weixin_67482129的博客

原创 使用open3d实现彩色输出

【代码】使用open3d实现彩色输出。

原创 使用nohup后台运行文件并终止的操作流程

1. 利用conda info --envs查找当前的环境，并用conda activate XXXXX把环境切换到程序使用的环境中去。3. 用nohup XXX &的格式，后台运行程序，运行后会返回进程ID号，需记录。(2) 由于会返回自身信息，也可以按如下代码，去除自身信息。2. 用cd XXXX把文件夹转移到需要运行的文件夹中。(3) 可以用以下代码记录PID号。(1) 查找对应运行文件的信息。5. 使用kill命令结束进程。

原创 conda create 的API文档，以及当产生无名环境后如何删除

【代码】conda create 的API文档。

原创 计算模型中参数数量的函数

计算模型中参数数量的函数。

原创 通过检查nvcc -V 和 nvidia-smi，确定cuda版本的问题

(4) 用vim ~/.bashrc进入配置文件，并改为以下形式。(2) 使用nvidia-smi 检查cuda的版本。(1) 使用nvcc -V 语句检查cuda的版本。用FX打开，确实可以发现有两个版本的cuda。最后三行，画蓝色方框的位置，全部改为12.1。(3) 检查cuda的安装位置有几个文件夹。两个版本应该一样，比如都是12.1。

原创 早于pytorch 1.7版本的FNO代码块，使用早期版fft函数

当计算机上使用的pytorch库早于1.7版本时，会出现错误，无法对复数实现einsum()操作。

原创 在linux上安装meep(CentOS)

此步骤注意，先一直按enter阅读文档，然后按yes确认安装，安装到最后会提示是否更改默认启动设置，此处一定要填no，如果填写yes，会把原有的anaconda下创建的环境全部覆盖。export PATH="/home/**<此处根据不同的用户填入用户文件夹名>**/miniconda3/bin:$PATH"1. conda create -n mp 创建一个名字为mp的环境。2. -c conda-forge 使用conda-forge通道。执行此语句后会告诉你要安装一堆依赖，确认安装。

原创 anaconda和miniconda环境冲突

即把此shell脚本所有的miniconda全部改为anaconda即可，完成后esc退出，并输入":wq"保存更改。在装有anaconda的情况下安装miniconda，会导致原有的环境被miniconda的base环境覆盖。

原创 torch.vmap()中参数in_dims的作用

【代码】torch.vmap()中参数in_dims的作用。

原创 conda create environment

conda环境转移复制和pip包的转移复制_克隆项目后使用的是以前项目的pip-CSDN博客conda命令克隆（复制）环境_conda clone-CSDN博客

原创 怎样用numpy实现一阶中心差分

众所周知，python的循环运算速度非常慢，如果在python环境下通过循环实现差分法，无疑是非常naive的，那么怎样才能快速获得一阶差分结果呢？答案无疑是通过numpy或者pandas这类三方库借用C++进行底层运算。当然如果使用pandas，直接把period设置为2就能解决所有问题了。

原创 DDPG算法流程

原创 使用Keras时，利用tensorboard的注意点

这里要注意一下update的频率，如果频率不够，可能看不见log文件。3.当训练好后打开log文件夹检查是否有log文件输入。

原创 假设检验相关知识点

(1) 平稳性检验：1）严平稳时间序列：少见2) 宽平稳时间序列： 均值方差为常数，自协方差仅和lag值有关当确认是平稳时间序列后，可以用所有的数据计算均值和方差，因为任意一段序列的均值方差都是相等的常数。(2) 纯随机性检验：白噪声序列也符合平稳时间序列的定义，需要把这种情况辨别出来。定义是：方差不为零，但是自协方差为0是检验一个样本平均数与一个已知的总体平均数的差异是否显著零假设：某个需要检验的值A是不是跟预想中一致，即A平均值等于需要检验的值。

原创 DQN伪代码解析

12. 定义一个批次的大小，然后按照这个大小在D中存储的所有SARS组合里进行采样，并算出对应的y值。5. 初始输入，假设我们输入的是一张游戏起始状态的截图，那么它就是x1，也就是status的第一幕s1，经过神经网络的处理变成Φ1。9. 总之在一个选定的at的情况下，送入模拟器，可以得到一个rt，并且会得到第二张图片xt+1(也就是游戏在第二个状态下的截图)。10. 将这个截图xt+1和之前的状态st，以及动作at进行整合，输入神经网络Φ做处理，得到Φt+1，也就是Φ也进行一遍更新。

