tensorflow批量读取图片出错

-*- coding: utf-8 -*-

import tensorflow as tf
import numpy as np
import os
import matplotlib.pyplot as plt

#训练样本在本地磁盘中的地址
file_dir='/home/lvlulu/Test-Train/Microfibers' # 这里是输入数据的地址

batch_size = 10

def get_files(file_dir):
lung_img = [];
label_lung_img = [];
for file in os.listdir(file_dir):
lung_img.append( file_dir + file)
label_lung_img.append(1)
image_list = np.hstack((lung_img))
label_list = np.hstack((label_lung_img))
temp = np.array([lung_img, label_lung_img]).T
#利用shuffle打乱数据
np.random.shuffle(temp)
image_list = list(temp[:,0])
label_list = list(temp[:,1])
label_list = [int(i) for i in label_list]
return image_list, label_list

def get_batch(image,label):
image_W, image_H = 221, 181
#batch_size = 10

#将python.list类型转换成tf能够识别的格式
image=tf.cast(image,tf.string)
label=tf.cast(label,tf.int32)

#产生一个输入队列queue
epoch_num = 50 #防止无限循环
input_queue=tf.train.slice_input_producer([image,label], num_epochs=epoch_num)
label=input_queue[1]
image_contents=tf.read_file(input_queue[0])
#print(image_contents)

#将图像解码,不同类型的图像不能混在一起,要么只用jpeg,要么只用png等。
image=tf.image.decode_jpeg(image_contents, channels = 3)
#print(image)

#将数据预处理,对图像进行旋转、缩放、裁剪、归一化等操作,让计算出的模型更健壮。
image=tf.image.resize_image_with_crop_or_pad(image,image_W,image_H)
image=tf.image.per_image_standardization(image)
#print(image)

#生成batch
min_after_dequeue=10
capacity=min_after_dequeue+5*batch_size
image_batch,label_batch=tf.train.shuffle_batch(
        [image,label],
        batch_size=batch_size,
        num_threads=64,
        capacity=capacity,
        min_after_dequeue=min_after_dequeue
        )

#重新排列标签,行数为[batch_size]
#label_batch=tf.reshape(label_batch,[batch_size])
image_batch = tf.reshape(image_batch,[batch_size,image_W,image_H,3])
image_batch=tf.cast(image_batch,np.float32)
#print(image_batch)
return image_batch, label_batch

if name == "__main__":
image_list, label_list = get_files(file_dir)
image_batch, label_batch = get_batch(image_list, label_list)
print(image_batch)
with tf.Session() as sess:
##初始化工作
sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())
i = 0
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord)

    #print(sess.run([image_batch]))
    print(label_batch)

    #回收子线程
    coord.request_stop()
    coord.join(threads)

Caused by op u'ReadFile', defined at:
File "batch.py", line 80, in
image_batch, label_batch = get_batch(image_list, label_list)
File "batch.py", line 48, in get_batch
image_contents=tf.read_file(input_queue[0])
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/gen_io_ops.py", line 144, in read_file
result = op_def_lib.apply_op("ReadFile", filename=filename, name=name)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/op_def_library.py", line 759, in apply_op
op_def=op_def)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.py", line 2240, in create_op
original_op=self._default_original_op, op_def=op_def)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.py", line 1128, in __init
_
self._traceback = _extract_stack()

NotFoundError (see above for traceback): /home/lvlulu/Test-Train/Microfibers0112.jpg
[[Node: ReadFile = ReadFile_device="/job:localhost/replica:0/task:0/cpu:0"]]
[[Node: Shape_6/_14 = _HostSendT=DT_INT32, client_terminated=false, recv_device="/job:localhost/replica:0/task:0/gpu:0", send_device="/job:localhost/replica:0/task:0/gpu:0", send_device_incarnation=1, tensor_name="edge_3_Shape_6", _device="/job:localhost/replica:0/task:0/gpu:0"]]


Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
tensorflow读取文件时出现decode错误
![图片说明](https://img-ask.csdn.net/upload/201909/30/1569847015_825245.png) 这是我的代码,在第三行那里读取文件名时出现这个错误, list_files这个函数在tensorflow的文档中时这样的: ![图片说明](https://img-ask.csdn.net/upload/201909/30/1569847319_126135.png) 应该如何解决这个问题呢?
使用python以YCbCr读取图片,如何把Y通道的数据提取为tensorflow张量?
使用python以YCbCr读取图片,如何把Y通道的数据提取为tensorflow张量?
如何解决tensorflow中的图片维度转换问题?
这是读取图片的代码。 def extract_data(): imgs=[] training_size, img_train_array,img_train_map_array= read_train_from_txt_file(train_txt_filename) for i in range(0,training_size): image_filename = img_train_array[i] if os.path.isfile(image_filename): print('Loading:'+ image_filename) img_file = cv.imread(image_filename) img_file=np.array(img_file) imgs.append(img_file) else: print('File' + image_filename + 'does not exist!') num_img = len(imgs) img_patches = [img_crop(imgs[i]) for i in range(num_img)] data = [img_patches[i][j] for i in range(len(img_patches)) for j in range(len(img_patches[i]))] return np.asarray(data) 这是调用的函数: train_data=extract_data() train_data_2=np.array(train_data) train_data_final=tf.reshape(train_data_2,[None,IMG_PATCH_SIZE,IMG_PATCH_SIZE,3]) train_label=extract_labels() train_label_2=np.array(train_label) train_label_final=tf.reshape(train_label_2,[None,NUM_LABEL]) 可是提示出现如下错误: TypeError: Failed to convert object of type <class 'list'> to Tensor. Contents: [None, 16, 16, 3]. Consider casting elements to a supported type. 我已经转换为了asarray,为什么还是list类型啊? 新手求解啊,真的挺急的!!!!
VTK读取DICOM格式图片出错
VTK读取同样尺寸、同样大小的图片时不会出错,但读入一样尺寸、不同大小的图片时出错,这是什么原因?
TensorFlow怎么获取每次dropout以后的网络结构?
![图片说明](https://img-ask.csdn.net/upload/201705/12/1494564924_88542.png) ![图片说明](https://img-ask.csdn.net/upload/201705/12/1494565032_596089.png) 我用tf.Session().run(y,feed dict = {x:...,keep prob:0.5})可以打印y的值,那么我该怎么做才能打印此时中间值h_l1_drop的值呢?如果再次Session.run(h_l1_drop,feed dict:x:.....)的话,由于调用了dropout函数,所以得到的结果,已经不是第一次的h_l1_drop了 描述如果不清晰,看问题就好。。
tensorflow 数据读取,哪位帮我解释一下
``` jpeg_data = tf.placeholder(tf.string) jpeg_decoder = tf.image.decode_jpeg(jpeg_data) with tf.gfile.FastGFile(filename,'rb') as f: image_buffer = f.read() image = sess.run(jpeg_decoder,feed_dict={jpeg_data:image_buffer}) ``` ``` with tf.gfile.FastGFile(filename,'rb') as f: image_buffer = f.read() image = tf.image.decode_jpeg(image_buffer) image = sess.run(image) ``` 我测试了一下第二种比第一种慢,这是为什么
tensorflow怎么获取最后一个维度特定索引的张量?
我有一个TensorFlow张量[1,513,513,21],其中的513,513分别表示模型预测的特征图的宽度和高度,21表示每个像素预测的21个类别的置信度,之前用tf.argmax返回的是最后一个维度,也就是21这个维度上最大那个置信度的值,给到每个像素点对应。可我现在想要输出每一个类别的,比如说每个像素对应给出0类别识别那个值,这样就有21个特征图出来,而不是一张。 ``` predictions[output] = tf.argmax(logits, 3) ```
opencv cvLoadImage 读取图片出错
