iT邦幫忙

python相關文章
共有 3354 則文章
鐵人賽 DevOps DAY 8

技術 Day 08 - 在 Locust 中使用參數化 (Parametrize) 進行測試

在前幾天的學習中,我們已掌握了 Locust 的基本用法,並學會管理 Cookie 和 Session。今天,將深入探討一個在實際測試中至關重要的主題:參數化測...

鐵人賽 DevOps DAY 7

技術 Day07 - Locust 進階技巧:Cookie 處理與 Session 管理

在昨天的學習中,我們深入了解了 Locust 的 HTTPClient 功能,學會了如何發送各種請求和處理回應。今天,我們將進一步探討在實際測試中非常重要的主題...

鐵人賽 DevOps DAY 6

技術 Day06 - 深入探索 Locust HTTPClient 請求與回應處理

在前幾天的學習中,我們已經打下了 Locust 基礎,掌握了其架構與任務管理機制。今天,讓我們將焦點轉向 Locust 的核心功能:HTTPClient。透過學...

鐵人賽 DevOps DAY 5

技術 Day05 - 深入淺出 Task 以及 TaskSet 的使用

在前幾天的介紹中,我們已經初步認識了 Locust 的基本用法。今天,我們將深入探討 Locust 中的核心概念:Task 與 TaskSet。透過靈活運用這些...

鐵人賽 DevOps DAY 4

技術 Day04 - Locust 的運作流程及執行方法

在前面的章節中,我們介紹了如何定義使用者行為 (HttpUser)、分配任務權重 (@task) 以及設定等待時間 (wait_time)。我們也都是透過 lo...

鐵人賽 AI & Data DAY 10

技術 Day 10 - 機器學習初探(一) KNN

機器學習簡介 我們對傳統電腦視覺領域中,基於幾何和梯度的方法論,已經有了非常深入的理解和實踐。這些方法在處理具有明確規則和幾何結構的任務時,表現得非常出色,但如...

鐵人賽 DevOps DAY 3

技術 Day03 - 深入理解 Locust 的使用者行為模擬

在 Day02 的快速入門中,我們建立了一個基礎的 HttpUser 來對 API 進行測試。然而,要精準模擬真實世界的使用者行為,我們需要更深入地了解 Loc...

鐵人賽 DevOps DAY 2

技術 Day02 - Locust & FastAPI 快速入門

Locust 簡介與安裝 Locust 是一款開源的負載測試工具,專為評估系統在高流量下的穩定性而設計。它採用 Python 編寫測試腳本,讓開發者能以程式化的...

鐵人賽 DevOps DAY 1

技術 Day01 - 在 AI 之後:為什麼還需要談壓力測試與監控?

生成式 AI 浪潮席捲而來,越來越多開發者將 AI 模型導入日常應用,從智慧客服、內容摘要到圖片生成,各種創新服務如雨後春筍般出現。當你興奮地看著模型成功部署、...

技術 菜雞學習 pandas 的 30 日讀書分享【Day 24】排序 (下)

排序 (下) 我們接續上次排序的內容,在預設情況下,所有缺失值都會排在 Series 的結尾: In [244]: obj = pd.Series([4, n...

鐵人賽 AI & Data DAY 9

技術 Day 9 – RANSAC 與全景照片

RANSAC 雖然我們學到 ORB 能自動找到數十甚至上百對的匹配點,但其中不可避免地會包含一些錯誤的匹配。如果我們把這些包含「雜訊」的匹配點全部丟進去計算單應...

技術 菜雞學習 pandas 的 30 日讀書分享【Day 23】排序 (上)

排序 (上) 使用某個條件來排序資料組是另一個重要的內建操作,若要按照辭典順序來排序或是欄標籤,可以使用 sort_value() 方法,它會回傳一個排序好的...

技術 菜雞學習 pandas 的 30 日讀書分享【Day 22】DataFrame 與 Series 之間運算

DataFrame 與 Series 之間運算 與不同維數的 NumPy 陣列相同,pandas 也定義 DataFrame 與 Series 之間的算術運算...

技術 菜雞學習 pandas 的 30 日讀書分享【Day 21】特別值算術運算

特別值算術運算 使用兩個索引不完全相同的物件來做算術運算時,假如想在軸標籤其中一個物件中找到時填入特別值,例如 0。 將一個特定值設為 np.nan 來將他設...

技術 菜雞學習 pandas 的 30 日讀書分享【Day 20】 算術與資料對齊

算術與資料對齊 pandas 可以輕鬆使用具有不同索引的物件,將物件相加時,如果有兩個索引不相同,那摩產生的索引將是兩個索引的聯集: In [182]: s1...

