


Artifak Python ini boleh membolehkan anda menangkap ikan untuk masa yang lama!
Saya berani menjamin dengan hormat saya bahawa selepas menggunakannya, kecekapan menulis kod anda akan dipertingkatkan!
Siapa Pampy?
Pertama sekali, mari popularkan padanan corak.
Padanan corak adalah untuk memberikan corak tertentu dan menggunakan corak ini untuk menyemak sama ada urutan atau rentetan mematuhi corak ini. Teknologi ini sering digunakan dalam pemprosesan bahasa semula jadi.
Pampy ialah pustaka padanan corak untuk Python Ia adalah perpustakaan dengan hanya 150 baris.
Secara kebetulan, program ini juga mempunyai perpustakaan versi JavaScript dengan nama yang sama Pampy.js.
Jika anda berminat, anda boleh membaca kod sumber dan menyalinnya ke lebih banyak bahasa pembangunan.
Cara memasang perpustakaan ini juga klise:
- pip install pampy
Pertunjukan mewah Pampy
Memadankan satu aksara
Kita boleh menggunakan _ untuk memadankan satu aksara:
from pampy import _,match a=['a',1,'b',2,'c',3,'d',4] patter = ['a',1,'b',_,'c',3,'d',4] action=lambda x: f'b is: {x}' print(match(a,patter,action))
Hasilnya ialah:
- b ialah: 2
Seperti yang anda lihat daripada contoh di atas, kami sebenarnya hanya menggunakan _ sebagai ruang letak Apabila memadankan, cari ruang letak ini Hanya elemen yang sepadan .
Kamus Padanan
Kita boleh memadankan kunci atau nilai pada mana-mana peringkat dalam kamus berbilang peringkat:
from pampy import _, match person = { 'address': {'province': '湖北', 'city': '武汉', 'district': '东湖高新'}, 'name': '闲欢' } patter = {_: {_: '武汉'}} action = lambda k1, k2: ({'k1': k1, 'k2': k2}) print(match(person, patter, action))
Hasil larian ialah :
- {'k1': 'address', 'k2': 'city'}
Sama seperti contoh sebelumnya, gunakan_ ini di sini Pemegang tempat berlaku, dan kemudian mencari pemegang tempat dalam tindakan untuk mengeluarkan hasilnya.
Padankan permulaan dan akhir
Dalam contoh di atas, kita semua menggunakan ruang letak untuk menduduki tempat, tetapi ruang letak hanya boleh memadankan satu aksara Contoh berikut, kita akan gunakan dua kata kunci HEAD dan TAIL untuk memadankan permulaan dan akhir mereka boleh memadankan sebarang bilangan aksara:
from pampy import _,match,HEAD,TAIL a=['a',1,'b',2,'c',3,'d',4] patter = [HEAD,_,'b',2,'c',3,TAIL] action=lambda h,m,t: ({'head':h,'middle':m,'tail':t}) print(match(a,patter,action))
Menjalankan contoh di atas, hasilnya ialah:
- <.> {'kepala': 'a', 'tengah': 1, 'ekor': ['d', 4]}
Atas ialah kandungan terperinci Artifak Python ini boleh membolehkan anda menangkap ikan untuk masa yang lama!. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



PHP dan Python mempunyai kelebihan dan kekurangan mereka sendiri, dan pilihannya bergantung kepada keperluan projek dan keutamaan peribadi. 1.PHP sesuai untuk pembangunan pesat dan penyelenggaraan aplikasi web berskala besar. 2. Python menguasai bidang sains data dan pembelajaran mesin.

Membolehkan pecutan GPU pytorch pada sistem CentOS memerlukan pemasangan cuda, cudnn dan GPU versi pytorch. Langkah-langkah berikut akan membimbing anda melalui proses: Pemasangan CUDA dan CUDNN Tentukan keserasian versi CUDA: Gunakan perintah NVIDIA-SMI untuk melihat versi CUDA yang disokong oleh kad grafik NVIDIA anda. Sebagai contoh, kad grafik MX450 anda boleh menyokong CUDA11.1 atau lebih tinggi. Muat turun dan pasang Cudatoolkit: Lawati laman web rasmi Nvidiacudatoolkit dan muat turun dan pasang versi yang sepadan mengikut versi CUDA tertinggi yang disokong oleh kad grafik anda. Pasang Perpustakaan Cudnn:

Docker menggunakan ciri -ciri kernel Linux untuk menyediakan persekitaran berjalan yang cekap dan terpencil. Prinsip kerjanya adalah seperti berikut: 1. Cermin digunakan sebagai templat baca sahaja, yang mengandungi semua yang anda perlukan untuk menjalankan aplikasi; 2. Sistem Fail Kesatuan (Unionfs) menyusun pelbagai sistem fail, hanya menyimpan perbezaan, menjimatkan ruang dan mempercepatkan; 3. Daemon menguruskan cermin dan bekas, dan pelanggan menggunakannya untuk interaksi; 4. Ruang nama dan cgroups melaksanakan pengasingan kontena dan batasan sumber; 5. Pelbagai mod rangkaian menyokong interkoneksi kontena. Hanya dengan memahami konsep -konsep teras ini, anda boleh menggunakan Docker dengan lebih baik.

Latihan yang cekap model pytorch pada sistem CentOS memerlukan langkah -langkah, dan artikel ini akan memberikan panduan terperinci. 1. Penyediaan Persekitaran: Pemasangan Python dan Ketergantungan: Sistem CentOS biasanya mempamerkan python, tetapi versi mungkin lebih tua. Adalah disyorkan untuk menggunakan YUM atau DNF untuk memasang Python 3 dan menaik taraf PIP: Sudoyumupdatepython3 (atau SudodnfupdatePython3), pip3install-upgradepip. CUDA dan CUDNN (Percepatan GPU): Jika anda menggunakan Nvidiagpu, anda perlu memasang Cudatool

Python dan JavaScript mempunyai kelebihan dan kekurangan mereka sendiri dari segi komuniti, perpustakaan dan sumber. 1) Komuniti Python mesra dan sesuai untuk pemula, tetapi sumber pembangunan depan tidak kaya dengan JavaScript. 2) Python berkuasa dalam bidang sains data dan perpustakaan pembelajaran mesin, sementara JavaScript lebih baik dalam perpustakaan pembangunan dan kerangka pembangunan depan. 3) Kedua -duanya mempunyai sumber pembelajaran yang kaya, tetapi Python sesuai untuk memulakan dengan dokumen rasmi, sementara JavaScript lebih baik dengan MDNWebDocs. Pilihan harus berdasarkan keperluan projek dan kepentingan peribadi.

Apabila memilih versi pytorch di bawah CentOS, faktor utama berikut perlu dipertimbangkan: 1. Keserasian versi CUDA Sokongan GPU: Jika anda mempunyai NVIDIA GPU dan ingin menggunakan pecutan GPU, anda perlu memilih pytorch yang menyokong versi CUDA yang sepadan. Anda boleh melihat versi CUDA yang disokong dengan menjalankan arahan NVIDIA-SMI. Versi CPU: Jika anda tidak mempunyai GPU atau tidak mahu menggunakan GPU, anda boleh memilih versi CPU PyTorch. 2. Pytorch versi python

Dengan cekap memproses data pitorch pada sistem CentOS, langkah-langkah berikut diperlukan: Pemasangan Ketergantungan: Kemas kini pertama sistem dan pasang Python3 dan PIP: Sudoyumupdate-iSudoyumStallpython3-Isudoyumstallpython3-y Konfigurasi Persekitaran Maya (disyorkan): Gunakan Conda untuk membuat dan mengaktifkan persekitaran maya baru, contohnya: condacreate-n

CentOS Memasang Nginx memerlukan mengikuti langkah-langkah berikut: memasang kebergantungan seperti alat pembangunan, pcre-devel, dan openssl-devel. Muat turun Pakej Kod Sumber Nginx, unzip dan menyusun dan memasangnya, dan tentukan laluan pemasangan sebagai/usr/local/nginx. Buat pengguna Nginx dan kumpulan pengguna dan tetapkan kebenaran. Ubah suai fail konfigurasi nginx.conf, dan konfigurasikan port pendengaran dan nama domain/alamat IP. Mulakan perkhidmatan Nginx. Kesalahan biasa perlu diberi perhatian, seperti isu ketergantungan, konflik pelabuhan, dan kesilapan fail konfigurasi. Pengoptimuman prestasi perlu diselaraskan mengikut keadaan tertentu, seperti menghidupkan cache dan menyesuaikan bilangan proses pekerja.