在用cvLoadImage的时候,有时能读图片,有时只出来窗口没有图片信息,求问可能是什么问题我能怎么改改呢? #include "highgui.h" #include "cv.h" #include "stdio.h" #include <iostream> #include <opencv2/opencv.hpp> using namespace std; using namespace cv; int main() { IplImage* multi = cvLoadImage("C:\\1.PNG"); cvShowImage("himage", multi); // cvReleaseImage(&multi); cvWaitKey(0); return 0; }
关于Tensorflow的TFRecords读取问题
生成TFRecords核心代码(图片处理成224 * 224 * 3) ``` with tf.Session() as sess: for i in range(len(img_path_0)): # 获得图片的路径和类型 img_path = img_path_0[i] label = label_0[i] # 读取图片 image = tf.gfile.FastGFile(img_path, 'rb').read() # 解码图片(如果是 png 格式就使用 decode_png) image = tf.image.decode_jpeg(image) image_size = 224 # 图像预处理 image = ima_preprocess.preprocess_for_train(image, image_size, image_size) # 转换数据类型 image = tf.image.convert_image_dtype(image, dtype=tf.float32) # resize 224 * 224 * 3 image = tf.image.resize_images(image, [width, height], method=0) # 执行 op: image image = sess.run(image) #print(image) # print(image.shape) # plt.imshow(image) # plt.show() # 将其图片矩阵转换成 tostring,tobytes image_raw = image.tostring() # 将数据整理成 TFRecord 需要的数据结构 example = tf.train.Example(features=tf.train.Features(feature={ 'image_raw': _bytes_feature(image_raw), 'label': _int64_feature(label), 'height': _int64_feature(height), 'width': _int64_feature(width), 'channels': _int64_feature(channels), })) # 写 TFRecord writer.write(example.SerializeToString()) print(i, label) writer.close() ``` 在读取TFRecords的时候,由于之前使用tostring,导致使用代码 ``` decode_image = tf.decode_raw(features['image'], tf.uint8) ``` 产生的矩阵比原来大了4倍,即 224 * 224 * 3 * 4 没办法使用之后的reshape[224, 224, 3] 请问,tf下有什么函数可以把TFRecords内的数据decode到原始的图片的矩阵??
Tensorflow timeline不能获取/gpu:0/stream
Timeline信息中能获得task不能获取/gpu:0/stream。 环境:linux+anaconda+Tensorflow1.8+cuda9.0 ![图片说明](https://img-ask.csdn.net/upload/201807/30/1532938228_821731.jpg) 别人运行信息如下: ![图片说明](https://img-ask.csdn.net/upload/201807/30/1532938346_378367.png)
tensorflow inceptionv3
``` #8.4使用inception-v3做各种图像识别 import tensorflow as tf import os import numpy as np import re from PIL import Image import matplotlib.pyplot as plt class NodeLookup(object): def __init__(self): label_lookup_path = 'inception_model/imagenet_2012_challenge_label_map_proto.pbtxt' uid_lookup_path = 'inception_model/imagenet_sysnet_to_human_label_map.txt' self.node_lookup = self.load(label_lookup_path,uid_lookup_path) def load(self,label_lookup_path,uid_lookup_path): #加载分类字符串n**********对应分类名称的文件 proto_as_ascii_lines = tf.gfile.GFile(uid_lookup_path).readlines() uid_to_human = {} #一行一行读取数据 for line in proto_as_ascii_lines: #去掉换行符 line = line.strip('\n') #按照'\t'分割 parsed_items = line.split('\t') #获取分类编号 human_string = parsed_items[1] #保存编号字符串n********于分类名称映射的关系 uid_to_human[uid] = human_string #加载分类字符串n*********对应分类编号1-1000的文件 