weixin_39464400的博客

原创 Day7：生信新手笔记——测序知识初步

生物信息：测序知识初步。

原创 Day6：生信新手笔记 — R包安装与R包使用

学习R包与R语言。

原创 Day5：生信新手笔记 — R语言基本语法

R语言基本语法

原创 Day4：生信新手笔记 — R语言简单命令与Rstudio配置

即当前所在的目录，是脚本、图片、文件的默认保存位置，也是文件读取的默认位置。R语言只能和一个文件夹进行互动，这个文件夹非常重要，做不好就会导致你的脚本、文件、图片各种乱跑，找不到。

原创 Day3:生信新手笔记：Linux安装软件fastqc

生物信息基础：Linux 安装软件 fastqc

原创 Day2 生信新手笔记: Linux基础

Linux基本命令，学习生物信息的基础。

原创 Day1 生信新手笔记

生信学习第一天笔记打卡。转录组学中：上游分析-基于linux，包括质控、过滤、比对、定量；下游分析-基于R语言，包括差异分析、富集分析、可视化。

原创 晒一下阿里云云计算ACA证书

原创 《Linux就该这么学》day18：文件共享服务Samba, NFS和autofs

原创 《Linux就该这么学》day17：使用vsftpd服务传输文件

原创 《Linux就该这么学》day16：Apache服务和SELinux设置

原创 《Linux就该这么学》day15：使用ssh服务管理远程主机

原创 《Linux就该这么学》day12：防火墙iptables和firewalld

原创 《Linux就该这么学》day11：★逻辑卷LVM+配置网卡4种方法+配置yum/dnf软件仓库

原创 《Linux就该这么学》day10：磁盘阵列RAID技术

原创 《Linux就该这么学》day09：磁盘设备管理

原创 《Linux就该这么学》day08：文件权限和sudo

原创 《Linux就该这么学》day07：用户身份与文件权限

原创 《Linux就该这么学》day06：Shell命令

原创 《Linux就该这么学》day05：Vim编辑器和Shell命令

原创 《Linux就该这么学》day04：管道符和重定向

原创 《Linux就该这么学》day03：常用的Linux基础命令

原创 《Linux就该这么学》day02：安装虚拟机和红帽系统

原创 《Linux就该这么学》day01：红帽系统介绍

原创 Linux中文件颜色的总结

Linux中一切都是文件；要想配置一个服务，就要去修改该服务对应的配置文件；要想让该服务立刻生效，需要重启该服务。关于Linux中不同文件颜色的含义总结如下：蓝色：目录文件（directory)白色：普通文件（regular）绿色：可执行文件（executable）红色：压缩文件 （.tar.gz 和 .tar.bz2）黄色：设备文件（block, character, fifo）淡蓝色：链接文件 （link）粉红色：图片文件或套接字文件（socket）灰色：其他文件 (other

原创 Linux命令行输入中非常有用的快捷键总结

下面的ctrl代表键盘左下角的control键，alt代表空格按键旁边的alter键，小写字母（比如a）代表键盘上的a按键。Linux命令行输入中有用的快捷键如下：ctrl + a 回到本行命令的开头ctrl + e 回到本行命令的结尾ctrl + u 一次性删除本行正在输入的命令ctrl + l 清空所有屏幕内容，让屏幕看起来更整洁。 这里的l是L键，即letter的首字母。tab 在敲命令时经常按下tab键会自动补全单词或命令。

原创 用VMware虚拟机安装红帽RHEL8出现“此主机不支持64位客户机操作系统”的问题

主机Win10，用VMware15.5虚拟机安装红帽RHEL8系统，在安装到客户机选择“版本”的步骤时，报出“此主机不支持64位客户机操作系统”的错误，导致无法安装。 由于之前主机启用了Hyper-V 管理器，导致了相互之间的不兼容。 解决办法： 按住win+r键打开运行输入框，输入cmd，以管理员身份，调出命令提示符窗口，输入： bcdedit /set hypervisorlaunchtype off 如下图管理员： 命令提示符Micros...

原创 晒一下阿里云人工智能方向的ACA证书~~

原创 短小精悍算例: 用Python求矩阵的秩和逆矩阵

1、用Python求解矩阵的秩import numpy as npa = np.array([[1, 2, 3], [3, 5, 6], [1, 3, 5]])# 求矩阵的秩print(np.linalg.matrix_rank(a))结果： 32、用Python求解矩阵的逆矩阵# 求逆矩阵print(np.linalg.inv(a))结果： array([[ 7., -1., -3.], [-

原创 解决Jupyter Notebook不能用tab键自动提示补全的问题

解决Jupyter Notebook不能用tab键自动提示补全的问题Jupyter中经常碰到无法使用Tab键自动补全的问题，原因是jedi库版本太新了，不兼容。查看jedi库的版本，在cmd中输入：pip show jedi显示：Name: jediVersion: 0.18.0这是最新版本，换一个低版本的库，在cmd中输入：pip install jedi==0.17.0Jupyter Notebook就可以用tab键自动提示的功能了！完美解决~~~...

