3. 
创建Vaultwarden容器：

如果你想要评估结果完全可复现 (在特定的输入 prompt 和硬件条件下)，你可以把 batch size 可以设为 1。但如果增大 batch size (硬件条件允许的话) 将会加快推理速度。

阅读本章时，已默认安装你的个人电脑上安装了Python 3.6-3.12中的一个版本、以及PyCharm和conda。以及按照第三章示例，已经在阿里云创建了大模型的API-key。

（1）现在让我们下载阿里云百炼平台提供的一个RAG运行包。地址如下：


https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20250414/odwvrb/local_rag.zip

下载之后解压，使用Pycharm打开此文件夹，如图4-1所示。





图4-1 创建local_rag项目

常见的向量数据库有以下这些：

对于 WebSocket 连接，心跳机制需要特殊处理：

《零基础学习人工智能—Python—Pytorch学习（四）》，关于Linear的理解是错误的，已修改。

当基础图表已无法满足品牌化需求时，样式定制能力将成为数据叙事的关键武器。

本文转载至知乎ID：Charles（白露未晞）知乎个人专栏

下载W3Cschool手机App，0基础随时随地学编程
>>戳此了解

导语

赋闲在家几天，想鼓捣点简单又好玩的脚本分享给大家，于是就有了这篇文章~~~

本文将利用Python记录微信好友/微信群中他人撤回的消息，并将这些消息通过文件传输助手发送到自己的手机上。

让我们愉快地开始吧~~~

相关文件

百度网盘下载链接: https://pan.baidu.com/s/1UdTXIXy4iGes24zv9YBIZg

密码: j43u

开发工具

Python版本：3.6.4

相关模块：

itchat模块；

以及一些Python自带的模块。

环境搭建

安装Python并添加到环境变量，pip安装需要的相关模块即可。

原理简介

思路比较简单，利用itchat模块登录网页版微信，将自己微信收到的所有消息都缓存下来，当检测到有消息撤回时，将撤回消息的缓存版本通过文件传输助手发送到自己的手机上。

因此，你必须保证脚本24小时运行才可以一直监视别人有没有撤回消息。

具体实现过程详见相关文件中的源代码。

使用演示

Windows系统：

手机端：

服务器端：

Linux系统：

手机端：

服务器端：

更多

代码截止2018-06-25测试无误。

T_T这个脚本是完全合法无害的，只不过把自己收到的所有消息全部缓存下来，以防止别人撤回消息后自己看不到罢了。

不过应该也没人会无聊到把脚本放服务器上跑来监视自己的好友有没有撤回消息吧~~~

所以就纯当技(无)术(聊)交(取)流(乐)了？

本文转载至知乎ID：Charles（白露未晞）知乎个人专栏

下载W3Cschool手机App，0基础随时随地学编程
>>戳此了解

导语

利用Python实现美颜。。。

这是之前在GitHub上下载的一个项目。。。

似乎有些日子了。。。

所以暂时找不到原项目的链接了。。。

今天抽空看了下它源代码的主要思想，似乎挺简单的。。。

于是决定用Python3自己复现一下。。。

T_T感觉还是挺有趣的。。。

Just have a try!

相关文件

文件下载链接: https://pan.baidu.com/s/18-mGsw0VeQxaQJ7Ljiqowg

密码: 6rd8

开发工具

Python版本：3.5.4

相关模块：

numpy模块；

cv2模块；

dlib模块。

环境搭建

安装Python并添加到环境变量，pip安装需要的相关模块即可。

注1：

cv2即opencv-python模块。

注2：

dlib模块在anaconda3下可以直接pip安装，否则容易出错。相关文件中提供了编译好的python3.5版本的whl文件，供非anaconda3使用者安装使用。

