2021/10/19之前的学习笔记

# 2021.9.28
**anaconda配置清华镜像**
<!--https://www.cnblogs.com/kehao/p/14578944.html-->
https://www.cnblogs.com/followyourheart/p/conda_change_channels.html
https://zhuanlan.zhihu.com/p/133840091?utm_source=qq&utm_medium=social&utm_oi=911932230778130432
https://www.pianshen.com/article/2314979351/
说明更新源是对的，应该是自己的方式与版本错误
**检查是否有支持 CUDA 的 GPU，若有，需要安装 CUDA 和 CuDNN。**
https://blog.csdn.net/chenhepg/article/details/104653354/
https://blog.csdn.net/wangyuxi__/article/details/84136227
**自己安装的ubuntu到底是源的问题还是自己的操作问题**
【【小学生都会的Pytorch】一、Pytorch的安装与环境配置-哔哩哔哩】https://b23.tv/40qJBy
通过b站发现另外的途径。换成pip使用cpu去跑。其他的，版本太杂，烦.
难道要以b站为主要的第一手材料。
完成。
# 2021.9.29
**pycharm使用conda环境中的新与旧环境的区别**
https://www.jianshu.com/p/f5f07ac800d8
**每次创建新的项目的使用新的环境，如何导入pytorch框架**
使用pip导入：pip3 install torch torchvision torchaudio
https://pytorch.org/get-started/locally/
cpu
不改变数据源，下载太慢了
**如何重新安装ubuntu,整理数据源**

**tensor的切片与numpy的切片区别**
http://aiuxian.com/article/p-qvnhjaie-bnz.html
**学习书本**
https://pytorch.zhangxiann.com/1-ji-ben-gai-nian/1.2-tensor-zhang-liang-jie-shao
**Win10 linux子系统卸载方法**
https://blog.csdn.net/shixuehancheng/article/details/52173267
**正态分布是什么？**
y是概率。x是在图像中间最大。也就是u的时候。方差大，概率低，反则之。方差是分母，平均值是分子。
# 2021.9.30
**Pytorch中的torch.cat()函数与stack函数torch.chunk函数的区别**
尽可能从shape的大小去判断。
cat函数，哪个轴乘以2.
https://zhuanlan.zhihu.com/p/70035580
chunk ,哪个轴除以3
https://www.cnblogs.com/JeasonIsCoding/p/10162356.html
https://www.it610.com/article/1280172109473005568.htm
**torch.randn和torch.rand有什么区别**
https://blog.csdn.net/wangwangstone/article/details/89815661
**torch.mul**
https://blog.csdn.net/qq_43211132/article/details/104169292
**matplotlib中plt.scatter()与plt.plot()参数详解**
https://blog.csdn.net/tomy2426214836/article/details/106479263/
**y.backward的作用**
是当使用backward()反向传播时传入参数
#10.08
unsqueeze()与squeeze()的区别：
意思就是解压与压缩的加一与减一维的区别。元素形状是不会变的。
https://blog.csdn.net/flysky_jay/article/details/81607289
# Python 中导入sklearn库
https://blog.csdn.net/qq_43685242/article/details/105467804
# 学习
代码：
https://github.com/MorvanZhou
matplotlib:
https://blog.csdn.net/kudou1994/article/details/80979338
# matplotlib中的英文取名：
figure:出现，图形，开辟新的空间。
plot:故事\情节图表。线.lable:取名。color性：颜色。x,y(x,y).linewith。linestyle.风格，也就是线的表示。两个点确定一条线，'k--',k颜色,--虚线
lim:limit,限制，限度，数域
label：标签，分类取名，set——bbox:facecolor:背景色，长方形。edgecolor:边缘色。alpha:透明度
show:展
ticks:横，纵坐标上的点。均匀分配。
ax.set_xticks()设置刻度 ，matplotlib将刻度放在对应范围的哪个位置，默认情况下这些刻度就是刻度标签；
ax.set_xticklabels()，可以将任何其他类型的值作为标签.可以赋值给之前已经设置过的set_xtick.
gca:get current axis
spines:坐标轴四边
set_ticks_position:绑定x/y轴的位置四边
set_position:设置起点
图例：地图的线段的实例,说明书。legend。会把plot的标签取出来，放在一个角落。handles指针值的集合，把所有的线放进去。labels覆盖plot的名字。 ,loc="best",自动放到最好你的地方

scatter:散点图，散开。size大小，color,alpha透明cmap:颜色对应
annotate:注解：xy:坐标，xycoords:基于坐标。xytext:位置：textcoords：文本偏离
text:位置，文本，ha:horizontal alignment:横向对齐。va:纵向
bar:facecolor,主体颜色
<!--第3.2节-->
以上的顺序没有确定，开头/结尾。必须有。figure>>----plot>>legend》》----->>show

