Read the Docs

       Python : 3.7.0        OS : Ubuntu 18.04.1 LTS        IDE : PyCharm 2018.2.4       Conda : 4.5.11     typesetting : Markdown   code """ @Author : 行初心 @Date : 18-9-23 @Blog : www.cnblogs.com/xingchuxin @Gitee : gitee.com/zhichengjiu """ def main(): # 几个异常采取同样的处理方法,即except后面跟随多个异常类型 try: sum1 = 1 + '1' # 数据类型错误 file = open('不存在的文件.txt') file.close() except (OSError, TypeError) as reason: print('错误的原因是:', str(reason)) print() try: # sum1=1+'1' #数据类型错误 file = open('不存在的文件.txt') file.close() except (OSError, TypeError) as reason: print('错误的原因是:', str(reason)) if __name__ == '__main__': main()

机器之心报道 机器之心编辑部 如何应用自动机器学习 (AutoML) 加速图机器学习任务的处理？清华大学发布全球首个开源自动图学习工具包：AutoGL (Auto Graph Learning)，支持在图数据上全自动进行机器学习。 人工智能的蓬勃发展离不开数据、算力、算法这三大要素。而在浩瀚的数据中，有一种数据结构既普遍又复杂，它就是图（graph）。 图是一种用于描述事物之间关系的结构，其基本构成元素为节点和连接节点的边。 很多不同领域的研究问题都可以很自然地建模成图机器学习，例如蛋白质建模、物理系统模拟、组合优化等基础研究;社交媒体分析、推荐系统、虚假新闻检测等互联网应用;以及金融风控、知识表征、交通流量预测、新药发现等。 社交网络图示例。 图结构丰富且具有与生俱来的导向能力，因此非常适合机器学习模型。同时，它又无比复杂，难以进行大规模扩展应用。而且不同的图数据在结构、内容和任务上千差万别，所需要的图机器学习模型也可能相差甚远，这就导致不同任务的模型自动化面临巨大挑战。 如何设计最优的图自动机器学习模型 ，是一个尚未解决的难题。 图 + AutoML = ？ 自动机器学习 (AutoML) 旨在将机器学习的过程自动化，在降低机器学习使用门槛的同时，提升机器学习的效果。但现有的自动机器学习工具，无法考虑图数据的特殊性，因此无法应用在图机器学习模型中。 为了解决该问题

来源：机器之心 本文约2800字，建议阅读6分钟如何应用自动机器学习 (AutoML) 加速图机器学习任务的处理？ 清华大学发布全球首个开源自动图学习工具包：AutoGL (Auto Graph Learning)，支持在图数据上全自动进行机器学习。 人工智能的蓬勃发展离不开数据、算力、算法这三大要素。而在浩瀚的数据中，有一种数据结构既普遍又复杂，它就是图（graph）。 图是一种用于描述事物之间关系的结构，其基本构成元素为节点和连接节点的边。 很多不同领域的研究问题都可以很自然地建模成图机器学习，例如蛋白质建模、物理系统模拟、组合优化等基础研究;社交媒体分析、推荐系统、虚假新闻检测等互联网应用;以及金融风控、知识表征、交通流量预测、新药发现等。 社交网络图示例 图结构丰富且具有与生俱来的导向能力，因此非常适合机器学习模型。同时，它又无比复杂，难以进行大规模扩展应用。而且不同的图数据在结构、内容和任务上千差万别，所需要的图机器学习模型也可能相差甚远，这就导致不同任务的模型自动化面临巨大挑战。 如何设计最优的图自动机器学习模型，是一个尚未解决 的难题。 图 + AutoML = ？ 自动机器学习 (AutoML) 旨在将机器学习的过程自动化，在降低机器学习使用门槛的同时，提升机器学习的效果。但现有的自动机器学习工具，无法考虑图数据的特殊性，因此无法应用在图机器学习模型中。