proto_as_ascii = tf.gfile.GFile(label_lookup_path).readlines() node_id_to_uid = {} for line in proto_as_ascii: if line.starstwith(' target_class:'):#前面要有空格 #获取分类编号1-1000 target_class = int(line.split(': ')[1])#:后面要有空格 if line.startswith(' target_class_string:'): #获取编号字符串n******** target_class_string = line.split(': ')[1] #保存分类编号1-1000于编号字符串n********映射关系 node_id_to_uid[target_class] = target_class_string[1:-2]#第一个字符取到倒数第二个 #建立分类编好1-1000对应分类名称的映射关系 node_id_to_name = {} for key,val in node_id_to_uid.items(): #获取分类名称 name = uid_to_human[val] #建立分类编号1-1000到分类名称的映射关系 node_id_to_name[key] = name return node_id_to_name #传入分类编号1-1000,返回分类名称 def id_to_string(self,node_id): if node_id not in self.node_lookup: return'' return self.node_lookup[node_id] #创建一个图来存放google训练好的模型 with tf.gfile.FastGFile('inception_model/classify_image_graph_def.pb','rb') as f: graph_def = tf.GraphDef() graph_def.ParseFromString(f.read()) tf.import_graph_def(graph_def,name = '') with tf.Session() as sess: softmax_tensor = sess.graph.get_tensor_by_name('softmax:0') #遍历目录 for root,dirs,files in os.walk('images/'): for file in files: #载入图片 image_data = tf.gfile.GFile(os.path.join(root,file),'rb').read() predictions = sess.run(softmax_tensor,{'DecodeJpeg/contents:0':image_data})#图片格式为jpg predictions = np.squeeze(predictions)#把结果转化为一维数据 #打印图片路径及名称 image_path = os.path.join(root.file) print(image_path) #显示图片 img = Image.open(image_path) plt.imshow(img) plt.axis('off') plt.show #排序 top_k = predictions.argsort()[-5:][::-1] node_lookup = NodeLookup() for node_id in top_k: #获取分类名称 human_string = node_lookup.id_to_string(node_id) #获取该分类的置信度 score = predictions[node_id] print('%s(score = %.5f)'%(human_string.score)) print() ``` NameError Traceback (most recent call last) <ipython-input-1-1f6ae1c54da3> in <module> 7 import matplotlib.pyplot as plt 8 ----> 9 class NodeLookup(object): 10 def __init__(self): 11 <ipython-input-1-1f6ae1c54da3> in NodeLookup() 29 uid_to_human[uid] = human_string 30 #加载分类字符串n*********对应分类编号1-1000的文件 ---> 31 proto_as_ascii = tf.gfile.GFile(label_lookup_path).readlines() 32 node_id_to_uid = {} 33 for line in proto_as_ascii: NameError: name 'label_lookup_path' is not defined
mavonEditor显示图片出错
问题描述: 1.node+vue+mavonEditor 2.mavonEditor安装什么的没有错,使用上也没有错 3.使用的时候,我是编辑栏和预览栏一起用的,没有问题,如图: ![图片说明](https://img-ask.csdn.net/upload/201912/30/1577715717_991914.jpg) 4.正式展示的时候,这里只用的mavonEditor的预览功能,我有两种情况,第一种情况是把这段内容字符串放在路由path上,然后加载的时候获取他放在里面,结果成功看了,如图: ![图片说明](https://img-ask.csdn.net/upload/201912/30/1577715904_85523.jpg) 但是刷新的时候,这张图片就不显示了; 第二种情况是从数据库中获取,下面是我存在数据库中的数据 ![图片说明](https://img-ask.csdn.net/upload/201912/30/1577716083_4298.jpg) 然后获取到页面上的时候,也是不显示 ![图片说明](https://img-ask.csdn.net/upload/201912/30/1577716151_719938.jpg) 就像这样。 5.问题基本上就这样了,我这个方法就是直接把输入的内容传进数据库里,我以为他这个编辑器应该会把这些东西给处理好,但是好像并没有,只有字符串,在这 里求大佬解释一下,咋个弄啊。 6.补充:在网上看到的一些方法是单独对其中的额图片进行上传,但是好像没有文字和图片一起上传的文章,因为我想的话它们的图片和文字分开上传,会不会就失去了想要的图文排版的效果了。希望大佬说一下,大致的步骤是什么,住感觉这方面的文字太少了啊
