安装Tensorflow

分类：Python作者：JiawenZhang97
                    版权声明：本文为博主原创文章，未经博主允许不得转载。                        https://blog.csdn.net/Cs_hnu_scw/article/details/79695347                    </div>
                                                <link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-3019150162.css">
                                    <link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-3019150162.css">
            <div class="htmledit_views" id="content_views">
                                        <h3>&nbsp; &nbsp; &nbsp;现在越来越多的人工智能和机器学习以及深度学习，强化学习出现了，然后自己也对这个产生了点兴趣，特别的进行了一点点学习，就通过这篇文章来简单介绍一下，关于如何搭建Tensorflow以及如何进行使用。建议的话，还是要学习了一点Python基础知识和Linux知识是最好的！</h3>

版本：Windows7

一：安装Anaconda和Tensorflow

步骤：

1：从官方网站下载Anaconda

https://www.anaconda.com/download/

2：进行软件安装（这个和普通的没什么特别区别）

注意一点：

3：安装完成Anaconda之后进行环境变量的测试

进入到windows中的命令模式：

（1）检测anaconda环境是否安装成功：conda --version

（2）检测目前安装了哪些环境变量：conda info --envs

（3）对于Anaconda中安装一个内置的python版本解析器(其实就是python的版本)

        查看当前有哪些可以使用的python版本：conda search  --full -name python

    （备注：如果是用比较新的版本的话，就使用conda search  --full --name python       它们的name的前面是两个‘-’）

        安装python版本（我这里是安装的3.5的版本，这个根据需求来吧）：conda create --name tensorflow python=3.5

（4）激活tensflow的环境：activate tensorflow（注意：这个是在后序安装成功之后才能进行的，否则会提示错误）

（5）检测tensflow的环境添加到了Anaconda里面：conda info --envs（注意：基于后序安装成功之后才进行的，否则会提示错误）

（6）检测当前环境中的python的版本：python --version

（7）退出tensorflow的环境：deactivate

（8）切换到tensorflow的环境：activate tensorflow      

上面的这些基本就可以对于Anaconda有一个比较简单的了解，其实它就类似于JDK的一些操作，比如我们查看jdk的版本，也可以用java --version ，所以说对于Anaconda去安装tensorflow是比较简单的原因也正是这样，也就是是给我们提供了一个基础的依赖环境，这样就方便我们进行后面的安装操作；

Anaconda的官方开发文档，可以看看，还是官网的东西更加好：

https://docs.anaconda.com/anaconda/user-guide/getting-started

https://anaconda.org/

4：进行正式的安装Tensorflow

注意事项：根据Tensorflow的官方文档，可以得到安装tensorflow的一个命令是下面：

pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.0.0-cp35-cp35m-win_x86_64.whl

但是，如果我们在cmd中，直接进行这样的话，有可能是不能够成功的，开始也不知道为什么，后面发现是跟电脑的cpu和显卡有点关系，所以，采取后面的方法进行安装；

5：通过命令：pip install --upgrade --ignore-installed tensorflow

剩下的就是慢慢的等待安装的过程啦

温馨提示：（1）如果在这个命令之后，有提示说需要你升级你的pip的版本，那么你就根据上面的提示进行命令安装就可以了

6：等待完成之后，确认是否安装成功

（1）打开之前安装的Anaconda

这两个都可以，我这里说一下使用Anaconda Prompt的方式；

方法一：步骤：①直接点击进入，就会显示如下的内容：

②切换到tensorflow的环境

③进入python编辑环境

④然后编写一个使用的代码：

方法二：通过使用Anaconda中的spyder的编辑器

通过这个的方式的话，更加简单，直接编写上面的代码，然后进行运行就可以啦，我这里就不多介绍了。。。

7：OK，到这里的话，基本上从安装到成功就已经实现了~~~~

温馨提示：如果你发现，你的conda和tensorflow环境都是安装成功的，但是一用测试代码进行跑的时候就出问题了，那么请注意，这个原因你由于你在安装tensorflow的时候，是直接在cmd下，而不是在你用conda激活的一个环境，所以导致，tensorflow并没有直接嵌入到conda环境，所以，就导致无法导入模块的一个错误；