前言 python的logging模块是用来设置日志的，是python的标准模块。 系列文章 python模块分析之random（一） python模块分析之hashlib加密（二） python模块分析之typing（三） python模块分析之logging日志（四） python模块分析之unittest测试（五） python模块分析之collections（六） 日志记录的级别 DEBUG:优先级10，记录调试的详细信息，只在调试时开启； INFO：优先级20，记录普通的消息，包括错误和警告等等； WARNING:优先级30，记录相关的警告信息； ERROR:优先级40，记录错误信息，程序崩溃； CRITICAL：优先级50，记录错误信息； 如果不设置级别的话，默认为warning，系统记录设置的日志级别优先级以上的日志信息。 logging模块的主要结构 查看logging的源码，可知主要有四个类实现功能； Loggers：提供应用程序直接使用的接口，如相关的配置设置； Handlers：将Loggers产生的日志传到指定位置，设置日志保存的位置； Filters：对输出日志进行过滤操作； Formatters：控制日志的输出格式； Formatters Formatter对象定义了日志的输出格式，有多种可选参数。 %(name)s Logger的名字 %

作者：Parul Pandey 编译：大数据文摘 本文主要介绍了一些简单易懂最常用的Python图像处理库 当今世界充满了各种数据，而图像是其中高的重要组成部分。然而，若想其有所应用，我们需要对这些图像进行处理。图像处理是分析和操纵数字图像的过程，旨在提高其质量或从中提取一些信息，然后将其用于某些方面。 图像处理中的常见任务包括显示图像，基本操作（如裁剪、翻转、旋转等），图像分割，分类和特征提取，图像恢复和图像识别等。Python之成为图像处理任务的最佳选择，是因为这一科学编程语言日益普及，并且其自身免费提供许多最先进的图像处理工具。 让我们看一下用于图像处理任务的一些常用Python库。 1. scikit Image scikit-image是一个基于numpy数组的开源Python包。 它实现了用于研究、教育和工业应用的算法和实用程序。 即使是对于那些刚接触Python的人，它也是一个相当简单的库。 此库代码质量非常高并已经过同行评审，是由一个活跃的志愿者社区编写的。 使用说明文档： https://scikit-image.org/docs/stable/user_guide.html 用法举例： 图像过滤、 模版匹配 可使用“skimage”来导入该库。大多数功能都能在子模块中找到。 import matplotlib.pyplot as plt %matplotlib

超强下一代 Jupyter Notebook ：JupyterLab 3.0 已经发布了，新版本为用户带来了许多新特性，并对扩展系统进行了实质性的改进。 JupyterLab 是广受欢迎的 Jupyter Notebook「新」界面。它是一个交互式的开发环境，可用于 notebook、代码或数据，因此它的扩展性非常强。用户可以使用它编写 notebook、操作终端、编辑 markdown 文本、打开交互模式、查看 csv 文件及图片等。除此以外，JupyterLab 还具有灵活而强大的用户界面。就在近日，这款好用的工具发布了新版本 JupyterLab 3.0。 JupyterLab3.0 在以下几个方面进行了改进： 可视化调试器； 支持多种显示语言； notebook 目录； 扩展系统。 JupyterLab相关参考： Databook-数据之书 将Jupyter/JupyterHub/JupyterLab运行为系统服务 运用Jupyter Notebook进行系统管理 JupyterLab的本地安装和使用（Ubuntu 18.04） JupyterHub on Kubernetes部署与应用指南 JupyterHub on Kubernetes--定制用户环境 JupyterHub on Kubernetes绘图支持软件 JupyterLab安装地图插件 使用SuperMap

引言 FISCO BCOS的权限控制是通过控制账号对系统中表的写权限来实现的。这种权限控制模型非常灵活且强大，用户几乎可以控制任意一项权限，例如，通过控制权限表的写权限管理分配权限；通过控制系统合约所对应表的写权限管理链配置、节点身份管理、合约部署、用户表创建等；通过控制合约表的写权限管理合约写接口的调用。 然而，绝对完美是不存在的。强大灵活的权限控制也带来较高的学习成本：用户需要理解每个权限项控制的内容以及如何设置，了解链管理员和系统管理员的区别……大量的概念和操作，对用户要求极高。 为了降低使用难度，提升用户体验，FISCO BCOS v2.5对此功能进行了优化，新增了基于角色的权限控制。把不同的权限统归到不同角色，用户根据账号所属角色即可判断其所拥有的权限。同时v2.5基于角色引入了链上治理投票模型，使治理操作更加方便。 什么是角色权限模型？ 使用角色权限模型后，用户只需记住角色，而角色对应的权限不言自明，例如，治理委员会委员拥有链治理相关权限，这极大降低用户理解难度与学习成本。 、 角色对应的权限 区块链上的参与者，可根据角色分为治理方、运维方、监管方和业务方。 为避免既当裁判又当运动员，治理方、运维方应权责分离，角色互斥。 治理方：角色称为治理委员会委员，简称委员，负责区块链治理。 运维方：负责区块链运维，该角色由委员添加。 业务方：业务方账号由运维添加到某个合约