鐵人賽 自我挑戰組 DAY 1
每天早起刷一題 系列 第 1

技術 [1/30][Easy] Two Sum

起床時間:0500從最簡單的Two Sum開刷! 題目 Given an array of integers nums and an integer targe...

鐵人賽 AI & Data DAY 8

技術 Day 8 - 從匹配到變換

幾何變換 當我們在兩張圖片中找到了對應的特徵點後,如何計算出一個能將一張圖片「變形」到另一張圖片視角下的矩陣?這個矩陣稱為單應性矩陣 (homography),...

技術 菜雞學習 pandas 的 30 日讀書分享【Day 19】loc 與 iloc

loc 與 iloc DataFrame 與 Series 相同,有特殊的屬性 loc 和 iloc,分別搭配標籤和整數來檢索。 因為 DataFrame 是...

技術 菜雞學習 pandas 的 30 日讀書分享【Day 17】從一軸移除項目

從一軸移除項目 如果要將一軸的項目或是多個項目移除,而且已經有不含那些項目的索引陣列或串列,可以使用 reindex 方法,或使用 .loc 來檢索,這些做法...

鐵人賽 AI & Data DAY 6

技術 Day 6 - 特徵工程(二) SIFT、SURF 與 ORB

我們現在已經有能力從一張圖片中,提取出一組代表其結構的「重點座標」。但電腦要如何確定這是「同一個角」,而不是兩個不同的角呢? 描述子 描述子 (descript...

技術 菜雞學習 pandas 的 30 日讀書分享【Day 18】檢索、選擇與篩選

檢索、選擇與篩選 Series 檢索 obj[...] 的工作方式類似 NumPy 的陣列檢索,但可以使用 Series 的索引值,而不是只能使用整數。 In...

鐵人賽 AI & Data DAY 5

技術 Day 5 - 特徵工程(一) 影像的關鍵點

特徵工程 如果我們要跟一個沒見過貓的朋友敘述貓的長相,我們正常不會說「他左上的第一個像素顏色是什麼」,而是敘述他的眼睛、耳朵、尾巴長怎麼樣。對電腦來說,讓他主動...

鐵人賽 AI & Data DAY 4

技術 Day 4 - 圖片雜訊與濾波

在數位影像的世界裡,影像雜訊是無可避免的問題。無論是來自於光線不足、感光元件的熱雜訊,或是傳輸過程中的失真,雜訊都會降低影像品質。本篇將介紹常見的影像雜訊類型,...

鐵人賽 AI & Data DAY 3

技術 Day 3 - 曝光與直方圖

從光子到檔案:曝光與影像格式 從按下相機快門的那刻,到變成我們看見的圖片之前,發生了哪些事情? 內部處理流程 在轉換程我們常見的 JPEG 格式前,相機前後基本...

技術 菜雞學習 pandas 的 30 日讀書分享【Day 16】reindex (重設索引) 下

reindex (重設索引) 下 可使用 columns 關鍵字來 reindex 直欄: In [109]: state = ["Texas&qu...

技術 菜雞學習 pandas 的 30 日讀書分享【Day 15】reindex (重設索引) 上

reindex (重設索引) 上 reindex 是 pandas 物件的重要方法,將一個物件裡的值按照指定的索引重新排序並產生一個新物件。 In [98]:...

技術 菜雞學習 pandas 的 30 日讀書分享【Day 14】Index 物件

Index 物件 pandas 的 Index 物件負責保存軸的標籤 (包括 DataFrame 的欄名) 與其他詮釋資料 (例如軸名)。 當建構 Serie...

技術 菜雞學習 pandas 的 30 日讀書分享【Day 13】DataFrame (五)

DataFrame (五) 可傳給 DataFrame 建構式的資料輸入 2D ndarray: 資料矩陣,可傳遞列與欄標籤。 陣列、串列或是 tuple...

鐵人賽 AI & Data DAY 2

技術 Day 2 - 像素與色彩空間

什麼是像素 我們可以想像眼前有一幅馬賽克拼貼畫,它由數萬個彩色磁磚構成,而對於數位影像來說,這些彩色磁磚所指的就是像素 (pixel)。一張數位影像,本質上是由...

鐵人賽 AI & Data DAY 1

技術 Day 1 - 人類與電腦視覺入門

人類如何看見世界 在正式進入圖像處理與電腦視覺的領域之前,先來簡單說明「人類如何看見世界」這件事。人類的眼球由數個構造所構成,包含瞳孔 (pupil)、水晶體...