原创 蒙特卡洛法解决强化学习问题

因为At是由b采样采出来的，如果At不等于π(St)，这意味着b采样出来的At绝对不可能模拟π的行为。按照标准的思路，应该是先假定一个π0，然后求出π0条件下的qπ0，然后对此进行改进，生成新的π1，再在π1的基础上算出qπ1，再改进出π2。此方法的精髓在于，在原有的期望方程上，同时乘以和除以一个策略b的概率。说到底还是用大数定律，把所有情况下的Gt求出来，然后做平均，以此拟合V，q同理，只是更麻烦。行动策略和目标策略是一个策略，且是软性策略(所有a对应的发生概率都不为0)b和π不同，则是离轨策略方法。

原创 强化学习的一些字符含义

1. 策略(Policy): 用 π 表示。

原创 如何创建并训练异构图GCN神经网络(以论文引用数据集为例)

注意一下边的构造形式，以data['paper', 'cites', 'paper'].edge_index为例，在描述paper到paper的边的时候，要按照“起始点”——“边的名称”——“终点”的格式传入。很明显，上面的例子里创建的GNN模型是一个同构图模型。注意，此时输入的不是data[‘...’].x等，而是把所有种类的节点信息全部按照字典的形式输入，所以x的输入是用.x_dict，同理，边的信息也是用的..._dict的形式。相互之间的关系也分为：具有主题，引用，撰写，隶属XX机构。

原创 怎样对索引赋值，读取时设置索引

http://t.csdn.cn/flbX5

原创 如何将DataFrame的列转化为list

另外，要注意网上常见的df.values.tolist()的方法，本质上它是用df.values把df转为numpy.array的格式，然后再用numpy的tolist()方法。这里的逻辑在于，虽然C是一个DataFrame，但是当我们获取它的某一列的时候，此列的类型为series。即使对A做转置，也是一样的结果，根本原因在于DataFrame没有to_list()的方法。不经过numpy的处理，可以使用Series下的to_list()方法直接完成。

翻译 TORCH.UTILS.DATA 官方文档翻译解释

原文链接：torch.utils.data — PyTorch 2.0 documentationPyTorch data loading utility 的核心是 torch.utils.data.DataLoader 这个类，它把dataset整合为一个python的可迭代对象，它支持： map-style and iterable-style datasets,customizing data loading order,automatic batching,single- and multi-pro

原创 怎样利用pandas求得三维数据的全局最大值，以及最大值所在的位置

当我们需要用遍历的方式求取Y的最大值等于多少，以及对应的参数i，j，z分别取什么的时候，可以使用以下方法。参数i可以有六种取值，分别是0，1，2，3，4，5。参数j可以有四种取值，分别是0，1，2，3。参数z可以有三种取值，分别是0，1，2。比如：在Y=i+j+z这个函数中。可以用在参数的寻找上。

原创 sklearn.model_selection.RandomizedSearchCV

超参的随机搜索。RandomizedSearchCV 中有“fit” and a “score” 两种方法. 如果输入其中的估计器(estimator)有 “score_samples”, “predict”, “predict_proba”, “decision_function”, “transform” 以及 “inverse_transform” 的方法，那么它也会有这些方法。

原创 RFE (对sklearn.feature_selection.RFE的详细翻译解读)

训练中的输入样本。

原创 pandas中.groupby()的使用方法

这并不是我们想要的，为了将元组内的DataFrame格式数据获得，我们还要进行第二轮拆包，也就是得到上文中的a和b。在使用pandas的时候，经常会使用到外接数据，这时候数据的整理就很重要：怎样把数据整理为自己需要的格式。现在我觉得数据太混乱，希望把它改成falcon一块，parrot一块。之所以要使用两个拆包，和上文data_g的数据格式有关系。pandas中.groupby()是一个经常使用的小方法。这样就能把Falcon和Parrot的相关数据分开了。

原创 装饰器导致的误会——为什么我的参数变多了？

清晰解释装饰器

转载 np.repeat()总结

原创 对np.expand_dims()中“axis=..”这个参数的理解

本人在第一次接触这个的时候挺糊涂的，不过还好仔细想想还是能想明白。写了笔记发出来，欢迎指正。