zhuliyeer的博客

GitKraken 图形界面软件，方便版本对比、更新版本、多人协作等。完全可视化的提升生产力工具。从此电脑不再n多版本，n个命名，找不到版本之间的区别了。

例如你想引用一个新的开源库，运行库的example后，利用该功能很容易从大量的变量名中找到我们需要。一样，在程序运行完成后，查看每个变量并继续对变量进行操作的方法，即勾选。方法三：Pycharm——不同于Jupyter只能看信息概要。自己去源代码中按图索骥，反向一步步找库函数的源代码涉及的。然后再按照方法一，带着结果去找代码，效率翻倍。插件来实现，查程序运行后的变量数组在哪都有什么。方法二：Jupyter——实时显示变量是通过。

就算多个项目使用同一个版本的python，这时候还是需要创建conda虚拟环境的，比如一个项目用Pytorch开发，一个项目用TensorFlow开发，不同框架对python包依赖，对底层库的依赖是不同的， 此时可能会起冲突，比如安装Pytorch后再安装TensorFlow时可能会将Pytorch所用依赖更新，则会导致Pytorch无法运行。（如安装5.15以上，出了错被卡了2~3天还没解决，因为太新，网上也没有很多修正bug的方案。安装python时，不必单独安装，可直接安装anaconda。

注意，colab的文件存在：/content/drive/MyDrive/Colab Notebooks文件夹里。Colab: 在线使用Jupyterlab，无需本地搭建环境 https://colab.research.google.com/2.1重新出发，学会和AI说话——调通系统，完成和chatgpt 的API_KEY 首次连接，返回数据。/完成Colab的使用。接下来：使用终极解决方案，即用colab访问云盘的东东：事先把课程相关资料传到Google云盘，然后按照路径规则就可以随意访问。

但问题是，这些大都是碎片化的信息。对于初学者，东学西学，学的越多碎片，越容易困惑。没有结构化的知识，和可重复性复习的教材。隔段时间再回来，脑中什么都没有。本文推荐是另一种可复制的有效学习方法，不仅适合QT，也适合其他领域知识或工具。优点：1，对QT软件安装、QT的设计原理、优秀便捷的程序架构思想、敏捷开发方法都有非常好的介绍和实战。会对日后做QT，甚至整个项目开发打下非常坚实的基础。缺点：书本写的对初学者有些晦涩难懂，虽仅有两章，也需要沉下心学几天。对于QT， 新手经常做到哪查到哪。

随机初始化神经网络的权重和偏置，有概率会导致神经元输出饱和，此时使用MSE(二次代价函数)时，即使犯了明显错误，但因为设置到其导数平坦区（饱和区），导致学习率缓慢。

分析：经过近两个小时分析，占用150G的C 盘的两个大的原因找到了：一、anaconda 程序5G，及.conda文件夹10G（用everything搜到）二、“桌面”文件夹5G，“下载”文件夹50G（出乎意料）