程序本质回忆上次内容我们把python源文件词法分析 得到 词流(token stream)语法分析 得到 抽象语法树(Abstract Syntax Tree)编译 得到 字节码 (bytecode)字节码我们看不懂所以反编译 得到 指令文件(opcode)编辑指令文件是基于python虚拟机的虚拟cpu的指令集什么是python虚拟机呢？🤔在了解虚拟cpu之前我们先看看真实的cpu真实的cpu无论手机还是计算机最核心器件的器件就是cpu编辑这个东西是个实实在在存在的实体我们所说的pytho
程序本质回忆上次内容python3 的程序是一个 5.3M 的可执行文件我们通过which命令找到这个python3.8的位置将这个python3.8复制到我们的用户目录下这个文件还是能够执行的将这个文件转化为字节形态确实可以转化但是这个文件我们看不懂啊！！！😭编辑怎么才能看懂这些东西呢？🤔这个东西我们确实看不懂但是有人能看懂谁呢？真实的cpu无论手机还是计算机最核心器件的器件就是cpu编辑这个东西是个实实在在存在的实体这个cpu就能看懂这些字节码吗？cpucpu能看懂这些字节码！！！这
如果你曾经编写亦或只是使用Python语言，那么你可能已经习惯了看Python源码文件; 源码的文件名以.py结尾。或许你也已经注意到了另一种类型的文件，文件名以.pyc结尾，或许你已经听说过它们就是Python的“字节码”文件。（但在Python 3上却难觅其踪 -- 原因是它们不再与.py文件出现在同一个目录中，而是放在一个名为__pycache__的子目录中了）。或许你也已听说过这是一种程序加速机制。通过防止Python每次运行时都重新解析源代码从而加快程序运行。
Ubuntu1804系统在安装完成以后，自动就安装好了Python3.6版本，可以直接使用python3命令来运行python脚本。但是，每次使用都需要输入python3，而不是我们常使用的python指令，在这里，我们可以通过设置，直接使用python指令来代替python3指令。
网桥中的容器会独立分发ip地址，和宿主机隔离，如果需要在暴露容器，需要做端口映射。
解释型语言编写的程序不需要编译，在执行的时候，专门有一个解释器能够将VB语言翻译成机器语言，每个语句都是执行的时候才翻译。这样解释型语言每执行一次就要翻译一次，效率比较低。
前两天我们准备好了安装环境这些，那么今天我们要来认知一下，一个完整的Python程序到底要具备哪些东西，
如果你曾经写过或者用过 Python，你可能已经习惯了看到 Python 源代码文件；它们的名称以.Py 结尾。你可能还见过另一种类型的文件是 .pyc 结尾的，它们就是 Python “字节码”文件。这里转载一篇文章，专门讲解 Python 字节码的相关内容，给大家看看。
Docker镜像由只读层组成，每个层都代表一个Dockerfile指令。这些层是堆叠的，每一层都是前一层变化的增量。示例Dockerfile:
由于计算机内部只能接受二进制代码，因此，用二进制代码0和1描述的指令称为机器指令，全部机器指令的集合构成计算的机器语言 机器语言属于低级语言
Guido Van Rossum开发了Python，这是最著名的编程语言之一。Python 因其清晰的语法和简单的代码而在开发人员中很受欢迎，即使对于新手也是如此。对于那些刚刚开始编程职业生涯的人来说，学习Python是非常有利的。他们可以使用 Python 编程培训、博客、视频、模块和数千种其他资源来了解这种流行语言的各个方面。完成后，您将能够进行现代开发活动，例如GUI开发，网页设计，系统管理，复杂的金融交易或计算，数据科学，可视化等等。
在前面的博客中，我们大篇幅的使用到了Docker和Singularity这两种常见的容器化编程环境解决方案，使得我们的各个编程环境能够更好的隔离。如果要展开讲解容器化编程环境的重要性的话，我们有可能会发现容器并不是那么的必须：比如解决python库的依赖冲突问题，我们可以选择使用python的virtualenv或者conda的虚拟环境；比如解决gcc的版本依赖冲突，我们可以手动配置和选择对应的版本；比如对于我们没有root权限和对外网络的环境，想要安装一些工具可以采用源码编译安装。那么，这些种种的问题，如果我们采用Singularity的方案，就可以一次性的解决。而且容器化是一个趋势，比如各种的机器学习框架都会提供容器版本的安装方案，像MindSpore和Tensorflow等等。这里我们尝试使用Singularity的容器def文件（类似于Docker的Dockerfile，而且兼容Docker的镜像），去构造一个Pytorch专属的编程环境。
Dockerfile 是 Docker 容器构建的关键蓝图。它是一个文本文件，包含了一系列命令和指令，用于自动化构建 Docker 镜像。通过 Dockerfile，你可以定义容器的环境、依赖关系、配置等方面，确保容器能够一致、可重复地构建。
Dockerfile是用于构建Docker容器镜像的文本文件，它包含了一系列指令和配置，用于描述如何组装一个Docker容器的环境。通过Dockerfile，你可以自动化地构建镜像，确保在不同的环境中都可以复现相同的容器。Dockerfile中的指令可以指定从哪个基础镜像开始构建、复制文件到镜像中、安装软件包、设置环境变量、暴露端口、运行命令等等。每个指令都会在镜像的构建过程中创建一个新的镜像层，这些层构成了最终镜像的结构。这种分层结构让镜像的构建更加高效，同时也方便了镜像的复用和共享。以下是一个简单的Dockerfile示例：