解决方法：（1）只需要在activate tensorflow      ----------注意：这个环境是第三步中的第3点里面创建的；

（2）然后再使用第五步中的命令就可以了  

二：将Tensorflow环境嵌入到编辑器中

环境：Tensorflow和Pycharm编辑器

步骤：

1：下载Pycharm软件，，这个的话下载安装都很简单，所以就不多说了

2：使用Pycharm创建一个项目

3：设置项目的相关内容

温馨提示：注意上面的Interpreter的选择，因为我们现在要测试的是tensorflow嵌入到我们的IDE，方便我们开发，所以这个python解析器就是要选择我们之前安装tensorflow目录下的解析器，否则的话，我们之后是使用不了tensorflow的模块的内容的哦。。。特别要注意。。。当然，如果这里不选择，那么在创建工程之后还是可以修改的，后面我会说；

4：创建一个py文件，用于编写测试代码

5：运行程序代码

OKOK，，，这就说明我们的环境已经整合完成啦。。。。大功告成

温馨提示：有时候我们会发现，我们引入了tensorflow模块之后，那就会报错，这个原因有如下可能：

（1）tensorflow没有安装成功，这样的话，就需要重新按照我的步骤去了！

（2）IDE中的python解析器，没有使用tensorflow中安装的那个，所以导致无法识别

这个解决方案有两种：

第一种：就是创建工程的时候就选择正确的解析器，也就是我上面所使用的方法

第二种：就是在项目工程里面进行修改配置：

步骤：1：选择File----》setting

2：

3：添加新的解析器

4：找到我们安装的Anadonda中的env中的tensorflow中的python.exe

5：点击apply应用，然后重启我们的IDE，这样的话就不会报无法找到tensorflow的模块的错误了。

版本：Linux（Ubuntu14.0.1）

三：Linux环境安装Tensorflow（通过Anaconda方式）

步骤：（1）下载Anaconda的Linux版本   https://www.anaconda.com/download/#linux

从官网的路径进行下载，一般都很慢，所以，大家可以去这个地址进行下载(或者在进行留言也可以)：https://download.csdn.net/download/cs_hnu_scw/10389323

（2）运行下载好的Anaconda,找到下载的目录，然后执行命令：bash XXXXXXXXX（就是Anaconda文件的名字）

（3）一直等待安装完成即可；

当出现下面这个的时候：

强烈注意一点：在安装的时候，会提示你是否要将这个添加到环境变量中，最好选择Yes，要不然每次都要进行额外的手动添加，非常的不方便，所以强烈建议直接添加到环境变量中；

（4）当执行完成上面的步骤之后，对Anaconda 的环境进行测试；

执行命令：conda --version （作用：查看当前Anaconda的版本）

如果，出现对应的安装版本，那么就表示安装成功，可以继续后面的安装步骤。

（5）添加tensorflow的环境。执行命令：conda create -n tensorflow python=3.5（版本的话，我个人比较喜欢3.X+版本）。当执行完成之后，就根据提示，进行输入yes就可以了，慢慢等待。

（6）激活环境，执行命令：source activate tensorflow （作用：进入到tensorflow的环境）

（7）激活tensorflow的环境，执行命令：

pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0rc0-cp27-none-linux_x86_64.whl

千万要注意一个地方：如果你安装的python的版本是2.7.那么就用上面的地址，即可，如果你用了3.5版本，那么久需要对应的修改为如下链接：（其他版本类似修改）

pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.1-cp35-cp35m-linux_x86_64.whl

（8）执行完之后，剩下的就只有等待了，，，对于出现的提示，全部都是“yes”即可。

（9）安装完成之后，进行测试。

具体步骤：

1：在tensorflow的环境下，执行命令：python      （作用：表示进入python环境）

2：然后输入代码（这个其实和windows安装的时候测试时一样）：


 
    

  1. 
   
    
    
    
   
    
   
    
    
    
     import tensorflow 
     as tf
    
    
   
    

    2. 

  2. 
   
    
    
    
   
    
   
    
    
    
     hello = tf.constant(
     'first tensorflow')
    
    
   
    

    3. 

  3. 
   
    
    
    
   
    
   
    
    
    
     sess = tf.Session()
    
    
   
    

    4. 

  4. 
   
    
    
    
   
    
   
    
    
    
     print sess.run(hello)
    
    
   
    

    5.

