小鱼干的博客

Debug | Pycharm | autopep8: error: cannot mix stdin and regular files报错信息：使用Pycharm运行autop8的时候遇到了如下问题：autopep8 --in-place --aggressive --aggressive C:\Users\***\OneDrive - ***\JupyterNotebook\***\mamcala.pyautopep8: error: cannot mix stdin and regular

在更新博客后，经常由于网页缓存，迟迟没法更新，这里列个清楚缓存的方法，该方法适用Chrome和Firefox浏览器，其他的没试过：F12+Network+Disable cache这样之后每次按F12会自动清楚缓存~Chrome：FireFox：...

Jupyter Notebook | 虚拟环境运行nb_condaipykernel有时候装完jupyter notebook或者装完虚拟环境发现打开jupyter notebook默认不包括虚拟环境，也找不到该环境，因为各种原因会频繁遇到这个问题，mark一下：这篇博客非常全，而且写得比较有意思：使用anaconda虚拟环境运行Jupyter Notebook详解这里介绍用过的，证明成功的通过安装插件的两种解决方法：nb_conda安装anaconda的插件：conda install nb_

该教程包括整合到的NVIDIA显卡驱动、CUDA、CUDNN、Anaconda、TensorFlow、Pytorch安装与配置，给因为某些原因配了三次环境的自己看看 ????

Python | 返回函数 | yield & partial用法题目测试答案partial()局部函数讲解partial()局部函数其他在帮朋友解决一个问题的时候遇到了这个，恍惚间才发现自己不熟悉，mark下题目测试测试代码assert favorite_subject(0)=="statistics"assert favorite_subject(1)()=="statistics"assert favorite_subject(5)()()()()()=="statistics

自建自用Anaconda | conda基本操作环境查看环境创建环境激活环境关闭环境删除环境克隆环境重命名环境安装包查看安装包删除某个包其他更新conda添加镜像源恢复默认环境查看环境conda env list /conda info -e创建环境conda create -n your_env_name python=x.x激活环境conda activate your_env_name关闭环境deactivate env_name/activate root删除环

Python | 模块/包/库/git安装引言pip+gitpip+.whlsetup.py参考资料引言主要介绍下python、pip、git等安装模块、包、库、github等的操作pip+gitpip install git+xxx.git //xxx其中xxx：包所在的github仓库位置比如： pip install git+https://github.com/nicolargo/glances.gitpip+.whl首先进入xxx.whl文件所在位置，然后直接：pip insta

报错信息：在写入json文件的时候出现了如下问题：Object of type ‘int32/int64/ndarray’ is not JSON serializable问题分析：json的解码类型不包括numpy.array，因此无法写入参考官方文档，json和python对应如下：JSONPythonobjectdictarrayliststringstrnumber (int)intnumber (real)floattru

报错信息：由于服务器磁盘换了，重配环境的时候，在使用vscode进行远程连接遇到了如下问题：@ WARNING: REMOTE HOST IDENTIFICATION HAS CHANGED! @@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@……Host key verification failed.过程试图写入的管道不存在。……“install” terminal command done[……] I

Pytorch | 版本对应Cuda版本Python版本在安装Pytorch版本时，需要去找对应需要的cuda、cudatoolkit、torchvision、python等，苦于网上一堆都不符合要求，浪费许多时间，这里自己做个记录，大家有更好的感谢提出！Cuda版本直接看官网吧，这个最有用！！！官网下载链接也在里面啥的Python版本老版本了(1.5之前)，欢迎提出新的对应哈PyTorch 1.5pytorch-1.5PyTorch 1.5.0 + fasta

Ubuntu | 查看资源使用率（CPU/GPU）| glances介绍自带CPUGPU工具推荐glances安装使用界面介绍更多命令交互快捷键参考资料其他介绍下Ubuntu/Linux下查看CPU、GPU显存使用率的方法，既有自带的，也有一些工具推荐自带这些不安装工具即可运行CPU$ topGPU$ nvidia-smi根据博客:该命令只能显示一次，如果要实时显示，配合watch命令, 让一秒刷新一次：$ watch -n 1 nvidia-smi工具推荐glancesGithub