容器是应用走向云端之后必然的发展趋势，因此笔者非常乐于和大家分享我们这段时间对容器的理解、心得和实践。
当然有更简单的方法，你可以在 https://crontab.guru/ 网站进行在线设置，设置好了直接拷贝过来。网页提供了图形化的操作界面，对新手特别友好。
IDLE是一个Python shell。是一个通过键入文本与程序交互的途径，可以利用这个shell与Python交互。IDLE本身还是一个GUI（图形用户界面）。 以上都只是在交互模式中单个的Python指令，通过这些指令可以查看Python能够做些什么，不过这些都不是真正的程序，如果只是在交互模式中键入指令，Python不会记住你键入的内容。IDLE提供了一个文本编辑器，可以从IDLE的菜单中选择FILE->New Window找到这个文本编辑器。
套用阿基米德的话来说，给我一个强大而又灵活的文本编辑器 (Vim)，一个交互式 Shell(IPython) 以及一个语言 (Python)，我就能撬动整个世界。
（anaconda内置python在内的许多package，所以不用另外下载python） 可以点击下面的清华开源软件镜像站，在官网下载anaconda不如在这下的快 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/镜像站
Dockerfile 是用于构建 Docker 镜像的文本文件，其中包含了一系列指令和参数，用于定义镜像的内容、环境和运行方式。本文将介绍如何编写和使用 Dockerfile，以及常用的指令和技巧，帮助大家快速掌握 Docker 镜像的构建和定制过程。
1. 登录 NVIDIA 驱动下载 或打开链接 http://www.nvidia.com/Download/Find.aspx 。
很多开发者用自己的电脑开发，然后将程序部署在内网。如果内网无法访问互联网，部署就相当麻烦，你需要将应用程序依赖的包也传输到内网。如果是 Python 应用，还需要使用 pip 安装一下依赖包，对于某些需要编译安装包，windows 环境下安装过程中还可能报错，linux 可能提示缺失必要的头文件等，安装这些依赖包会耗费较多的时间，对自己的技术提升其实没有帮助，是要尽可能避免的。
一个具备群体课堂专注度分析、考试作弊系统、动态点名等功能的Python智慧教室，使用多人姿态估计、情绪识别、人脸识别、静默活体检测等技术。
解释运行程序 🥊回忆上次内容我们这次设置了断点设置断点的目的是更快地调试调试的目的是去除bug别害怕bug一步步地总能找到bug这就是程序员基本功调试debug我心中还是有疑问python3 是怎么解释hello.py 的？🤔纯文本我们的py文件是一个纯文本文件编辑打开我们的guido.py如果没有就新做一个这里面是一个个的字符print("1982------Guido in cwi")print("1995------Guido in cnri
简介 Dockerfile是一个文本格式的配置文件，用户可以使用Dockerfile快速创建自定义镜像 ---- 指令及说明 指令 说明 FROM 指定基础镜像 且必须是第一条指令 MAINTAINER 指定镜像作者 RUN 运行指定的命令 默认/bin/sh -c CMD 指定容器启动时要执行的命令 LABEL 设置镜像标签 ADD 把文件复制到镜像中 类似scp COPY 编译时复制本地文件到镜像中 WORKDIR 设置RUN CMD COPY ADD指令的工作目录 不存在则创建 ENTRYPOINT
虽然我的公众号以Python方向为主，但是Python运行速度太慢，因为做了太多的底层封装。提高速度可以使用多进程，但是多进程占用系统资源太多，为了减少占用的资源并提高性能，就该拿起低级工具，将“前盖”打开并对“引擎”进行调整。
【编者推荐语】最近看到了一个开源的RISC-V处理器设计，仅仅5000行左右的verilog代码，功能却非常完善。代码全部为手动设计的verilog代码，可读性非常强。设计者完成了包括CPU内核设计，总线设计，debug模块设计，外设模块设计，以及相关的软件设计，测试模块设计。整个项目的完成度非常高，值得FPGA入门后想要再提高的人来学习。
在之前的分享中，我们介绍了 torch jit 是如何通过 trace 转换模型，使用 subgraph rewriter 优化计算图，以及如何使用 aliasDB 来避免别名造成的优化错误。通过这些步骤，由 Python 描述的模型变成了更适合部署的计算图。这次分享我们将目标转向运行时，看看 PyTorch 如何使用生成的计算图进行推理。
近期自己做了一个小demo要分享给朋友，但是朋友又没有python环境，所以打包成exe。下面就记录一下自己打包exe方法
Python运行速度太慢，因为做了太多的底层封装。提高速度可以使用多进程，但是多进程占用系统资源太多，为了减少占用的资源并提高性能，就该拿起低级工具，将“前盖”打开并对“引擎”进行调整。