# PYTHON | Numpy and Pandas
https://blog.csdn.net/kudou1994/article/details/80936913
np:没有，
dim：维数
dtype:数据类型默认都是64位。控制精度
zero/one:"0/1"
empty:为空，接近zero
arrange:有序序列。等差数列。左闭右开.域，在步数
re:重新
linespace：域，个数。步数自动匹配
random.random().随机：shape
sum +++++;max；min.:axis =0列数中求和。竖。axis =1：行数中求和。横
argmin:最小值索引。argmax：最大值索引。
mean():平均值 == average().一个数。axi=0 ,竖进行平均。axis=1，行、横进行计算。
median:中位数
cumsum:累加（不断的累计an=an+an-1的数列list一维
diff():累差：（an =an-an-1)维数大小会变。也就是列数-1
nonzero:非零的数的位置。位置先行后列的坐标（行，列）
sort。排序。按照每一行内部进行排序。也就是横向排序
transpose =T 倒置
clip。A .>max,=max ..<min ==min.之间的数不变，一一对应
+-*%** 数学函数：一一对应。逐次乘法。
<: np<3 >>一个bool列表。也是一一对应
点乘：dot()也就是矩阵乘法
索引。[,] 有维数。左：右。。左闭右开。
flatten,展平为一个一维的数组
合并：序列：VERTICAL STACK .vstack垂直放置2个数组，。第一维乘以2
horizontal stack.hstack.横着放元素。维数不变
如何把行向量转换为列向量？
T不行。np.newaxis：添加一个new维度的意思。放在[]内，按照顺序排序添加维度，放在列上
concatenate(A,A,A,S,S,S,S)多个序列合并。axis=0.上下合并。axis=1。横向合并。

分割：相等的分割：split().shuzu,个数，axi=1,对列进行操作,平均分割。axis=0，行向分割平均，。
        不等的分割：array_split.不等的就留到最后。
        vsplit.纵向分割。砍竖
        hsplist.横向的分割。砍横
深度copy与浅copy:
浅copy:引用，a=b数组。看成指针
b=a.copy:深度复制，复制内容。
# Pandas：字典。map
Series:序列。key从0--n...list
date_range():时间序列。从一个时间点开始。periods:时间段个数
dataFrame大据框架。属性：index:行引。colums：列索引.FRAME.框架二维表。否则，行，列默认0---n
 dtypes:每列的type
 index:索引行
 columns:列
 values:值
 describe：功能。 对数字每列进行各种的数学统计
 T:HANG ,LIE倒置
 sort_index:axis=1,lie排序，asc：圣墟
 sort_values:by='列号'
 pandas3.1节9
 ix 不能用 pf.loc来替换
 
 # 如何用实验室的买gpu跑自己的实验
 https://zhuanlan.zhihu.com/p/402497103
 # pycharm 专业版如何破解？
 http://www.python66.com/bbs/140.html
 # 因为python可视化库matplotlib的显示模式默认为阻塞（block）模式（即：在plt.show()之后，程序会暂停到那儿，并不会继续执行下去）。如何 展示动态图或多个窗口 呢？
 使用plt.ion()这个函数，使matplotlib的显示模式转换为交互（interactive）模式。即使在脚本中遇到plt.show()，代码还是会继续执行。
 https://blog.csdn.net/weixin_42782150/article/details/107015617
 # matplotlib中cla() clf() close()用途
 cla()   # Clear axis即清除当前图形中的当前活动轴。其他轴不受影响。
clf()   # Clear figure清除所有轴，但是窗口打开，这样它可以被重复使用。
close() # Close a figure window
 # 2.函数输出torch.max(input, dim=1)
 https://blog.csdn.net/qq_21686871/article/details/115507577
 此函数输出两个tensor
1.第一个tensor是每行的最大概率
2.第二个tensor是每行最大概率的索引
由于我们不需要获取最大概率的值，只要知道最大概率的是哪个类别即可
因此，我们只需要获取第二个tensor
# PYthon——plt.scatter各参数详解
https://blog.csdn.net/qiu931110/article/details/68130199/
https://www.cnblogs.com/shuaishuaidefeizhu/p/11359826.html
# 2021.10.11
## zip函数
>>> x = [1, 2, 3]
>>> y = [4, 5, 6]
>>> zipped = zip(x, y)
>>> list(zipped)
[(1, 4), (2, 5), (3, 6)]