如果：输出first tensorflow ，那么就表示安装成功了。

补充内容：

1：当需要退出python环境，即执行Ctrl+D或者输入quit即可

2：退出tensorflow环境，source deactivate

3：激活tensorflow环境，source activate tensorflow

四：Pycharm整合tensorflow环境

（1）下载Pycharm，这个就自己到官网下载Linux的社区版本即可，然后对其下载的文件进行相应的解压命令处理就可以了，另外的话，注意一点，在Linux中运行Pycharm不是直接点击就运行，而是需要找到对应的目录下（bin目录），然后执行命令：sh pycharm.sh 即可运行Pycharm。

（2）这个其实和windows的整合方式是一样的，只是说tensorflow的路径是不一样的而已，所以，大家可以参考上面对于Windows版本的详细配置过程即可，这里就不多说了。

---------------------------------------------------------------------------------------------------------------------------------

五：Tensorflow的案例实践

（1）案列实践：通过百度云盘下载我分享的内容即可，里面的内容都是封装好的，所以应该能看懂

项目链接：https://pan.baidu.com/s/1-TelzkLHodDNsdX6G82ZOg       密码：b05p

温馨提示：（1）在运行这个代码的时候，会出现ImportError: No module named 'matplotlib'，这是因为你python中缺少了这个包，所以需要进行额外添加；或者进入tensorflow的环境，然后通过pip install matplotlib

解决办法：进入cmd，然后conda install matplotlib ，，然后等安装成功即可，这时候就会找到从而解决这个问题；

（2）手写数字的识别案例：

数据：https://pan.baidu.com/s/1UC6uBPPOBzZhYvNV93RgNw

代码：


 
    

  1. 
   
    
    
    
   
    
   
    
    
    
     #!/usr/bin/python
    
    
   
    

    2. 

  2. 
   
    
    
    
   
    
   
    
    
    
     # -*- coding:utf-8 -*-
    
    
   
    

    3. 

  3. 
   
    
    
    
   
    
   
    
    
    
     # @Time   : 2018/3/30 0030 15:20
    
    
   
    

    4. 

  4. 
   
    
    
    
   
    
   
    
    
    
     # @Author : scw
    
    
   
    

    5. 

  5. 
   
    
    
    
   
    
   
    
    
    
     # @File   : writenumbercompute.py
    
    
   
    

    6. 

  6. 
   
    
    
    
   
    
   
    
    
    
     # 描述：进行手写数字的识别的实例分析
    
    
   
    

    7. 

  7. 
   
    
    
    
   
    
   
    
    
    
     import tensorflow 
     as tf
    
    
   
    

    8. 

  8. 
   
    
    
    
   
    
   
    
    
     
    
    
   
    

    9. 

  9. 
   
    
    
    
   
    
   
    
    
    
     from tensorflow.examples.tutorials.mnist 
     import input_data
    
    
   
    

    10. 

  10. 
   
    
    
    
   
    
   
    
    
     
    
    
   
    

    11. 

  11. 
   
    
    
    
   
    
   
    
    
    
     # 获取数据
    
    
   
    

    12. 

  12. 
   
    
    
    
   
    
   
    
    
    
     mnist = input_data.read_data_sets(
     "E:/tensorflowdata/MNIST_data/",one_hot=
     True)
    
    
   
    

    13. 

  13. 
   
    
    
    
   
    
   
    
    
     
    
    
   
    

    14. 

  14. 
   
    
    
    
   
    
   
    
    
    
     print(
     '训练集信息：')
    
    
   
    

    15. 

  15. 
   
    
    
    
   
    
   
    
    
    
     print(mnist.train.images.shape,mnist.train.labels.shape)
    
    
   
    

    16. 

  16. 
   
    
    
    
   
    
   
    
    
    
     print(
     '测试集信息：')
    
    
   
    

    17. 

  17. 
   
    
    
    
   
    
   
    
    
    
     print(mnist.test.images.shape,mnist.test.labels.shape)
    
    
   
    

    18. 

  18. 
   
    
    
    
   
    
   
    
    
    
     print(
     '验证集信息：')
    
    
   
    

    19. 

  19. 
   
    
    
    
   
    
   
    
    
    
     print(mnist.validation.images.shape,mnist.validation.labels.shape)
    
    
   
    

    20. 

