凡是过往,皆为序章

过去的日子就过去了,被干掉的问题也就不再是问题
–2019.9.22

在这里插入图片描述

  1. 找了半天教程
win10家庭版不能切换显示语言!一堆不常用的功能,换成英文版却不能实现,舍本逐末!

凡是过往,皆为序章_第1张图片
2. SQL sever 的配置

安装好 SQL Server 之后,并没有管理工具,要另外下载 SQL Server Management 
Studio (SSMS),2008版不好找,记录下来链接。
http://www.opdown.com/soft/82987.html#download
但我的SQL Server是2008 Express版(精简版),不好安装,不做记录。
可以直接安装通用版18.2(有点大)
https://docs.microsoft.com/en-us/sql/ssms/download-sql-server-management-studio-ssms?redirectedfrom=MSDN&view=sql-server-2017

PS:
公选课教SQL Server不如教MySQL

在这里插入图片描述
1.

# 整数数组索引
print (x)
rows_to_get = np.arange(len(x))		
print ("rows_to_get: ", rows_to_get)
cols_to_get = np.array([0, 2, 1])				//生成numpy数组
print ("cols_to_get: ", cols_to_get)
print ("indexed values: ", x[rows_to_get, cols_to_get])	//数组索引

[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
rows_to_get:  [0 1 2]
cols_to_get:  [0 2 1]
indexed values:  [ 1  7 10]
  1. 布尔索引
# 布尔值数组索引
x = np.array([[1,2], [3, 4], [5, 6]])
print ("x:\n", x)						//很有意思,值得推敲
print ("x > 2:\n", x > 2)			//实质是判断
print ("x[x > 2]:\n", x[x > 2])		//实质是索引
x:
 [[1 2]
 [3 4]
 [5 6]]
x > 2:
 [[False False]
 [ True  True]
 [ True  True]]
x[x > 2]:
 [3 4 5 6]
  1. 基本运算
基本运算:
>>> x = np.array([[1,2],[3,4]])
>>> y = np.array([[5,6],[7,8]])			//整数
>>> np.add(x,y)
array([[ 6,  8],
       [10, 12]])
>>> np.subtract(x,y)
array([[-4, -4],
       [-4, -4]])
>>> np.multiply(x,y)
array([[ 5, 12],
       [21, 32]])
>>> np.divide(x,y)						//除法和浮点数是一样的结果
array([[0.2       , 0.33333333],
       [0.42857143, 0.5       ]])       
>>> np.floor_divide(x,y)		//地板除
array([[0., 0.],
       [0., 0.]])

>>> x+y						//使用运算符更快
array([[ 6,  8],
       [10, 12]])
>>> x-y
array([[-4, -4],
       [-4, -4]])
>>> x*y
array([[ 5, 12],
       [21, 32]])
>>> x/y									
array([[0.2       , 0.33333333],
       [0.42857143, 0.5       ]])
>>> x//y
array([[0, 0],
       [0, 0]], dtype=int32)
  1. 点乘与星乘
>>> x = np.array([[1,2],[3,4]])
>>> y = np.array([[5,6],[7,8]])	
>>>> x*y					//星乘是对应位置相乘
array([[ 5, 12],
       [21, 32]])
>>> x.dot(y)				//点乘是矩阵相乘(矩阵积)
array([[19, 22],
       [43, 50]])
  1. 跨维求和:
>>> np.sum(x)				//所有维求和
10
>>> np.sum(x,axis=0)		//第一维求和(各列求和)
array([4, 6])
>>> np.sum(x,axis=1)		//第二维求和(各行求和)
array([3, 7])
  1. 转置:
>>> x
array([[1, 2],
       [3, 4]])
>>> x.T
array([[1, 3],
       [2, 4]])
  1. np.tile()
>>> x
array([[1, 2],
       [3, 4]])
>>> np.tile(x,(1,4))			//tile是瓷砖的意思,可以把x看作是一块瓷砖,
								然后按照给定的规则贴
array([[1, 2, 1, 2, 1, 2, 1, 2],
       [3, 4, 3, 4, 3, 4, 3, 4]])		//这个是1*4的
>>> np.tile(x,(4,1))					//这个4*1的
array([[1, 2],
       [3, 4],
       [1, 2],
       [3, 4],
       [1, 2],
       [3, 4],
       [1, 2],
       [3, 4]])
>>> np.tile(x,(3,2))					//这个3*2的
array([[1, 2, 1, 2],
       [3, 4, 3, 4],
       [1, 2, 1, 2],
       [3, 4, 3, 4],
       [1, 2, 1, 2],
       [3, 4, 3, 4]])
  1. 删除维度
>>> a = np.arange(10).reshape(1,2,5)
>>> a
array([[[0, 1, 2, 3, 4],
        [5, 6, 7, 8, 9]]])
>>> a.shape
(1, 2, 5)
>>> b = np.squeeze(a)
>>> b.shape
(2, 5)			//维度为1的被删除掉
>>> a = np.arange(10).reshape(2,5)
>>> a.shape
(2, 5)
>>> b = np.squeeze(a)
>>> b.shape
(2, 5)			//多维度不管用
>>> a = np.arange(10).reshape(1,2,5)
>>> np.squeeze(a,0)
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])
>>> np.squeeze(a,1)			//指定维度不是1错误
Traceback (most recent call last):
  File "", line 1, in 
  File "C:\Users\12521\Anaconda3\envs\tf\lib\site-packages\numpy\core\fromnumeric.py", line 1388, in squeeze
    return squeeze(axis=axis)
ValueError: cannot select an axis to squeeze out which has size not equal to one
作用:
从数组的形状中删除单维度条目,即把shape中为1的维度去掉