Invalid icc profile: bad sequence number(读取图片出错)
![图片说明](https://img-ask.csdn.net/upload/201804/13/1523586546_411165.png) 使用 Image img = ImageIO.read(new File("C:\Users\img.jpg")); 报错:javax.imageio.IIOException: Invalid icc profile: bad sequence number window7系统 jdk 1.6.0_23 求大神解决,在线等
用vs2015编程读取BMP图片文件出错
我用vs2015编写代码读取一个bmp格式的图片,并修改像素数据。当图片较大时(160×160),程序会出错,只有图片很小时(80×80),程序才能正确运行。不知道什么原因。
使用phantomjs访问网页获取的echarts图的base64码出错
使用phantomjs访问网页,模拟点击按钮,获取页面的上某个echarts图的base64码数据与直接在浏览器中访问时获得的数据不同,多了很多A, 正常图片 ![正常](https://img-ask.csdn.net/upload/202002/18/1582025286_958127.png) 错误图片 ![异常](https://img-ask.csdn.net/upload/202002/18/1582025318_518701.png)
(Tensorflow) 在读取文件后,如何将global_step变为0
这是cifar_10的代码,我想每次训练开始的时候global_step都是0,而不是从文件中读到的之前训练留下来的步数,对于MonitoredTrainingSession不是懂,有没有大佬教教我,感谢了! ``` def train(max_step, n): """Train CIFAR-10 for a number of steps.""" """创建图""" with tf.Graph().as_default(): global_step = tf.contrib.framework.get_or_create_global_step() # Get images and labels for CIFAR-10. # Force input pipeline to CPU:0 to avoid operations sometimes ending up on # GPU and resulting in a slow down. with tf.device('/cpu:0'): images, labels = cifar10.distorted_inputs(n) #使用cpu运行 #到了cifar10里面的image以及FLAGS.batch_size=128 #images=/tmp/cifar10_data/cifar-10-batches-bin #labels=128 # Build a Graph that computes the logits predictions from the # inference model. file_output_path=FLAGS.train_dir file_output_path=os.path.join(file_output_path,"train_output.txt") file_output=open(file_output_path,"a") """初始化logits(预测值)以及训练""" logits = cifar10.inference(images) loss = cifar10.loss(logits, labels) train_op = cifar10.train(loss, global_step) # Build a Graph that trains the model with one batch of examples and # updates the model parameters. class _LoggerHook(tf.train.SessionRunHook): """Logs loss and runtime.""" def begin(self): self._step = -1 self._start_time = time.time() def before_run(self, run_context): self._step += 1 return tf.train.SessionRunArgs(loss) # Asks for loss value. def after_run(self, run_context, run_values): if self._step % FLAGS.log_frequency == 0: current_time = time.time() duration = current_time - self._start_time self._start_time = current_time loss_value = run_values.results examples_per_sec = FLAGS.log_frequency * FLAGS.batch_size / duration sec_per_batch = float(duration / FLAGS.log_frequency) format_str = ('whichdata:%d %s: step %d, loss = %.2f (%.1f examples/sec; %.3f ' 'sec/batch)') print (format_str % (n, datetime.now(), self._step, loss_value, examples_per_sec, sec_per_batch)) """ ///////////////// """ file_output=open(file_output_path,"a") file_output.write(format_str % (n, datetime.now(), self._step, loss_value, examples_per_sec, sec_per_batch)+'\n') with tf.train.MonitoredTrainingSession( checkpoint_dir=FLAGS.train_dir, hooks=[tf.train.StopAtStepHook(last_step=max_step), tf.train.NanTensorHook(loss), _LoggerHook()], config=tf.ConfigProto( log_device_placement=FLAGS.log_device_placement)) as mon_sess: while not mon_sess.should_stop(): mon_sess.run(train_op) ```
android socket通信读取图片数据,数据出错
我从电脑服务端用imageIO发送了屏幕的截图给android,android端发现如果每次读取 的数据大小超过20K,所得的数据就会出错,我对比了下发送前的图片数据,基本上是 夹杂了很多1K以上的0数据块,又或者是数据块错位。但是一旦把每次读取的数据大小降 低至10K以下又或者增加两次读取间的间隔至500ms以上就能保持数据不出错,这是为什 么呢?
xmpp获取离线图片出错
大伙,xmpp开发中遇到一个难题,希望大伙帮忙解答一下,万分感谢。 如题,是获取离线消息中的图片,这里遇到了困难 首先,在message节点中自定义了一个file属性,里面包含了图片的一些信息,发送方给接收方发送图片,若接收方在线,则可以接受到图片,毫无问题 ,问题来了。。。若接收方不在线,则file属性中的一些信息就会变为null,从而接收不到离线图片。 没图还说啥,给大伙上图好不好, 如图:![图片说明](https://img-ask.csdn.net/upload/201601/27/1453885471_979322.png) 这是我打印的离线消息的内容,可以看到,file里面的name和url的值都没null,我不知道为啥。 接着:![图片说明](https://img-ask.csdn.net/upload/201601/27/1453885576_310471.png) 这张图是我从smack自带的debug中打印的返回值信息,这里面的name和url却是有值的, 所有恳请大伙帮忙解答下,小弟刚混入csdn,一个字,穷。哈哈,望有思路的大伙留个脚印,再次感谢,吼哈哈。。
Tensorflow中进行图像随机resize为什么会失败
初学Tensorflow,望见谅,最近在学习数据増广,发现在进行图像大小随机缩放时会出错,代码如下: ``` img = tf.placeholder(tf.uint8,shape=[2048,1024,3]) #随机获取Scale scale = tf.random_uniform([1], minval=0.5, maxval=2.0, dtype=tf.float32, seed=None) #求resize后的图像大小 h_new = tf.to_int32(tf.multiply(tf.to_float(tf.shape(img)[0]), scale)) w_new = tf.to_int32(tf.multiply(tf.to_float(tf.shape(img)[1]), scale)) #进行resize new_shape = tf.squeeze(tf.stack([h_new, w_new]), squeeze_dims=[1]) img = tf.image.resize_images(img, size=new_shape) ``` 但是我发现,resize以后的img的高和宽竟然是none ![图片说明](https://img-ask.csdn.net/upload/201910/24/1571929669_942601.png) 另外,如果写成如下,也不行 ![图片说明](https://img-ask.csdn.net/upload/201910/24/1571929410_737680.png) 但是如果将resize的大小限定死,是可以的,这和网上大部分网页上是一致的 ![图片说明](https://img-ask.csdn.net/upload/201910/24/1571929641_46797.png) 所以问问各位大神,这是为什么啊,为什么不能随机resize一张图啊。
终于明白阿里百度这样的大公司,为什么面试经常拿ThreadLocal考验求职者了
点击上面↑「爱开发」关注我们每晚10点,捕获技术思考和创业资源洞察什么是ThreadLocalThreadLocal是一个本地线程副本变量工具类,各个线程都拥有一份线程私有的数
程序员必须掌握的核心算法有哪些?
由于我之前一直强调数据结构以及算法学习的重要性,所以就有一些读者经常问我,数据结构与算法应该要学习到哪个程度呢?,说实话,这个问题我不知道要怎么回答你,主要取决于你想学习到哪些程度,不过针对这个问题,我稍微总结一下我学过的算法知识点,以及我觉得值得学习的算法。这些算法与数据结构的学习大多数是零散的,并没有一本把他们全部覆盖的书籍。下面是我觉得值得学习的一些算法以及数据结构,当然,我也会整理一些看过...
《奇巧淫技》系列-python!!每天早上八点自动发送天气预报邮件到QQ邮箱
此博客仅为我业余记录文章所用,发布到此,仅供网友阅读参考,如有侵权,请通知我,我会删掉。 补充 有不少读者留言说本文章没有用,因为天气预报直接打开手机就可以收到了,为何要多此一举发送到邮箱呢!!!那我在这里只能说:因为你没用,所以你没用!!! 这里主要介绍的是思路,不是天气预报!不是天气预报!!不是天气预报!!!天气预报只是用于举例。请各位不要再刚了!!! 下面是我会用到的两个场景: 每日下
