#xff0c;通用代理的功能。支持多个系统&#xff0c;和不同操作系统。…
阅读更多...
Java内容

Java内容

目录 1.命名规范 1.命名规范 2.变量
阅读更多...
蓝桥杯省赛无忧 STL 课件18 总结

蓝桥杯省赛无忧 STL 课件18 总结

3226 宝藏排序 II 1624 小蓝吃糖果 2490 小蓝的括号串1 1531快递分拣
阅读更多...
测试SpringBoot的时候报错mapper未装载的解决方案：

测试SpringBoot的时候报错mapper未装载的解决方案：

1.报错信息和截图&#xff1a; org.springframework.beans.factory.UnsatisfiedDependencyException: Error creating bean with name com.tang.testspringboot.TestSpringBootApplicationTests: Unsatisfied dependency expressed through field mapper: No qualifying bean o…
阅读更多...
室内定位相关中文期刊/学报笔记

室内定位相关中文期刊/学报笔记

这里写目录标题 文章最重要的部分通信学报1. 2023 基于扩散模型的室内定位射频指纹数据增强方法2. 2023 基于 CHAN 的改进卡尔曼滤波室内定位算法3. 2022 基于自适应蝙蝠算法的室内 RFID 定位算法4. 2017 基于核函数特征提取的室内定位算法研究5. 2021 基于CSI张量分解的室内Wi…
阅读更多...
Spring MVC的类型转换器（ConversionServiceFactoryBean）

Spring MVC的类型转换器（ConversionServiceFactoryBean）

使用场景 在index.jsp里面添加日期类型 <form action"account/saveAccount" method"post">账户名称&#xff1a;<input type"text" name"name"><br/>账户金额&#xff1a;<input type"text" name&qu…
阅读更多...
【beyond compare】默认不比较文件结尾

【beyond compare】默认不比较文件结尾

默认不比较文件结尾 git服务端的代码是UNIX 编码的&#xff0c;但是本地visual studio 是PC的&#xff0c; 代码一样&#xff0c;但是编码不同&#xff0c;导致compare 无法区分。 这位大神解决了这个问题,亲测可用&#xff1a; Beyond Compare之PC与UNIX文件比较问题 感谢大…
阅读更多...
[Docker] Docker为什么出现

[Docker] Docker为什么出现

Docker为什么出现 一款产品&#xff1a; 开发–上线 -->两套环境 | 应用配置 开发即运维&#xff01; 环境配置十分麻烦&#xff0c;每一个机器都要部署环境&#xff08;Redis, ES, Hadoop&#xff09; 费时费力 项目带上配置环境安装打包。 传统&#xff1a; 开发jar&…
阅读更多...
pgsql中epoch用法

pgsql中epoch用法

问题描述 提示&#xff1a;这里描述项目中遇到的问题&#xff1a; 昨天又被叫回来加班,説是数据问题,又回来加班搞,到了以后发现数据没问题,那就是查询接口的事了,写查询接口的人用时间戳去查询,明明直接可以直接用日期查询,非得改成时间戳查询,结果还是有问题,接下来复盘一下…
阅读更多...
系列四、Spring Security中的认证 授权（前后端不分离）

系列四、Spring Security中的认证 授权（前后端不分离）

一、Spring Security中的认证 & 授权&#xff08;前后端不分离&#xff09; 1.1、MyWebSecurityConfigurerAdapter /*** Author : 一叶浮萍归大海* Date: 2024/1/11 21:50* Description:*/ Configuration public class MyWebSecurityConfigurerAdapter extends WebSecuri…
阅读更多...
相对原子质量和质子数和原子数的关系。

相对原子质量和质子数和原子数的关系。

问题描述&#xff1a; 相对原子质量和质子数和原子数的关系。 问题解答&#xff1a; 相对原子质量&#xff08;相对原子质量单位&#xff0c;通常用amu表示&#xff09;和质子数、原子数之间存在一定的关系。这关系可以通过以下公式表示&#xff1a; 其中&#xff0c;是相对…
阅读更多...
Unity与Android交互通信系列（4）

Unity与Android交互通信系列（4）

上篇文章我们实现了模块化调用&#xff0c;运用了模块化设计思想和简化了调用流程&#xff0c;本篇文章讲述UnityPlayerActivity类的继承和使用。 在一些深度交互场合&#xff0c;比如Activity切换、程序启动预处理等&#xff0c;这时可能会需要继承Application和UnityPlayerAc…
阅读更多...
分类问题：人工神经网络（ANN）+BP算法（误差后向传播）+考试例题讲解

分类问题：人工神经网络（ANN）+BP算法（误差后向传播）+考试例题讲解

学习链接：分类问题：人工神经网络（ANN）+BP算法（误差后向传播）+考试例题讲解 资料链接：链接：https://pan.baidu.com/s/1ijvMQmwtRgLO4KDSsNODMw 提取码：vyok 神经网络的应用非常的广，它核心思想非常简单，就是人是如何认知感知并且处理这个世界中的现实问题的。…
阅读更多...
[学习笔记]刘知远团队大模型技术与交叉应用L2-Neural Network Basics

[学习笔记]刘知远团队大模型技术与交叉应用L2-Neural Network Basics

本节首先介绍神经网络的一些基本构成部分。然后简要介绍神经网络的训练方式。介绍一种基于神经网络的形成词汇的向量表示的方法。接下来继续介绍常见的神经网络结构&#xff1a;RNN和CNN。最后使用PyTorch演示一个NLP任务的一个完整训练的Pipeline。 神经网络的基本组成 单个…
阅读更多...
620基于51单片机的密码锁设计[Proteus仿真]

620基于51单片机的密码锁设计[Proteus仿真]

620基于51单片机的密码锁设计[proteus仿真] 密码锁设计这个题目算是课 程设计和毕业设计中常见的题目了&#xff0c;本期是一个基于51单片机的密码锁设计 需要的源文件和程序的小伙伴可以关注公众号【阿目分享嵌入式】&#xff0c;赞赏任意文章 2&#xffe5;&#xff0c;私信…
阅读更多...
Vulnhub-DC1

Vulnhub-DC1

前言 一个比较简单的实战靶场&#xff0c;官方要求是找到/root下的flag&#xff0c;所以直接提权即可。但对于学习和训练来说还是太简略了&#xff0c;在打靶场的时候还是全面一些较好。 本次靶场实战涉及信息收集、漏洞查找与利用、getshell、数据库渗透、密码破解、linux提…
阅读更多...
最新文章

Copyright @ 2022~2023

友情链接： 我的编程经验分享 一条长河网 尧图网站开发 尧图建网站