ProgramTips

• Fortran相关
  • fortran 入门
• Python相关
  • 配置Auto-GPT
    • 🚀 特征
    • 📋 环境要求
      • 可选
    • ⚠️ 配置 OpenAI API Keys ⚠️
      • 在继续之前，请确保您已完成此步骤。否则，什么都行不通！
    • 💾 安装
    • 🔧 用法
      • 日志
  • 溶液配比计算
  • python的一些乱七八糟
    • 1. python 库
      • 1.1 shutil库
    • 2. python 函数的用法
      • 2.1 绘图相关参数
  • 3. Python numpy，scipy，pandas这些库的区别是什么？
  • TensorFlow基础
    • 一、TensorFlow基础：TensorFlow的编程思想
    • 二、TensorFlow基础：Graph计算图的创建和使用
      • (1) 只创建一个Graph图
      • (2) 定义多个Graph图
      • (3) 指定Graph计算图运行的设备
    • 三、TensorFlow基础：tensor张量、tensor的属性、tensor数据和numpy数据的转化
      • (1) 什么是tensor张量
      • (2) tensor的属性
      • (3) numpy数据和tensor数据转换
    • 四、TensorFlow基础：Sesstion会话
      • (1) 会话(Session)的作用
      • (2) 会话的生成方式
      • (3) tf.InteractiveSession()与tf.Session()的区别
    • 五、TensorFlow基础：tensor常量生成
      • (1) 随机常量
      • (2) 常数常量
      • (3) 全0、全1常量
    • 六、TensorFlow基础：tensor变量 tf.Variable与tf.get_variable和tf.variable_scope
      • (1) tf.Variable与tf.get_variable创建变量
      • (2) tf.variable_scope()与tf.get_variable的配合使用
      • (3) 使用tf.get_variable的好处
    • 其他阅读
  • TensorFlow API
    • 一、TensorFlow的API查阅
    • 二、TensorFlow常见API的使用
      • (0) API查询索引
      • (1) tf.placeholder函数
      • (2) tf.nn.conv2d是怎样实现卷积的
      • (3) tf.nn.max_pool实现池化操作
      • (4) tf.nn.relu函数
      • (5) tf.reshape、tf.get_shape和set_shape函数
      • (6) tf.nn.dropout函数
      • (7) tf.argmax函数
      • (8) tf.cast类型转换函数
      • (9) tf.train.AdamOptimizer函数
      • (10) tf.Graph()函数
      • (11) tf.nn.softmax_cross_entropy_with_logits的用法
      • (12) tf.dynamic_partition函数，分拆数组
      • (13) tf.reduce_mean等函数
      • (14) apply_gradients 和 compute_gradients
      • (15) tf.trainable_variables和tf.all_variables的对比
      • (16) tf.control_dependencies
      • (17) tf.global_variables_initializer()和tf.local_variables_initializer()区别
      • (18) tf.InteractiveSession()与tf.Session()的区别
      • (19) tf.get_variable和tf.Variable区别
      • (20) tf.where()用法
      • (21) tf.less()用法
      • (22) tf.app.run()
      • (23) tensorflow中的参数初始化方法
      • (24) 优化器
      • (25) 损失函数(或代价函数)
      • (26) 设置自动衰减的学习率
      • (27) 命令行参数
  • Anaconda
    • 1. 认识 Anaconda
      • 1.1 Anaconda 安装
      • 1.2 源配置
    • 2. conda 的包管理
    • 3. Anaconda 环境管理
  • Anaconda一次更新所有库
    • 目录
    • 一、建议
    • 二、Anaconda一次更新所有库
    • 三、conda常用命令
      • 1. 如何查看已安装的库
      • 2.如何安装或更新库
    • 四、Anaconda 访问（下载）速度慢的问题的解决办法，更换源，清华源
    • 五、conda换回默认源
    • 六、pip一次性更新所有包
  • 使用指定的 GPU
  • GPU 显存分析
  • 1. TensorFlow 的安装
    • (1) Windows 下安装 TensorFlow
    • (2) Ubuntu 下安装 TensorFlow
  • Python 学习笔记（零）–基础篇
    • 1. 数据类型和变量
      • 1.1 整数
      • 1.2 浮点数
      • 1.3 字符串
      • 1.4 布尔值
      • 1.5 空值