Python | list交集、并集、差（补集）、对称差集总结交集并集差集对称差集主要参考博客，其中方法分为集合运算符和集合方法两种，推荐第二种，效率更高，当然偷懒，数据小不追求效率可以用运算符。总结集合运算符方法交集&.intersection()并集|.union()差集-.difference()对称差集^.symmetric_difference()交集a = [0,1,2,3,4]b = [0,2,4,6,8]lis

Python | numpy输出排名引言排序 np.sort()排序序号 np.argsort()排名引言我们知道np.sort()可以对向量进行排序，而排名怎么做呢，mark下。先简单介绍下np.sort()和np.argsort()这两个函数排序 np.sort()排序，默认升序import numpy as nptemp = np.array([0,1,2,3,4,5,4])tsort = np.sort(temp)tsortarray([0, 1, 2, 3, 4, 4,

Notepad++ | 正则表达式替换引言正则化入门进阶引言我们在用各种文本编辑器，比如word、txt、vscode等时，有时候都会通过查找以及替换方便批操作。比如，去掉所有:符号，这些简单操作可以用于许多简单问题。但是对于更复杂的问题则比较难解决了，比如我想将所有[***]的[]去掉，留下***，而且不希望其他地方的[]被改动，这个时候就要用到正则化了。Notepad++的替换操作支持正则表达式替换。结合正则化的背景也能完成一些基本操作，但是更复杂的时候就需要更多技巧了，这里列一下，放遗忘 ???

DS笔记 | 15个数据科学家常见Python编程疏忽1. 不在隔离环境中工作2. 过度使用Jupyter notebook3. 不整理代码4. 绝对路径而非相对路径5. Magic numbers6. 不处理警告7. 不使用类型注释8. 不使用list comprehension9. Pandas不可读10. 害怕使用dates11. 坏的变量名12. 代码不模块化13. 没有遵循PEP约定14. 不适用代码协助器15. 不在代码中隐藏秘密主要翻译自15 common coding mistakes d

报错信息：colab运行的时候遇到了如下问题：ValueError: Variable eval_net/l1/w1 already exists, disallowed. Did you mean to set reuse=True or reuse=tf.AUTO_REUSE in VarScope? Originally defined at: …问题分析：参考这篇，控制台已保存上次运行结束的变量。所以会报变量已存在的问题解决方案：参考这篇博客solution 1：重开，resta

mark下：总结符号意义./代表目前所在的目录…/代表上一层目录/代表根目录例子当前目录下test.jpg == ./test.jpg上层目录../test.jpg上上层../../test.jpg某目录../test/test.jpg

Python | 查看安装包的版本pip listpythonpip listcmd中运行pip list，直接展示所有：python比如在jupyter notebook中，一般在import之后通过version或者__version__获得相应模块版本，比如：import syssys.version3.7.10 (default, Feb 20 2021, 21:17:23) [GCC 7.5.0]一般version比较少，多是__version__import pandas

报错信息：安装pip install tensorflow==1.15.4的时候遇到了如下报错：ERROR: Could not find a version that satisfies the requirement tensorflow==1.15.4问题分析：如果排除网络问题后，多半就是版本兼容问题了，有几个可能：Tensorflow 和 Python版本匹配：可以参见这篇博客Tensorflow | TF与Keras版本对应，可以看到Tensorflow与Python版本对应，主

Python | 保留*位小数四舍五入printroundnumpy.around多个数字无四舍五入(字符串)切片re以两位小数为例四舍五入printn=1.2345print("%.2f" % n)1.23roundn=1.2345dn=2round(n,dn)1.23numpy.aroundimport numpy as npn=1.2345dn=2np.around(n,dn)1.23多个数字import numpy as npns = [1.234