  20. 
   
    
    
    
   
    
   
    
    
     
    
    
   
    

    21. 

  21. 
   
    
    
    
   
    
   
    
    
    
     # 构建图
    
    
   
    

    22. 

  22. 
   
    
    
    
   
    
   
    
    
    
     sess = tf.InteractiveSession()
    
    
   
    

    23. 

  23. 
   
    
    
    
   
    
   
    
    
    
     x = tf.placeholder(tf.float32,[
     None,784])
    
    
   
    

    24. 

  24. 
   
    
    
    
   
    
   
    
    
    
     W = tf.Variable(tf.zeros([
     784,10]))
    
    
   
    

    25. 

  25. 
   
    
    
    
   
    
   
    
    
    
     b = tf.Variable(tf.zeros([
     10]))
    
    
   
    

    26. 

  26. 
   
    
    
    
   
    
   
    
    
     
    
    
   
    

    27. 

  27. 
   
    
    
    
   
    
   
    
    
    
     y = tf.nn.softmax(tf.matmul(x,W) + b)
    
    
   
    

    28. 

  28. 
   
    
    
    
   
    
   
    
    
     
    
    
   
    

    29. 

  29. 
   
    
    
    
   
    
   
    
    
    
     y_ = tf.placeholder(tf.float32,10])
    
    
   
    

    30. 

  30. 
   
    
    
    
   
    
   
    
    
    
     cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y),reduction_indices=[
     1]))
    
    
   
    

    31. 

  31. 
   
    
    
    
   
    
   
    
    
    
     train_step = tf.train.GradientDescentOptimizer(
     0.5).minimize(cross_entropy)
    
    
   
    

    32. 

  32. 
   
    
    
    
   
    
   
    
    
     
    
    
   
    

    33. 

  33. 
   
    
    
    
   
    
   
    
    
    
     # 进行训练
    
    
   
    

    34. 

  34. 
   
    
    
    
   
    
   
    
    
    
     tf.global_variables_initializer().run()
    
    
   
    

    35. 

  35. 
   
    
    
    
   
    
   
    
    
     
    
    
   
    

    36. 

  36. 
   
    
    
    
   
    
   
    
    
    
     for i 
     in range(
     1000):
    
    
   
    

    37. 

  37. 
   
    
    
    
   
    
   
    
    
    
       batch_xs,batch_ys = mnist.train.next_batch(
     100)
    
    
   
    

    38. 

  38. 
   
    
    
    
   
    
   
    
    
    
       train_step.run({x: batch_xs,y_: batch_ys})
    
    
   
    

    39. 

  39. 
   
    
    
    
   
    
   
    
    
     
    
    
   
    

    40. 

  40. 
   
    
    
    
   
    
   
    
    
    
     # 模型评估
    
    
   
    

    41. 

  41. 
   
    
    
    
   
    
   
    
    
    
     correct_prediction = tf.equal(tf.argmax(y,1),tf.argmax(y_,1))
    
    
   
    

    42. 

  42. 
   
    
    
    
   
    
   
    
    
    
     accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32))
    
    
   
    

    43. 

  43. 
   
    
    
    
   
    
   
    
    
     
    
    
   
    

    44. 

  44. 
   
    
    
    
   
    
   
    
    
    
     print(
     'MNIST手写图片准确率：')
    
    
   
    

    45. 

  45. 
   
    
    
    
   
    
   
    
    
    
     print(accuracy.eval({x: mnist.test.images,y_: mnist.test.labels}))
    
    
   
    

    46.