场景:
在机器学习和深度学习中,通常算法的结果是可以表示向量的数组(即包含两对或以
上的方括号形式[[]]),如果直接利用这个数组进行画图可能显示界面为空。我们可以利用squeeze()函数将表示向量的数组转换为秩为1的数组,这样利用matpl
otlib库函数画图时,就可以正常的显示结果了。

参考:
https://blog.csdn.net/zenghaitao0128/article/details/78512715
  1. 添加维度
>>> x
array([[1, 2],
       [3, 4]])
>>> y = np.expand_dims(x,1)
>>> y
array([[[1, 2]],

       [[3, 4]]])

凡是过往,皆为序章_第2张图片

谷歌这家公司有点可怕了,现在给我的感觉是未来都是它的
量子超算 + TensorFlow = ?(出来怪物我也一点不惊奇)
http://baijiahao.baidu.com/s?id=1645368862231442598&wfr=spider&for=pc

凡是过往,皆为序章_第3张图片

  1. CentOS安装
装了个centos,试着在linux上搞爬虫
官网链接:
http://isoredirect.centos.org/centos/7/isos/x86_64/
实测并不比阿里云镜像慢

vmware卸载了12装了8,够用的,新版本功能强大了,但都是普通用户用不到的功能,内存
占用倒是不小

第一次安装的时候默认最小化安装,只有命令行还是受不了,于是又安上了一个GUI桌面,
说实话页面算不丑
  1. python安装
linux自带的python2.而且不可以卸载,系统需要它才能跑起来,但是现在py2用不到了,
得另外安装py3

参考链接:https://www.cnblogs.com/yjlch1016/p/9289588.html
  1. 目录的一些区别
/bin是系统的一些指令。bin为binary的简写主要放置一些系统的必备执行档例如:cat、
cp、chmod df、dmesg、gzip、kill、ls、mkdir、more、mount、rm、su、tar等。

/sbin一般是指超级用户指令。主要放置一些系统管理的必备程式例如:cfdisk、dhcpcd、
dump、e2fsck、fdisk、halt、ifconfig、ifup、 ifdown、init、insmod、lilo、
lsmod、mke2fs、modprobe、quotacheck、reboot、rmmod、 runlevel、shutdown等。
    
/usr/bin 是你在后期安装的一些软件的运行脚本。主要放置一些应用软体工具的必备执行
档例如c++、g++、gcc、chdrv、diff、dig、du、eject、elm、free、gnome*、 gzip、
htpasswd、kfm、ktop、last、less、locale、m4、make、man、mcopy、ncftp、
newaliases、nslookup passwd、quota、smb*、wget等。

/usr/sbin   放置一些用户安装的系统管理的必备程式例如:dhcpd、httpd、imap、
in.*d、inetd、lpd、named、netconfig、nmbd、samba、sendmail、squid、swap、
tcpd、tcpdump等。

你可能感兴趣的:(想法)