在日常開(kāi)發(fā)中，從一個(gè)字符串中提取其中的一些內(nèi)容是很常見(jiàn)的業(yè)務(wù)需求之一。那么如何使用python提取字符串中的中英文呢？比較常見(jiàn)的做法是使用正則判斷來(lái)進(jìn)行數(shù)據(jù)提取，接下來(lái)我們就來(lái)看看怎么用正則判斷匹配我們需要的字符串并篩選出來(lái)吧。

我們使用機(jī)器學(xué)習(xí)進(jìn)行模型訓(xùn)練，最后會(huì)得到一個(gè)模型，怎么將這個(gè)模型部署到flask服務(wù)上呢？今天我們就來(lái)介紹一下模型的部署。

echarts是一款前端非常出名的數(shù)據(jù)可視化庫(kù)。在python中也有對(duì)應(yīng)的python庫(kù)版本，也就是今天要介紹的pyecharts。今天我們就簡(jiǎn)單的介紹一下怎么用pyecharts做交互圖表，有需要做數(shù)據(jù)可視化的小伙伴可以考慮這個(gè)庫(kù)了。

我們知道python應(yīng)用在各行各業(yè)中，在一些行業(yè)的建模中我們會(huì)涉及到一些比較專(zhuān)業(yè)的物理模型。比如多徑效應(yīng)，python可以和matlab一樣很好地實(shí)現(xiàn)這些物理模型的建模，今天我們就來(lái)了解一下python實(shí)現(xiàn)仿真雙徑效應(yīng)的方法。

pytorch統(tǒng)計(jì)模型參數(shù)量可以使用param.numel()來(lái)實(shí)現(xiàn)，接下來(lái)的這篇文章我們就來(lái)看看到底怎么實(shí)現(xiàn)吧。

在機(jī)器學(xué)習(xí)算法中，決策樹(shù)算法是一種經(jīng)常使用的預(yù)測(cè)算法。今天我們通過(guò)介紹決策樹(shù)算法的實(shí)現(xiàn)和決策樹(shù)算法的優(yōu)缺點(diǎn)，來(lái)了解一下決策樹(shù)算法。

在神經(jīng)網(wǎng)絡(luò)中，每一層運(yùn)算都會(huì)進(jìn)行網(wǎng)絡(luò)回傳梯度。那么pytorch如何打印網(wǎng)絡(luò)回傳梯度呢？接下來(lái)的這篇文章帶你了解。

flask框架作為一個(gè)輕量級(jí)的python web框架。在一些中小項(xiàng)目和原型開(kāi)發(fā)中是一個(gè)相當(dāng)不錯(cuò)的選擇?；趐ython易學(xué)的特點(diǎn)，flask框架的學(xué)習(xí)也是相對(duì)簡(jiǎn)單的，那么怎么快速入門(mén)flask呢？今天小編就帶你了解一下。

subprocess 是一個(gè)可以創(chuàng)建進(jìn)程和管理進(jìn)程的python模塊，使用它我們就能在python種1實(shí)現(xiàn)執(zhí)行外部命令的效果。今天小編帶來(lái)subprocess的詳細(xì)介紹，對(duì)此感興趣的小伙伴歡迎來(lái)跟小編交流。

在數(shù)據(jù)處理的時(shí)候，我們比較常用到的庫(kù)要么是numpy，要么是pandas。在數(shù)據(jù)中出現(xiàn)空值的情況下我們要對(duì)其進(jìn)行一些處理，這兩種庫(kù)的處理方式有類(lèi)似之處，那么numpy處理數(shù)據(jù)中的空值和pandas處理數(shù)據(jù)中的空值有什么區(qū)別呢？接下來(lái)我們就來(lái)分析一下。