做监控的时候，可能会用到psutil这个python包来获取机器的cpu、memory、disk、net、os和一些其他的信息，今天对psutil这个包做了进一步的分析。各项参数的获取大同小异，此处以memory为例。 获取psutil python包,github https://github.com/giampaolo/psutil 此处指定获取相关信息的主目录，如：linux环境下， psutil/ init .py if LINUX: ... PROCFS_PATH = "/proc" ... 获取内存的信息，从如下代码可以看到内存信息的获取“/proc/meminfo”。 /psutil/_pslinux.py def virtual_memory(): ... missing_fields = [] mems = {} with open_binary('%s/meminfo' % get_procfs_path()) as f: for line in f: fields = line.split() mems[fields[0]] = int(fields[1]) * 1024 total = mems[b'MemTotal:'] free = mems[b'MemFree:'] ... def swap_memory(): ... mems = {} with

使用Python第三方库 这一节我们学习如何使用Python去操作Excel文档。如果大家有人不知道Excel的话，那么建议先学一学office办公基础。这里想要操作Excel，必须安装一个Python第三方库。 有人可能会疑问，第三方库是什么？其实第三方库就是非Python官方提供的库，也就是民间好心人开发出来的开源库，供大家免费使用。那这里肯定又有人会疑问，库是什么呢？我们前面已经知道了Python模块，其实库就是一个或多个相关连的Python模块合在一起，这样说很容易理解吧。通常Python中的所谓库，其实就是一个文件夹，这个文件夹中放了几个Python模块，而一个Python源代码文件就是一个模块。 安装 第三方库和Python的标准库不同，它需要我们手动去安装，不安装是没法使用的。这里简要说一下如何安装Python第三方库。通常一些书籍或网络博客中，推荐使用 pip 命令去自动下载安装第三方库，但是前提是需要我们将 pip 配置到环境变量中。这样去使用存在一些问题，当我们电脑装了多个Python版本时，极容易造成 pip 环境混乱。我在这里介绍一个小技巧，不需要去配置 pip 到环境变量中，且不会造成环境混乱。当我们需要使用 pip 命令时，在它前面加上 python -m 去使用，如下 1 python -m pip install 第三方库名称 好了

hi，大家好~我是shadow，一枚设计师/全栈工程师/算法研究员，目前主要研究方向是人工智能写作和人工智能设计，当然偶尔也会跨界到人工智能艺术及其他各种AI产品。 文末了解《人工智能Mix》 AI不仅可以帮我们创作文章，做设计，还可以完成短视频创作。本文主要从大数据分析、视频理解、视频创作三个方面介绍AI应用在视频的前沿进展。 - 大数据分析电影 这是来自于Moviescope数据集所介绍的方法，作者探索了多模态电影的特征表示，使用CNN（VGG16）从单个电影的图片帧中提取特征表示（Video Representation - fastVideo），使用词嵌入从文本中提取特征表示（ Text Representation - fastText），使用基于谱的特征进行音频表示，然后使用池操作聚合这些特征。对于元数据，使用随机林分类器。 实验结果： - 视频理解 主要是场景检测、自动切割、景深等任务。 - pyscenedetect 开源库 可以用来做视频摘要，自动剪辑之类的。 项目地址： https://pyscenedetect.readthedocs.io/en/latest/examples/usage-example/pyscenedetect.readthedocs.io - AutoFlip 开源库 谷歌开源的 AutoFlip 可以实现自动剪辑，包括视频尺寸裁切