面试官问我:什么是消息队列?什么场景需要他?用了会出现什么问题?
你知道的越多,你不知道的越多 点赞再看,养成习惯 GitHub上已经开源 https://github.com/JavaFamily 有一线大厂面试点脑图、个人联系方式,欢迎Star和完善 前言 消息队列在互联网技术存储方面使用如此广泛,几乎所有的后端技术面试官都要在消息队列的使用和原理方面对小伙伴们进行360°的刁难。 作为一个在互联网公司面一次拿一次Offer的面霸,打败了无数
8年经验面试官详解 Java 面试秘诀
    作者 | 胡书敏 责编 | 刘静 出品 | CSDN(ID:CSDNnews) 本人目前在一家知名外企担任架构师,而且最近八年来,在多家外企和互联网公司担任Java技术面试官,前后累计面试了有两三百位候选人。在本文里,就将结合本人的面试经验,针对Java初学者、Java初级开发和Java开发,给出若干准备简历和准备面试的建议。   Java程序员准备和投递简历的实
究竟你适不适合买Mac?
我清晰的记得,刚买的macbook pro回到家,开机后第一件事情,就是上了淘宝网,花了500元钱,找了一个上门维修电脑的师傅,上门给我装了一个windows系统。。。。。。 表砍我。。。 当时买mac的初衷,只是想要个固态硬盘的笔记本,用来运行一些复杂的扑克软件。而看了当时所有的SSD笔记本后,最终决定,还是买个好(xiong)看(da)的。 已经有好几个朋友问我mba怎么样了,所以今天尽量客观
程序员一般通过什么途径接私活?
二哥,你好,我想知道一般程序猿都如何接私活,我也想接,能告诉我一些方法吗? 上面是一个读者“烦不烦”问我的一个问题。其实不止是“烦不烦”,还有很多读者问过我类似这样的问题。 我接的私活不算多,挣到的钱也没有多少,加起来不到 20W。说实话,这个数目说出来我是有点心虚的,毕竟太少了,大家轻喷。但我想,恰好配得上“一般程序员”这个称号啊。毕竟苍蝇再小也是肉,我也算是有经验的人了。 唾弃接私活、做外
大学四年自学走来,这些珍藏的「实用工具/学习网站」我全贡献出来了
知乎高赞:文中列举了互联网一线大厂程序员都在用的工具集合,涉及面非常广,小白和老手都可以进来看看,或许有新收获。
《阿里巴巴开发手册》读书笔记-编程规约
Java编程规约命名风格 命名风格 类名使用UpperCamelCase风格 方法名,参数名,成员变量,局部变量都统一使用lowerCamelcase风格 常量命名全部大写,单词间用下划线隔开, 力求语义表达完整清楚,不要嫌名字长 ...
Python爬虫爬取淘宝,京东商品信息
小编是一个理科生,不善长说一些废话。简单介绍下原理然后直接上代码。 使用的工具(Python+pycharm2019.3+selenium+xpath+chromedriver)其中要使用pycharm也可以私聊我selenium是一个框架可以通过pip下载 pip install selenium -i https://pypi.tuna.tsinghua.edu.cn/simple/ 
阿里程序员写了一个新手都写不出的低级bug,被骂惨了。
你知道的越多,你不知道的越多 点赞再看,养成习惯 本文 GitHub https://github.com/JavaFamily 已收录,有一线大厂面试点思维导图,也整理了很多我的文档,欢迎Star和完善,大家面试可以参照考点复习,希望我们一起有点东西。 前前言 为啥今天有个前前言呢? 因为你们的丙丙啊,昨天有牌面了哟,直接被微信官方推荐,知乎推荐,也就仅仅是还行吧(心里乐开花)
Java工作4年来应聘要16K最后没要,细节如下。。。
前奏: 今天2B哥和大家分享一位前几天面试的一位应聘者,工作4年26岁,统招本科。 以下就是他的简历和面试情况。 基本情况: 专业技能: 1、&nbsp;熟悉Sping了解SpringMVC、SpringBoot、Mybatis等框架、了解SpringCloud微服务 2、&nbsp;熟悉常用项目管理工具:SVN、GIT、MAVEN、Jenkins 3、&nbsp;熟悉Nginx、tomca
Python爬虫精简步骤1 获取数据
爬虫的工作分为四步: 1.获取数据。爬虫程序会根据我们提供的网址,向服务器发起请求,然后返回数据。 2.解析数据。爬虫程序会把服务器返回的数据解析成我们能读懂的格式。 3.提取数据。爬虫程序再从中提取出我们需要的数据。 4.储存数据。爬虫程序把这些有用的数据保存起来,便于你日后的使用和分析。 这一篇的内容就是:获取数据。 首先,我们将会利用一个强大的库——requests来获取数据。 在电脑上安装
Python绘图,圣诞树,花,爱心 | Turtle篇
1.画圣诞树 import turtle screen = turtle.Screen() screen.setup(800,600) circle = turtle.Turtle() circle.shape('circle') circle.color('red') circle.speed('fastest') circle.up() square = turtle.Turtle()
作为一个程序员,CPU的这些硬核知识你必须会!
CPU对每个程序员来说,是个既熟悉又陌生的东西? 如果你只知道CPU是中央处理器的话,那可能对你并没有什么用,那么作为程序员的我们,必须要搞懂的就是CPU这家伙是如何运行的,尤其要搞懂它里面的寄存器是怎么一回事,因为这将让你从底层明白程序的运行机制。 随我一起,来好好认识下CPU这货吧 把CPU掰开来看 对于CPU来说,我们首先就要搞明白它是怎么回事,也就是它的内部构造,当然,CPU那么牛的一个东
破14亿,Python分析我国存在哪些人口危机!
2020年1月17日,国家统计局发布了2019年国民经济报告,报告中指出我国人口突破14亿。 猪哥的朋友圈被14亿人口刷屏,但是很多人并没有看到我国复杂的人口问题:老龄化、男女比例失衡、生育率下降、人口红利下降等。 今天我们就来分析一下我们国家的人口数据吧! 更多有趣分析教程,扫描下方二维码关注vx公号「裸睡的猪」 即可查看! 一、背景 1.人口突破14亿 2020年1月17日,国家统计局发布
听说想当黑客的都玩过这个Monyer游戏(1~14攻略)
