elephant_my的博客

（torch_cluster可直接修改为另外两样）进行安装即可。x是指代你们自己的版本号，不是真的打cu10x！torch_cluster，torch_scatter，torch_sparse则。

降低版本

更新torch为最新版即可

【代码】在远程服务器上安装虚拟环境。

镜像

分享给你一个宝藏 AI 学习和实战平台“九天·毕昇”，注册即可免费赢取 1000 个算力豆（50 小时 V100 使用时长），还可助我赢取 500 个算力豆哦~ https://jiutian.10086.cn/edu/web#/register?token=NzU2ZmI3ZjQtYzZiMy00MjQ2LWJiZTktZjUwNzg1YjkwZTVh

折线图的各种画法和形状

关于DataFrame数据类型二三事

检查函数名是否和变量名重复，或者被重新定义了

检查函数名是否和变量名重复，或者被重新定义了

读取/写入/编辑文件数据（txt，csv，excel）

方法一：调用haversine 包中的方法；方法二：调用geopy包中的方法

pytorch和TensorFlow（CPU和GPU版）以及CUDA和cuDNN的安装教程，还有血泪踩坑史

模式可做操作若文件不存在是否覆盖r只能读报错-r+可读可写报错-w只能写创建是w+可读可写创建是a只能写创建否，追加写a+可读可写创建否，追加写更多：python【HDF5文件处理库】h5py讲解（看不懂你来打我）...

argsort()函数是对数组中的元素进行从小到大排序，并返回相应序列元素的数组下标。1. 直接调用argsort()函数由上图可知，输出的结果是x数组中的元素从小到大排序后的索引数组值，如x数组中的-1最小，其对应的下标（索引）是3。2. argsort()[num]的使用当num >= 0时，argsort()[num]的值即为y[num]的值。当num < 0时，argsort()[num]的值为y数组反向输出的第num个数。由上图可知，num<0时，从-

总结：元素乘法：np.multiply(a,b)矩阵乘法：np.dot(a,b) 或 np.matmul(a,b) 或 a.dot(b) 或直接用 a @ b唯独注意：*，在 np.array 中重载为元素乘法，在 np.matrix 中重载为矩阵乘法!注意：对于数组格式的数据，一维、二维数组都可以使用元素、矩阵相乘；对于矩阵格式的数据，一维矩阵只能进行元素乘法，二维矩阵都可以。1. 对于 np.array 对象二维数组一维数组元素乘法 用 a*b 或 np.mu

NumPy 创建数组numpy.empty1.用法：2.参数：3.实例：numpy.zeros1.用法：2.参数：3.实例：numpy.ones1.用法：2.参数：3.实例：numpy.full1.用法：2.参数：3.实例：numpy.empty1.用法：此方法用来创建一个指定维度（shape）、数据类型（dtype）的未初始化的数组。numpy.empty(shape, dtype=float, order='C')2.参数：shape：一个表示数组维度的元组dtype：数据类型ord

用法：Numpy中reshape的使用方法为:numpy.reshape(a, newshape, order='C')参数详解：a: type:array_like(伪数组，可以看成是对数组的扩展，但是不影响原始数组。)（事实证明可以省略不写，但此时reshape方法前是要处理的数组）需要reshape的arraynewshape:新的格式——整数或整数数组，如(2,3)表示2行3列。新的形状应该与原来的形状兼容，即行数和列数相乘后等于a中元素的数量。如果是整数，则结果将是长度的一维数组..

不是复制的情况（No Copy at All）具体讲解：import numpy as npa = np.arange(12) #a为一个序列b = a #没有创建新的对象print('a的shape为：', a.shape) # 输出a的尺寸print('b是a吗？', b is a) #ab 为同一个对象的两个名字b.shape = 3, 4 #将b的shape改变print('a的shape变为：', a.shape) #a的shanpe..

random.seed(0)作用：使得随机数据可预测，即只要seed的值一样，后续生成的随机数都一样。random.seed()俗称为随机数种子。不设置随机数种子，你每次随机抽样得到的数据都是不一样的。设置了随机数种子，能够确保每次抽样的结果一样。而random.seed()括号里的数字，相当于一把钥匙，对应一扇门，同样的数值能够使得抽样的结果一致。由上图所知：若我们设置了相同的seed值，则可以得到相同的随机数；若是不设置seed，则每次得到的值均不相同；因此，当面对一个随机程序的时候，只要我

一维矩阵二维矩阵更详细讲解：Python里对于shape()的理解Python里对于shape()的理解（1）shape（）含义在笔者debug深度学习相关代码的时候，很容易出现shape()这样形式的东西，用来告知输出数据的形式，由于shape（）里出现的数字数量不同，还经常有shape（？，64，512）这样的数据存在，因此上网查了一些信息，作出比较通俗易懂的解释：import numpy as npa = np.array([[[1,2,3],[4,5,6]]])print(a.s

numpy.random.choice菜鸟教程描述语法参数返回值实例官方文档介绍参数实例扩展阅读先看numpy中choice()再看random中choice()和choices()最后看下random.sample()菜鸟教程描述choice() 方法返回一个列表，元组或字符串的随机项。语法以下是 choice() 方法的语法:import randomrandom.choice( seq )注意：choice()是不能直接访问的，需要导入 random 模块，然后通过 random