前几天我看到了一则IT圈的新闻：Anaconda推出PyScript：在 HTML 嵌入Python代码
什么是编程？ 个人理解编程的意思就是：编程就是使用一种程序设计语言编写程序代码,让计算机解决某个问题的过程。 编程语言的种类 1、机器语言：机器语言是一种指令集的体系。这种指令集，称机器码（machine code），是电脑的CPU可直接解读的数据 2、汇编语言：汇编语言是一种用于电子计算机、微处理器、微控制器或其他可编程器件的低级语言，亦称为符号语言。 3、高级语言：高级语言相对于机器语言（machine language，是一种指令集的体系。这种指令集，称机器码（machine code），是电脑的CPU可直接解读的数据）而言。
交互式 在命令行输入指令，回城即可得到结果。 1.打开终端 2.进行交互式：python3 3.编写代码：print(“hello world”) 4.离开交互式：exti()
一篇技术文章如今仅仅是理论上讲得天花乱坠，却不能自己撸出东西来，那么它写的再好，也只能算纸上谈兵。继上一篇 《我们天天都在使用的套套符命令，Shell 在里面到底动了什么手脚？》收到大量读者粉丝的点赞之后，我觉得很有必要自己来实现一下套套符的功能。这个功能就是实现下面这样的管道通信，可以将多个指令的输入输出串接起来。
4.python是解释型语言，但为了提高运行速度，使用了一种编译的方法。编译以后得到pyc文件，存储了字节码（特定于Python的表现形式，不是机器码）。
这篇文章我在一个叫做The Unix Geek的博客中看见，刚好最近对这方面比较感兴趣，就顺手翻了过来，可以探讨探讨。
Python简介 计算机语言 人与计算机之间交互的语言 机器语言 一定位数组合二进制的0和1的序列，被称为机器指令，机器指令的集合就是机器语言 与自然语言差异太大、难学、难懂、难记、难差错. 汇编语言 用一些助记符号替代机器指令，称为汇编语言，ADDA,B指的是将寄存器A的数与寄存器B的数相加得到的数放到寄存器A中. 汇编语言写好的程序需要汇编程序转换成机器指令 汇编语言只是稍微好记了写，可以认为就是机器指令对应的助记符，只是符号本身接近自然语言. 程序 算法+数据结构=程序 数据一切程序的核心 数据结构是
背景：Python是一种解释型的编程语言，基本的python代码不需要任何中间编译过程来得到机器代码，而是直接执行。而对于C、C++等编译性语言就需要在执行代码前将其编译为机器指令。 但是，解释型代码的速度比编译型代码要慢，为了使得python代码更快，最好尽可能的使用Numpy和Scipy包中的函数编写部分代码。（注意：numpy和scipy是诸如C、C++等编译型语言编写实现的）
然而结果总报错invaild argument 或者cant found such file ***
处理机：是计算机中存储程序和数据，并按照程序规定的步骤执行指令的部件。包括中央处理器、主存储器、I/O接口。
windows下使用python进行网站压力测试，有两个必不可少的程序需要安装，一个是python，另一个是pylot。python是一个安装软件，用来运行python程序，而pylot则是python的一个功能插件，作用是进行网站压力测试。
Dockerfile 是用于构建 Docker 镜像的文本文件，提供了一系列构建指令和配置，用于自动化和标准化 Docker 镜像的构建流程。一个 Dockerfile 可以通过依次执行每行命令来创建一个新的 Docker 镜像。因此，执行命令与 Dockerfile 的编写和构建密不可分。
dockerfile用于构建docker镜像的，部署一个用于运行你所需的容器环境。相当一个脚本，通过dockerfile自己的指令，来构建软件依赖、文件依赖、存储、
本文我们将了解 Docker 中 Dockerfile、构建镜像、运行容器以及如何将镜像推送到存储库。
Philip James 从事 Python 工作已经超过十年，是 Python 社区的常客。他的演讲主题从 Unix 基础到开源社交网络。Philip 是 BeeWare 项目的核心贡献者，与他的伴侣 Nic 和她的猫 River 住在旧金山湾区。
导论 Byterun是一个用Python实现的Python解释器。它的结构类似于CPython（Python的主流实现方式）。
一般情况下我们可以从公共渠道诸如 DockerHub 获取镜像上获取镜像，但是在实际生产过程中，往往需要定制化的镜像，例如修改一些配置文件，增加一些特殊的命令或软件等需求，这时就需要通过编写 Dockerfile 来生成自定义的镜像文件。
Dockerfile是一种文本文件，用于定义Docker镜像的内容和构建步骤。它包含一系列指令，每个指令代表一个构建步骤，从基础镜像开始，逐步构建出最终的镜像。通过Dockerfile，用户可以精确地描述应用程序运行环境的配置、依赖项安装、文件复制等操作。这使得应用程序的部署和分发变得更加可控和可重复。Dockerfile的内容可以根据需求自定义，允许开发者根据应用程序的特性和需求来灵活配置镜像的构建过程，从而实现高效、可靠的容器化部署。
不进行虚拟化会产生的问题 在平时使用 python 时，有可能会遇到这几个常见的问题：
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