主要思路

声明：

主要思路是根据项目源代码推测的，不算是我的思路，希望我没有猜错。

特征提取：

利用dlib库提取面部特征，面部特征点包括：

下巴、嘴、鼻子、左右眼、左右耳等部分。

针对人脸的不同部分进行具体的美化操作。

另外，由于dlib库无法提取额头边界坐标，而额头的美颜也十分重要。。。

因此假设额头在眉心附近，并通过相应的参数做出一个椭圆作为额头的粗略估计。

实际操作过程中需要将与五官重合部分剔除，并只保留与鼻子肤色相同的部分。

美化方法：

就是很平常的美白、增加鲜艳度、磨皮和锐化操作。

美白和增加鲜艳度在HSV空间实现；

磨皮用了高斯滤波器和双边滤波器；

锐化用的是卷积锐化算法。

具体实现过程详见源代码。

使用演示

说明：

根据自己的需求调用相应的美化方法实现美颜。

默认参数仅供参考，以实际效果为准，可以自己调整一些参数让效果看起来更棒。

使用方式：

在cmd窗口运行Beauty.py文件即可。

待处理照片路径在源代码232行，请自行修改。

演示1：

失败2：

失败3：

T_T好吧效果比较一般。。。

更多

总体来说。。。效果比较一般。。。

同时我发现有些头型并不适合用这个算法美颜。。。比如我试了马云的照片。。。结果很不OK。。。

而且参数似乎不太好调。。。

做成Demo的话或许会好调很多。。。

有兴趣的朋友可以试试去做个美图秀秀高度不仿版。

T_T，就这样吧。

本文转载至知乎ID：Charles（白露未晞）知乎个人专栏

下载W3Cschool手机App，0基础随时随地学编程
>>戳此了解

导语

利用Python简单品读/分析一下小说~~~

T_T纯属娱乐~~~

如有雷同，不甚荣幸~~~

Let’s Go~~~

不想看过程的请直接下拉到最后看结果~~~

相关文件

网盘下载链接: https://pan.baidu.com/s/1D5dITcY27S0ji8nyJUP2fA

密码: c3kd

开发工具

Python版本：3.6.4

相关模块：

gensim模块；

jieba模块；

scipy模块；

snownlp模块；

matplotlib模块；

numpy模块。

环境搭建

安装Python并添加到环境变量，pip安装需要的相关模块即可。

额外说明：

pip下载速度过慢：

临时/永久换源~~~（百度上就有很多教程T_T）

pip安装失败：

到类似https://www.lfd.uci.edu/~gohlke/pythonlibs/这样的网站下载whl文件安装。

主要思路

（1）小说主要人物分析

统计每个角色在小说中出现的次数，并假设出现的次数越多，人物在小说中的地位越高。

（2）小说人物关系分析

利用gensim生成一个词向量模型来分析人物关系。

T_T这个模型是Google在2013年开源出来的，具体实现细节还没来得及看，算不上深度学习，只是浅层的神经网络~~~

（3）小说情感分析

主要利用了snownlp库。

具体实现过程详见源代码。

补充说明

分析小说之前需要先到相关网站下载小说的文本文件并新建一个含有小说中所有人物名的文本文件。

修改源代码（analysis.py）中的：

if __name__ == ‘__main__’:（98行）

下面的小说文件路径后在cmd窗口中运行即可。

Python品红楼

T_T首先让我们看看这本我看了20年也只看了前3页的中国古典四大名著之首！！！

主要人物（Top10）：

前面几个名字还是挺耳熟的？？？

人物关系图：

也不晓得靠谱不，聚类得到的图~~~

T_T随手还得出了这样的结论（逃）：

小说整体的情感基调（消极or积极？）：

以0.5为界，左边代表消极，右边代表积极~~~

这么极端的嘛T_T

Python品天龙八部

T_T只看过电视剧~~~

主要人物（Top10）：

可能有些地方是乔峰，有些地方是萧峰的原因吧，毕竟我觉得乔峰才是主角呀！

人物关系图：

以及随手得出的结论：

T_T毁三观啊~~~

小说整体的情感基调（消极or积极？）：

Excuse me???

更多

不玩了T_T

以上内容纯属不专业不科学纯娱乐的分析~~~

有兴趣的可以去分析一下其他小说T_T

说不定可以得到令人震惊的结论~~~