      • 1.6 变量
      • 1.7 常量
      • 1.8 总结
    • 2. 字符串和编码
      • 2.1 字符编码
      • 2.2 字符编码使用场景
      • 2.3 Python的字符串
      • 2.4 字符串(编码)转换
      • 2.5 格式化
    • 3. list和tuple类型
      • 3.1 list
      • 3.2 tuple
    • 4. dict和set类型
      • 4.1 dict
      • 4.2 set
      • 4.3 不可变对象
    • 5. 条件语句
      • 5.1 if格式
      • 5.2 条件简写
    • 6. 循环语句
      • 6.1 for循环
      • 6.2 while循环
      • 6.3 break
      • 6.4 continue
  • Python 学习笔记（一）
    • 前言（认识Python）
    • 一、变量和字符串
      • 1.1 变量
      • 1.2 字符串
    • 二、函数
      • 2.1 函数格式
      • 2.2 函数参数
      • 2.3 匿名函数
    • 三、循环与判断
      • 3.1 布尔表达式和判断
      • 3.2 条件控制
      • 3.3 循环
    • 四、数据结构
      • 4.1 列表（List）
      • 4.2 字典（Dict）
      • 4.3 元组（Tuple）
      • 4.4 集合（Set）
      • 4.5 数据结构的一些技巧
    • 五、类的理解
      • 5.1 类的介绍
      • 5.2 self
      • 5.3 魔术方法
      • 5.4 类的继承
    • 六、使用第三方库
      • 6.1 安装自己的库
      • 6.2 安装第三方库
  • Python 学习笔记（二）
    • 前言
    • 一、迭代器和生成器
      • 1.1 Python迭代器
      • 1.2 生成器
      • 1.3 延伸
    • 二、模块与包
      • 2.1 模块
      • 2.2 包
      • 2.3 作用域
    • 三、面向对象
      • 3.1 类
      • 3.2 枚举类
      • 3.3 元类
    • 四、线程与进程
      • 4.1 多线程编程
    • 五、Python 正则表达式
    • 六、闭包
    • 七、装饰器
      • 7.1 什么是装饰器
      • 7.2 语法糖
  • Python 学习笔记（三）
    • 一、Python工具包&程序库
      • 1.1 认识一下
      • 1.2 快速入门
  • Python 学习笔记（四）
    • [Python]断言assert的用法
  • Python 学习笔记（五）–”高颜值”
    • 1 简介
    • 2 使用ruff进行Python代码格式化
      • 2.1 ruff的安装
      • 2.2 ruff代码格式化常用功能
  • matplotlib科研绘图—Times New Roman字体设置
    • 一、法一
    • 二、法二
    • 三、一些参数
    • 四、Matplotlib画各种论文图
  • Matplotlib——绘制多个子图（Axes）及其布局
    • 一.均一排布plt.subplots()
      • 1.subplots()控制布局
      • 2.suptitle() 添加画布的标题
      • 3.用axes类及其方法绘制子图
      • 4.示例
    • 二.规整排布add_gridspec
      • 1.add_gridspec()重要参数
      • 2.绘制规整排布的子图
    • 三.跨行列子图布局
  • 使用Python numpy 进行二维傅里叶变换 和 图片自相关
  • 使用python（scipy和numpy）实现快速傅里叶变换（FFT）
    • 一、一些关键概念的引入
      • 1、离散傅里叶变换（DFT）
      • 2、快速傅里叶变换（FFT）
      • 3、采样频率以及采样定理
      • 4、如何理解采样定理？
    • 二、使用scipy包实现快速傅里叶变换
      • 1、产生原始信号——原始信号是三个正弦波的叠加
      • 2、快速傅里叶变换
      • 3、FFT的原始频谱
      • 4、将振幅谱进行归一化和取半处理
      • 三、完整代码
  • 修复matplotlib中文显示问题Font family [sans-serif] not found
    • 问题描述
    • 解决方法
      • 问题原因
      • 具体解决流程
    • 关于缺失Times New Roman字体
  • IPython和Jupyter的使用
  • 多维（三维四维）矩阵向量运算-超强可视化
    • 1、高维矩阵可视化
    • 2、高维矩阵运算
  • Python中如何显示程序进度条
  • 全面总结 pip install 与 conda install 的使用区别
    • 一、写在前面
    • 二、使用区别
    • 三、使用总结
  • 一个python跨节点并行计算的问题
    • 1. 问题描述：
    • 2. 提出问题：
    • 3. 解决方案：
  • python的库包管理工具pip-tools
    • 前言
    • 安装pip-tools
    • 创建 requirements.in 文件
    • 生成 requirements.txt 文件
    • 安装依赖
    • 同步本地环境
  • 创建一个交互式的Python应用程序
• Fortran tips
• Python tips