qq_49370210的博客

由于hotmail的信息安全保护，9.16号就在foxmail登录不了，因为习惯了foxmail，且微软改了验证方式，换要他们的客户端才行，就感觉好麻烦。账号管理里面删除之前的账号，新建账号，选择“Miscosoft 365 国际版”，然后输入账号密码，然后同意协议，这个问题就解决了。

但是，MediaCreationTool只有系统升级修复功能，并不能解锁Bitlocker。笔主因为电脑指纹用不了，就感觉是windows需要更新了，结果刚去windows更新，就出现错误0x80070643，遂查阅资料，费了2个小时终于解决，电脑指纹终于能用了。这个是系统分盘，尝试了以后，发现我的磁盘并不能压缩，于是只能采取最笨的方法，重装系统。若是需要保留个人文件和应用，不改变系统版本，通常如下图默认即可。若是需要设置，建议点击“更改保留的内容”，进行设置。之后将无法正常使用电脑，请做好相关准备。

众说周知，zotero有自带的添加文献的方式，主要流程如下图但是有的参考文献格式在zotero里面是没有的，因此需要自己找cls文件或者自己编写cls文件。

当使用上面的这个命令时，PyTorch 会检查系统是否有可用的 CUDA 支持的 GPU。如果有，它将选择默认的 GPU（通常是第一块，即 “cuda:0”）。这意味着，即使系统中有多块 GPU，这条命令也只会指向默认的一块。torch.device(“cuda” if torch.cuda.is_available() else “cpu”) 这个命令在多 GPU 系统中是有效的，但它默认只指向一块 GPU（通常是 “cuda:0”）。要在多 GPU 系统中高效地利用所有 GPU，需要采用更复杂的设置。

首先需要确保系统上安装了CUDA支持的NVIDIA GPU和相应的驱动程序。

在这个示例中，替换 your-env-name 为 Conda 环境名称，your-image-name 为想要的 Docker 镜像名称。这将创建一个包含 Conda 环境的 Docker 镜像，可以在任何支持 Docker 的机器上运行它。在 Dockerfile 所在的目录运行 docker build -t your-image-name . 来构建镜像。要在 Docker 中导出 Conda 环境，需要创建一个 Docker 镜像，该镜像包含 Conda 环境。

在 Google Colab 上使用自己的数据集进行模型训练。Colab 允许您通过多种方式上传数据，包括直接从本地计算机上传、从 Google Drive 加载或通过网络链接下载，从github导入等。

连接成功后，使用 put /path/to/environment.yml /path/to/destination 命令将文件上传到目标系统。其中 /path/to/environment.yml 是源系统上文件的路径，username 是在目标系统的用户名，windows_host 是目标系统的主机名或IP地址，/path/to/destination 是目标系统上文件的目的路径。这就是本地 IP 地址。：创建环境后，在 Windows 系统上激活环境并进行测试，以确保所有必要的包都按预期工作。

其中path/to/environment.yml是环境文件在本地计算机上的路径，user@linuxhost是导入Linux系统的用户名和地址，/path/to/destination是在Linux系统上的目标路径。如果没有，需要先安装conda。将激活的环境（your_env_name是环境名称），并导出环境的详细信息到一个名为environment.yml的文件中。这将根据environment.yml文件中的规范，在Linux系统上创建相同的conda环境。：首先在本地计算机上导出conda环境。

大家可以在tensorflow学习中，可能会遇到使用tensorflow_gpu版本的安装，但是一般涉及到gpu的安装，就需要配置cuda，这个过程很麻烦且浪费时间，下面给出一个简单的方法配置环境。假设已经创建好虚拟环境，这里我们选取为例进行举例，注意python版本在3.6-3.9之间可以看出需要cudnn=7.6，cudatoolkit=10.1。

然后，使用 python -m ipykernel install --user --name yourenvname --display-name “New Display Name” 来重新安装内核，其中 “New Display Name” 是希望在 Jupyter Notebook 中显示的新名称。如果想改变 Jupyter Notebook 中内核的显示名称，需要先卸载然后重新安装内核，使用新的显示名称。

使用得到的内核名称，运行 jupyter kernelspec uninstall yourenvname，其中 yourenvname 是要移除的内核的名称。这会删除整个环境，包括其所有的包和依赖。为确保内核已被正确移除，可以再次运行 jupyter kernelspec list 来确认该内核不再出现在列表中。如果选择删除环境，可以使用 conda env list 来确认该环境已从 Anaconda 环境列表中移除。首先，需要找出想要移除的内核的名称。这将显示所有安装的内核及其对应的路径。

使用命令 python -m ipykernel install --user --name yourenvname --display-name “Python (yourenvname)” 添加新环境到 Jupyter。创建一个新的环境，使用命令如 conda create -n yourenvname python=x.x anaconda，其中 yourenvname 是您的环境名，x.x 是 Python 版本。使用命令 jupyter notebook 启动 Jupyter Notebook。

总结：这段命令行指令使用 Jupyter 的 nbconvert 工具来自动执行一个名为 yourjuypter.ipynb 的 Jupyter Notebook 文件，并将执行后的结果保存在一个新的文件 executed.ipynb 中。这意味着所有的代码单元都将被运行，就像你在 Jupyter 环境中手动运行每个单元一样，而且执行结果也会被保存在输出文件中。yourjuypter.ipynb : 这是要转换和执行的原始 Jupyter Notebook 文件的名称。