第零关 进入传送门开始第0关(游戏链接) 请点击链接进入第1关: 连接在左边→ ←连接在右边 看不到啊。。。。(只能看到一堆大佬做完的留名,也能看到菜鸡的我,在后面~~) 直接fn+f12吧 &lt;span&gt;连接在左边→&lt;/span&gt; &lt;a href="first.php"&gt;&lt;/a&gt; &lt;span&gt;←连接在右边&lt;/span&gt; o
在家远程办公效率低?那你一定要收好这个「在家办公」神器!
相信大家都已经收到国务院延长春节假期的消息,接下来,在家远程办公可能将会持续一段时间。 但是问题来了。远程办公不是人在电脑前就当坐班了,相反,对于沟通效率,文件协作,以及信息安全都有着极高的要求。有着非常多的挑战,比如: 1在异地互相不见面的会议上,如何提高沟通效率? 2文件之间的来往反馈如何做到及时性?如何保证信息安全? 3如何规划安排每天工作,以及如何进行成果验收? ......
作为一个程序员,内存和磁盘的这些事情,你不得不知道啊!!!
截止目前,我已经分享了如下几篇文章: 一个程序在计算机中是如何运行的?超级干货!!! 作为一个程序员,CPU的这些硬核知识你必须会! 作为一个程序员,内存的这些硬核知识你必须懂! 这些知识可以说是我们之前都不太重视的基础知识,可能大家在上大学的时候都学习过了,但是嘞,当时由于老师讲解的没那么有趣,又加上这些知识本身就比较枯燥,所以嘞,大家当初几乎等于没学。 再说啦,学习这些,也看不出来有什么用啊!
别低估自己的直觉,也别高估自己的智商
所有群全部吵翻天,朋友圈全部沦陷,公众号疯狂转发。这两周没怎么发原创,只发新闻,可能有人注意到了。我不是懒,是文章写了却没发,因为大家的关注力始终在这次的疫情上面,发了也没人看。当然,我...
这个世界上人真的分三六九等,你信吗?
偶然间,在知乎上看到一个问题 一时间,勾起了我深深的回忆。 以前在厂里打过两次工,做过家教,干过辅导班,做过中介。零下几度的晚上,贴过广告,满脸、满手地长冻疮。   再回首那段岁月,虽然苦,但让我学会了坚持和忍耐。让我明白了,在这个世界上,无论环境多么的恶劣,只要心存希望,星星之火,亦可燎原。   下文是原回答,希望能对你能有所启发。   如果我说,这个世界上人真的分三六九等,
为什么听过很多道理,依然过不好这一生?
记录学习笔记是一个重要的习惯,不希望学习过的东西成为过眼云烟。做总结的同时也是一次复盘思考的过程。 本文是根据阅读得到 App上《万维钢·精英日课》部分文章后所做的一点笔记和思考。学习是一个系统的过程,思维模型的建立需要相对完整的学习和思考过程。以下观点是在碎片化阅读后总结的一点心得总结。
B 站上有哪些很好的学习资源?
哇说起B站,在小九眼里就是宝藏般的存在,放年假宅在家时一天刷6、7个小时不在话下,更别提今年的跨年晚会,我简直是跪着看完的!! 最早大家聚在在B站是为了追番,再后来我在上面刷欧美新歌和漂亮小姐姐的舞蹈视频,最近两年我和周围的朋友们已经把B站当作学习教室了,而且学习成本还免费,真是个励志的好平台ヽ(.◕ฺˇд ˇ◕ฺ;)ノ 下面我们就来盘点一下B站上优质的学习资源: 综合类 Oeasy: 综合
如何优雅地打印一个Java对象?
你好呀,我是沉默王二,一个和黄家驹一样身高,和刘德华一样颜值的程序员。虽然已经写了十多年的 Java 代码,但仍然觉得自己是个菜鸟(请允许我惭愧一下)。 在一个月黑风高的夜晚,我思前想后,觉得再也不能这么蹉跎下去了。于是痛下决心,准备通过输出的方式倒逼输入,以此来修炼自己的内功,从而进阶成为一名真正意义上的大神。与此同时,希望这些文章能够帮助到更多的读者,让大家在学习的路上不再寂寞、空虚和冷。 ...
雷火神山直播超两亿,Web播放器事件监听是怎么实现的?
Web播放器解决了在手机浏览器和PC浏览器上播放音视频数据的问题,让视音频内容可以不依赖用户安装App,就能进行播放以及在社交平台进行传播。在视频业务大数据平台中,播放数据的统计分析非常重要,所以Web播放器在使用过程中,需要对其内部的数据进行收集并上报至服务端,此时,就需要对发生在其内部的一些播放行为进行事件监听。 那么Web播放器事件监听是怎么实现的呢? 01 监听事件明细表 名
3万字总结,Mysql优化之精髓
本文知识点较多,篇幅较长,请耐心学习 MySQL已经成为时下关系型数据库产品的中坚力量,备受互联网大厂的青睐,出门面试想进BAT,想拿高工资,不会点MySQL优化知识,拿offer的成功率会大大下降。 为什么要优化 系统的吞吐量瓶颈往往出现在数据库的访问速度上 随着应用程序的运行,数据库的中的数据会越来越多,处理时间会相应变慢 数据是存放在磁盘上的,读写速度无法和内存相比 如何优化 设计
Linux 命令(122)—— watch 命令
1.命令简介 2.命令格式 3.选项说明 4.常用示例 参考文献 [1] watch(1) manual
Linux 命令(121)—— cal 命令
1.命令简介 2.命令格式 3.选项说明 4.常用示例 参考文献 [1] cal(1) manual
记jsp+servlet+jdbc实现的新闻管理系统
1.工具:eclipse+SQLyog 2.介绍:实现的内容就是显示新闻的基本信息,然后一个增删改查的操作。 3.数据库表设计 列名 中文名称 数据类型 长度 非空 newsId 文章ID int 11 √ newsTitle 文章标题 varchar 20 √ newsContent 文章内容 text newsStatus 是否审核 varchar 10 news...
Python新型冠状病毒疫情数据自动爬取+统计+发送报告+数据屏幕(三)发送篇
今天介绍的项目是使用 Itchat 发送统计报告 项目功能设计: 定时爬取疫情数据存入Mysql 进行数据分析制作疫情报告 使用itchat给亲人朋友发送分析报告(本文) 基于Django做数据屏幕 使用Tableau做数据分析 来看看最终效果 目前已经完成,预计2月12日前更新 使用 itchat 发送数据统计报告 itchat 是一个基于 web微信的一个框架,但微信官方并不允
相关热词 c# 识别回车 c#生成条形码ean13 c#子控制器调用父控制器 c# 写大文件 c# 浏览pdf c#获取桌面图标的句柄 c# list反射 c# 句柄 进程 c# 倒计时 线程 c# 窗体背景色
立即提问