# python 可视化：fig, ax = plt.subplots()画多表图的3中常见样例 & 自定义图表格式
https://blog.csdn.net/htuhxf/article/details/82986440
2021.10.14
#  ModuleNotFoundError: No module named 'sklearn.datasets.samples_generator'版本太高
https://blog.csdn.net/qq_46092061/article/details/119033931
# #2021、10、15
argparse？
定义：
argparse 模块可以让人轻松编写用户友好的命令行接口。程序定义它需要的参数，然后 argparse 将弄清如何从 sys.argv 解析出那些参数。
作用：需要频繁修改参数，参数与代码fenli。argparse模块还会自动生成帮助和使用手册，并在用户给程序传入无效参数时报出错误信息。此模块是 Python 标准库中推荐的命令行解析模块。

# linux
-$ 后面就是你的代码
~ 就代表着home目录 ，其实代表自己服务器的根dujunkun，也就是home.  
~/python$. home/python$  
cd .. 返回上一级目录
center dirtory.cd .进入文件的意思
cd - 返回上一下指令。也就是后退一步。减一下 cd study/
cd ../../ 返回两次
cd ~ 去老家
cd 文件/文件夹/符号
cd /home/儿子/儿子   绝对路径~$ cd study/python/
文件后面无斜杠，文件夹后面有斜杠：

touch 接触。创建文件新建。文件夹失败

ls: lists  一层：文件/文件夹的数组  
参数：  -l(long,对其中的对象他们的操作,长时间)  
-a(all，显示所有的文件，隐藏文件（以.开头）。)
-lh(human长时间给人看,字节化) --help(指令查看)

权限：r读,cat。w.xie nano         
type            user(自己)              group（部门公司）          others（公司外部的人）
-文件、d文件夹  这身份能做什么权限      （权限，执行）             重复之前
d（dir）,d(int)wxr(name的bility)r-x(元组（操作，执行）)r-x（execute,执行与运行的区别。执行是直接运行，/djk.py自动编译;运行就是python djk.py）
change mode (chmod):user ,权限+-操作，文件
u:本人。user
g:公司/部门的人 group
o: 其他的人others
a: all的人
ugo 可以随机组合用户与权限

如何运行，也就是把执行变为运行？
首先，chamod用户加上权限xw,
其次，nano在文件中注释文件的编译器，#!/usr/bin/python3
最后， 写上路径就可以了 ./**.py

cp: 有两种功能：
1.替换
copy   条件就是新旧对象相同。无i,会覆盖掉文件，不会提醒
-i(interactive,干扰,是否发生干扰，替换掉旧文件)
2.复制到什么地方：
cp 文件 文件夹。将文件复制到文件夹。
3.复制文件夹 -R
CP -R
recursive 递归
2021、10.16
Linux中使用cp命令报cp:omitting directory错误
https://jingyan.baidu.com/article/b7001fe191f0f80e7382dd5a.html。原因是无法识别是文件夹还是文件
。原则是什么？
在哪里地方的文件位置执行命令，复制就在哪里出现。
file*:使用了正则表达式，任何字符。也就是说可以使用正则表达式来表示名字。目前只看见使用了*这个字符
*p,以p结尾的名字

clear：清除
mv:move. 移动。作用就是剪切。不改变位置就是重新改名

mkdir:make dir dirctory(文件夹)创建文件夹
rmdir: remove dirctory(移除空的文件夹的意思，不空报错）
rm:移除文件的意思  -i也就是I ,我的。-l len。长度。 -R/-r recursively 递归（解决了删除一个有文件的文件夹）。递归的意思就是一层一层的删除。连文件夹都删除。说明是从内向外。

nano 可以作为编辑器 向上，ctrl
如何进入文件？
编辑器---nano 文件，进入文件.自动识别文件，高亮
linus :python2/3都默认安装了的

cat catenate 连接。显示文件中的文本 把一/2/3/4个文件的内容>放到另外的文件
>>把内容加在末尾

# git
根目录在windows的哪里？
在/C/D/E/F盘之上,/c/Users/Administrator/d(/a/c/e/f) == ~
根linux一样的命令,bash操作。
 cd: /c/Users/Administrator/d/Python/git/guiTUT/: No such file or directory
 **$ cd /d/Python/git/这样进入就行了**
$ cd ~/d/Python/
bash: cd: /c/Users/Administrator/d/Python/: No such file or directory
**Administrator@WIN-D3IUTGMRC6L MINGW64 /d/Python/git
# $ git config --global user.name "djk"
##
Administrator@WIN-D3IUTGMRC6L MINGW64 /d/Python/git
# $ git config --global user.email "2148607288@qq.com"**

Administrator@WIN-D3IUTGMRC6L MINGW64 /d/Python/git

前面有/D,后面就不用写，不能以/开头表示文件夹
status 状态
-m information

生命周期：初始化版本库--add-(修改、其他的操作)- COMMIT。不是单向的。有头头尾就行了。用status进行判断。

# 20201.10.18:#
如何实现window与服务器之间传送文件。
https://blog.csdn.net/a872822645/article/details/102519591