一致会在网上断断续续看到GitHub Pages的空间和流量限制,现在GitHub Pages官网找到具体内容。
原文:1
2
3
4
5
6
7
8
9
10
11
12Usage limits
GitHub Pages sites are subject to the following usage limits:
GitHub Pages source repositories have a recommended limit of 1GB. For more information, see "What is my disk quota?"
Published GitHub Pages sites may be no larger than 1 GB.
GitHub Pages sites have a soft bandwidth limit of 100GB per month.
GitHub Pages sites have a soft limit of 10 builds per hour.
If your site exceeds these usage quotas, we may not be able to serve your site, or you may receive a polite email from GitHub Support or GitHub Premium Support suggesting strategies for reducing your site's impact on our servers, including putting a third-party content distribution network (CDN) in front of your site, making use of other GitHub features such as releases, or moving to a different hosting service that might better fit your needs.
大意:1
2
31.GitHub Pages的源文件仓库容量限制为1G
2.GitHub Pages站点大小不能超过1G
3.每个月的带宽为100G
4.每小时只能更新10次
pytorch保存模型和保存模型参数
本文字数: 321 阅读时长 ≈ 1 分钟
pandas选取特定行和排除特定行
本文字数: 844 阅读时长 ≈ 1 分钟
pandas只有isin()方法,没有isnotin()方法。
我们要选取特定行,只需1
df[df.<列名>.isin(["",""])]
要排除特定行时,需要间接的修改isin的参数列表1
2
3# 错误的
isin_list = list(set(df["列名"])).remove("").remove("")
df[df.<列名>.isin(isin_list)]
注意,即使列名是中文,在第二行的筛选中也不能加引号,正确的是1
2
3# remove使用错误
isin_list = list(set(df["列名"])).remove("").remove("")
df[df.列名.isin(isin_list)]
pandas删除含NaN的行
本文字数: 66 阅读时长 ≈ 1 分钟
DataFrame下面有一个dropna函数可以去掉所有含NaN的行。1
df1.head()
1 | df1.dropna().head() |
pandas的usecols不能指定[A,B,C]
本文字数: 164 阅读时长 ≈ 1 分钟
pandas的usecols不能指定[“A”,”B”,”C”].
如果使用列表的话,需要指定对应的索引数值,如1
2sheet_name="Sheet3",usecols=[1,6]
sheet_name="人工打标签(新)",usecols=[1,2]
当断则断
本文字数: 32 阅读时长 ≈ 1 分钟
我为禽言仔细思,不知何事错当时。
前机多为因循误,后悔皆以决断迟。
hexo开启busuanzi阅读量统计
本文字数: 249 阅读时长 ≈ 1 分钟
在next主题6以上的版本的配置文件_config.yml中,有1
2
3
4
5
6
7
8busuanzi_count:
enable: false
total_visitors: true
total_visitors_icon: user
total_views: true
total_views_icon: eye
post_views: true
post_views_icon: eye
参数。
将其中的enable 参数改成true即可。
在本地测试环境数值会很大,部署到线上就正常了。
python tqdm库
本文字数: 1.4k 阅读时长 ≈ 1 分钟
python读取数据时跳过空行
本文字数: 62 阅读时长 ≈ 1 分钟
1 | for line in f: |
小技巧,增加程序的健壮性。
深度学习程序逻辑思考
本文字数: 188 阅读时长 ≈ 1 分钟
深度学习从读取数据算起,整个程序流程很复杂、环节很多。对于一些多次使用的方法,把它写成函数多次调用,这固然好,但是随着时间的推移,这些函数就成了一个个黑箱。再加上,错综复杂的调用越来越多,程序的逻辑越来越复杂,修改、调用、维护的难度不断增加。