（3）拨号键与短信息图标的识别

功能描述：主要是实现对于拨号键图标与短信息键图标的一个识别，作为一个简单的分类Demo。

百度云地址：链接：https://pan.baidu.com/s/1MC7Recml5laTsrHBQ94NcA               密码：nwxj

（4）人脸捕捉和识别

功能描述：对于某个特定的人物进行捕捉，并且能识别是否是训练中的人脸，作为一个人脸识别的Demo。

由于这个数据集太多了，百度云不让传，所以，如果有需要的同学，可以留言，我会每天都进行查看消息的。

github地址：https://github.com/qq496616246/FaceCheckPython.git

或者git@github.com:qq496616246/FaceCheckPython.git

（5）简单的网页爬虫

功能描述：非常简单，容易上手的网页爬虫小Demo。

百度云地址：链接：https://pan.baidu.com/s/1FzIzmfYON9pUpms3GyVQqQ           密码：5di1

六：安装的一些额外库的方法

（1）安装cv2：pip install opencv-python

（2）安装人脸识别的库：pip install dlib == 18.17.100

（3）安装机器学习的库：pip install sklearn

（4）安装scipy库：pip install scipy

（5）安装numpy库：pip install numpy

（6）安装Pillow图像库：pip install Pillow

（7）安装matplotlib绘图库：pip install matplotlib

（8）升级pip：python -m pip install -U pip

（9）安装word2vec：必须先安装Cython，其次pip install word2vec （如果提示你没有对应的文件，那么说明你电脑没有c++的编辑环境（windows默认不带），所以先安装一个c++的编译软件，比如VS，Dev-App都可以）可以参考如下博客：

