小编Shi*_*tra的帖子

我们得到一个由数字组成的字符串0-9。我们必须计算可以被一个数整除的子串的数量k。一种方法是生成所有子字符串并检查它是否可以被 整除，k但这需要O(n^2)时间。我想及时解决这个问题O(n*k)。

1 <= n <= 100000 and 2 <= k <= 1000.

我在这里看到了一个类似的问题。但是在那个问题中，k 被固定为 4。因此，我使用可被 4 整除的属性来解决问题。这是我对这个问题的解决方案：

int main()
{
    string s;
    vector<int> v[5];
    int i;
    int x;
    long long int cnt = 0;

    cin>>s;
    x = 0;
    for(i = 0; i < s.size(); i++) {
        if((s[i]-'0') % 4 == 0) {
            cnt++;
        }
    }
    for(i = 1; i < s.size(); i++) {
        int f = s[i-1]-'0'; …

根据sklearn kmeans 文档，它说 k-means 需要一个 shape=(n_samples, n_features) 的矩阵。但我提供了一个 shape=(n_samples,n_samples) 的距离矩阵，其中每个索引保存两个字符串之间的距离。时间序列已使用SAX表示形式转换为字符串。

当我用距离矩阵运行聚类时，它给出了很好的结果。可能的原因是什么？据我所知，K-medoids 是与距离矩阵一起使用的。

我读过 linux 内核包含许多调度类，每个类都有自己的优先级。为了选择一个新进程来运行，进程调度器从最高优先级到最低优先级迭代。如果在类中找到可运行的进程，则选择优先级最高的进程从该类中运行。

摘自 Robert Love 的 Linux 内核开发：

进程调度的主要入口点是函数 schedule() ，定义在 kernel/sched.c 中。这是内核其余部分用来调用进程调度程序，决定运行哪个进程然后运行它的函数。schedule() 对于调度程序类是通用的。也就是说，它找到具有可运行进程的最高优先级调度程序类，并询问它接下来要运行什么。鉴于此，schedule() 很简单也就不足为奇了。该函数唯一重要的部分——否则在这里重现就太无趣了——是它对 pick_next_task() 的调用，它也在 kernel/sched.c 中定义。 pick_next_task() 函数遍历每个调度程序类，从最高优先级开始，并在最高优先级类中选择最高优先级的进程。

让我们想象一下下面的场景。有一些进程在较低优先级中等待，并且进程不断被添加到较高优先级中。低优先级的进程不会饿死吗？

我试图制作一个脚本来从互联网下载歌曲.我是第一次尝试使用"请求"库下载这首歌.但我无法播放这首歌.然后,我使用"urllib2"库做了同样的事情,这次我能够播放这首歌.

我们不能用"请求"库来下载歌曲吗？如果有,怎么样？

使用请求代码:

import requests
doc = requests.get("http://gaana99.com/fileDownload/Songs/0/28768.mp3")
f = open("movie.mp3","wb")
f.write(doc.text)
f.close()

使用urllib2代码:

import urllib2
mp3file = urllib2.urlopen("http://gaana99.com/fileDownload/Songs/0/28768.mp3")
output = open('test.mp3','wb')
output.write(mp3file.read())
output.close()

我试图使用python的dlib库来检测面部标志。我正在使用面部检测器上给出的示例。在安装dlib之前，我已经安装了所有依赖项。

首先，我使用上面链接中给出的“ sudo apt-get install libboost-python-dev cmake”安装了cmake和libboost。然后，我使用“ pip install dlib”安装了dlib。

我的代码：

import sys
import os
import dlib
import glob
from skimage import io

predictor_path = 'shape_predictor_68_face_landmarks.dat'
faces_folder_path = './happy'
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(predictor_path)
win = dlib.image_window()

for f in glob.glob(os.path.join(faces_folder_path, "*.jpg")):
    print("Processing file: {}".format(f))
    img = io.imread(f)

    win.clear_overlay()
    win.set_image(img)

    # Ask the detector to find the bounding boxes of each face. The 1 in the
    # second argument indicates that we should upsample the image 1 …

我已经看到很多关于如何在项目之外使用django模型的答案.但我没有成功.我试图实现这个答案,但我得到一个错误.我在我的应用程序中创建了一个新文件"script.py".

script.py

from django.conf import settings
settings.configure(
    DATABASE_ENGINE = 'sqlite3',
    DATABASE_NAME = '/home/shivam/study/Python/automation/project/db.sqlite3',
    DATABASE_USER = '',
    DATABASE_PASSWORD = '',
    DATABASE_HOST = '',
    DATABASE_PORT = '',
    TIME_ZONE = 'America/New_York',
)
from models import *

当我运行此脚本时,出现错误.

Traceback (most recent call last):
  File "script.py", line 11, in <module>
    from models import *
  File "/home/shivam/study/Python/automation/project/videos/models.py", line 11, in <module>
    class video(models.Model):
  File "/home/shivam/study/Python/automation/env/local/lib/python2.7/site-packages/django/db/models/base.py", line 105, in __new__
    app_config = apps.get_containing_app_config(module)
  File "/home/shivam/study/Python/automation/env/local/lib/python2.7/site-packages/django/apps/registry.py", line 237, in get_containing_app_config
    self.check_apps_ready()
  File "/home/shivam/study/Python/automation/env/local/lib/python2.7/site-packages/django/apps/registry.py", line 124, in …