原创 短小精悍算例：Python中zip()函数的用法

x = [1, 2, 3]y = ['a', 'b', 'c']z = zip(x, y) # x和y中元素一一对应上print(dict(z)) # 以字典形式输出输出结果：{1: 'a', 2: 'b', 3: 'c'}

原创 短小精悍算例：Python中用astype()函数转换数据类型

把64位浮点数据转换为32位。import numpy as npa=np.array([1.0, 2.0, 3.0])print("a的数据类型：", a.dtype)b=a.astype('float32') # 转行数据类型print("b的数据类型：", b.dtype)输出结果：a的数据类型： float64b的数据类型： float32...

原创 短小精悍算例：TensorFlow中的softmax函数求模拟概率

已知一个数组：X=[x1, x2, x3] （ exp(x代表幂指数 )x1的模拟概率为：p(x1)=exp(x1) / ( exp(x1)+exp(x2)+exp(x3))x2的模拟概率为：p(x2)=exp(x2) / ( exp(x1)+exp(x2)+exp(x3))x3的模拟概率为：p(x3)=exp(x3) / ( exp(x1)+exp(x2)+exp(x3))import tensorflow as tfx = tf.constant([[0.1, 0.2, 0.5],

原创 短小精悍算例：TensorFlow中tf.argmax()函数的使用-返回最大值的位置索引

import numpy as np import tensorflow as tfx = np.array([[3, 1, 2], [4, 7, 3], [5, 0, 1], [2, 4, 6]])a = tf.argmax(x, axis=0) # 求各列最大值b = tf.argmax(x, axis=1) # 求各行最大值sess = tf.Session()print(sess.run(a))

原创 短小精悍算例：TensorFlow中concat()函数实现矩阵拼接操作

import tensorflow as tfimport numpy as npA = tf.placeholder(dtype=tf.float32, shape=[2, 2])#矩阵连接操作，在大型神经网络中用的比较多AA0 = tf.concat([A, A], axis=0) #上下拼接AA1 = tf.concat([A, A], axis=1) #左右拼接#初始化init = tf.global_variables_initializer()sess = tf.Sessi

原创 短小精悍算例：TensorFlow中使用cast()函数转换数据类型

import tensorflow as tfimport numpy as npA = tf.placeholder(dtype=tf.float32, shape=[2, 2])B = tf.cast(A, tf.float64)print(A.dtype,B.dtype)输出结果：<dtype: 'float32'> <dtype: 'float64'>A是32位浮点型，转换为B后是64位浮点型。...

原创 短小精悍算例：TensorFlow中placeholder的使用举例

TensorFlow中placeholder用于接收外部数据，见如下算例。import tensorflow as tfimport numpy as np# 定义变量a = tf.Variable(np.ones([4, 4]))# 定义placeholder，起到接受数据的作用b = tf.placeholder(dtype=tf.float64, shape=[4, 4])# 变量初始化（必不可少的环节）init = tf.global_variables_initializer()

原创 短小精悍算例：TensorFlow通过定义变量实现矩阵乘法

import tensorflow as tfimport numpy as np#定义变量b1 = tf.Variable(np.ones([4, 4])*2)b2 = tf.Variable(np.ones([4, 4]))#定义矩阵乘法b1_elementwise_b2 = b1 * b2 # 对应元素相乘b1_dot_b2 = tf.matmul(b1, b2) # 矩阵乘法#variable需要初始化init = tf.global_variables_initializ

原创 短小精悍算例：TensorFlow实现两个矩阵的相乘运算

import tensorflow as tfimport numpy as npa1 = tf.constant(np.ones([4, 4]))a2 = tf.constant(np.ones([4, 4])*0.3)sess = tf.Session() # 开启一个会话print(sess.run(a1),'\n') # 打印矩阵a1print(sess.run(a2),'\n') # 打印矩阵a2print(sess.run(a1@a2)) # 打印矩阵a1*a2输

原创 短小精悍算例：Python中快速产生多行多列空值None列表

方法1：利用Numpyimport numpy as npa=np.zeros([5,3])a[a==0.0]=Nonea=a.tolist()print(a)方法2：利用for循环c=[[None for j in range(3)] for i in range(5)]print(c)结果都是如下：5行3列[[nan, nan, nan], [nan, nan, nan], [nan, nan, nan], [nan, nan, nan], [nan, nan, nan]