https://blog.csdn.net/BEYONDMA/article/details/88381650

七：常见的一些问题汇总

（1）问题：在cmd中，输入conda 命令，提示conda不是内部命令

解决方法：在环境变量（系统的Path）中添加：你的Anaconda安装目录下面的Scripts这个目录，比如我的就是，

D:\anacondadownload\Scripts

（2）

原文地址：https://blog.csdn.net/pary__for

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。

相关推荐

Python中的函数（二）
Python中的函数（二） 在上一篇文章中提到了Python中函数的定义和使用，在这篇文章里我们来讨论下关于函数的一些更深的话题。在学习C语言函数的时候，遇到的问题主要有形参实参的区别、参数的传递和改变、变量的作用域。同样在Python中，关于对函数的理解和使用也存在这些问题。下面来逐一讲解。一.函
Python中的字符串
Python中的字符串 可能大多数人在学习C语言的时候，最先接触的数据类型就是字符串，因为大多教程都是以&quot;Hello world&quot;这个程序作为入门程序，这个程序中要打印的&quot;Hello world&quot;就是字符串。如果你做过自然语言处理方面的研究，并且用Python
Python 面向对象编程（一）
Python 面向对象编程（一） 虽然Python是解释性语言，但是它是面向对象的，能够进行对象编程。下面就来了解一下如何在Python中进行对象编程。一.如何定义一个类 在进行python面向对象编程之前，先来了解几个术语：类，类对象，实例对象，属性，函数和方法。 类是对现实世界中一些事物的封装，
Python面向对象编程（二）
Python面向对象编程（二） 在前面一篇文章中谈到了类的基本定义和使用方法，这只体现了面向对象编程的三大特点之一：封装。下面就来了解一下另外两大特征：继承和多态。 在Python中，如果需要的话，可以让一个类去继承一个类，被继承的类称为父类或者超类、也可以称作基类，继承的类称为子类。并且Pytho
Python中的函数（一）
Python中的函数（一） 接触过C语言的朋友对函数这个词肯定非常熟悉，无论在哪门编程语言当中，函数（当然在某些语言里称作方法，意义是相同的）都扮演着至关重要的角色。今天就来了解一下Python中的函数用法。一.函数的定义 在某些编程语言当中，函数声明和函数定义是区分开的（在这些编程语言当中函数声明
在windows下如何快速搭建web.py开发框架
在windows下如何快速搭建web.py开发框架 用Python进行web开发的话有很多框架供选择，比如最出名的Django，tornado等，除了这些框架之外，有一个轻量级的框架使用起来也是非常方便和顺手，就是web.py。它由一名黑客所创建，但是不幸的是这位创建者于2013年自杀了。据说现在由
将Sublime Text 2搭建成一个好用的IDE
将Sublime Text 2搭建成一个好用的IDE 说起编辑器，可能大部分人要推荐的是Vim和Emacs，本人用过Vim，功能确实强大，但是不是很习惯，之前一直有朋友推荐SUblime Text 2这款编辑器，然后这段时间就试了一下，就深深地喜欢上这款编辑器了...
Python中的模块
Python中的模块 有过C语言编程经验的朋友都知道在C语言中如果要引用sqrt这个函数，必须用语句&quot;#include&lt;math.h&gt;&quot;引入math.h这个头文件，否则是无法正常进行调用的。那么在Python中，如果要引用一些内置的函数，该怎么处理呢？在Python中
Python的基础语法
Python的基础语法 在对Python有了基础的认识之后，下面来了解一下Python的基础语法，看看它和C语言、java之间的基础语法差异。一.变量、表达式和语句 Python中的语句也称作命令，比如print &quot;hello python&quot;这就是一条语句。 表达式，顾名思义，是
Eclipse+PyDev+Django+Mysql搭建Python web开发环境
Eclipse+PyDevʽjango+Mysql搭建Python web开发环境 Python的web框架有很多，目前主流的有Django、Tornado、Web.py等，最流行的要属Django了，也是被大家最看好的框架之一。下面就来讲讲如何搭建Django的开发环境。一.准备工作 需要下载的
在windows下安装配置Ulipad
在windows下安装配置Ulipad 今天推荐一款轻便的文本编辑器Ulipad，用来写一些小的Python脚本非常方便。 Ulipad下载地址： https://github.com/limodou/ulipad http://files.cnblogs.com/dolphin0520/u...
Python中的函数（三）
Python中的函数（三） 在前面两篇文章中已经探讨了函数的一些相关用法，下面一起来了解一下函数参数类型的问题。在C语言中，调用函数时必须依照函数定义时的参数个数以及类型来传递参数，否则将会发生错误，这个是严格进行规定的。然而在Python中函数参数定义和传递的方式相比而言就灵活多了。一.函数参数的
在Notepad++中搭配Python开发环境
在Notepad++中搭配Python开发环境 Python在最近几年一度成为最流行的语言之一，不仅仅是因为它简洁明了，更在于它的功能之强大。它不仅能够完成一般脚本语言所能做的事情，还能很方便快捷地进行大规模的项目开发。在学习Python之前我们来看一下Python的历史由来，&quot;Pytho
Python中的条件选择和循环语句
Python中的条件选择和循环语句 同C语言、Java一样，Python中也存在条件选择和循环语句，其风格和C语言、java的很类似，但是在写法和用法上还是有一些区别。今天就让我们一起来了解一下。一.条件选择语句 Python中条件选择语句的关键字为：if 、elif 、else这三个。其基本形式如
关于raw_input()和sys.stdin.readline()的区别
关于raw_input( )和sys.stdin.readline( )的区别 之前一直认为用raw_input( )和sys.stdin.readline( )来获取输入的效果完全相同，但是最近在写程序时有类似这样一段代码：import sysline = sys.stdin.readline()
初识Python
初识Python 跟学习所有的编程语言一样，首先得了解这门语言的编程风格和最基础的语法。下面就让我们一起来了解一下Python的编程风格。1.逻辑行与物理行 在Python中有逻辑行和物理行这个概念，物理行是指在编辑器中实际看到的一行，逻辑行是指一条Python语句。在Python中提倡一个物理行只
retry重试常见场景及实现
当我们的代码是有访问网络相关的操作时,比如http请求或者访问远程数据库，经常可能会发生一些错误，有些错误可能重新去发送请求就会成功，本文分析常见可能需要重试的场景，并最后给出python代码实现。
python迭代器和生成器
1.经典迭代器 2.将Sentence中的__iter__改成生成器函数 改成生成器后用法不变，但更加简洁。 3.惰性实现 当列表比较大，占内存较大时，我们可以采用惰性实现，每次只读取一个元素到内存。 或者使用更简洁的生成器表达式 4.yield from itertools模块含有大量生成器函数可
python-kafka源码解析之socketpair
本文介绍简单介绍socket的常用函数,并以python-kafka中的源码socketpair为例，来讲解python socket的运用
彻底弄懂python编码
python实践中经常出现编码相关的异常，大多网上找资料而没有理解原理，导致一次次重复错误。本文对常用Unicode、UTF-8、GB2312编码的原理进行介绍，接着介绍了python字符类型unicode和str以及常见编解码错误UnicodeEncodeError和UnicodeDEcodeEr
pythonJavaScriptjavaHTMLPHPreactjsC#AndroidCSSNode.jssqlrpython-3.xMysqLjQueryc++pandasFlutterangularIOSdjangolinuxswifttypescript路由器JSON路由器设置无线路由器h3c华三华三路由器设置华三路由器电脑软件教程arraysdocker软件图文教程Cvue.jslaravelspring-boot