anacondasudo chmod 777 /etc/apt/sources.list
vim /etc/apt/sources.list
先输入10000，再不断按d键删除现有的
# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释 deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-backports main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-backports main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-security main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-security main restricted universe multiverse # 预发布软件源，不建议启用 # deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-proposed main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-proposed main restricted universe multiversesudo apt-get install net-tools
pip源wget -P /tmp https://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh bash /tmp/Anaconda3-2020.02-Linux-x86_64.sh source ~/.bashrc # 激活环境变量 conda update --all # 升级anaconda创建虚拟环境conda create -n name python==3.7
anaconda更换源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/` conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/` conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/` conda config --add channels httlsps://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/` conda config --set show_channel_urls yes移除源
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
pycocotools在linux下的安装
https://blog.csdn.net/wlsccc/article/details/112728239
解压与压缩tar -xvf 解压tar.gz
tar -vczf test.tar.gz test压缩
https://www.cnblogs.com/jyaray/archive/2011/04/30/2033362.html
删除环境
conda remove -n xxx --all
conda remove package
conda remove -n learn --all // 删除learn环境及下属所有包
pip uninstall package
now_time = datetime.datetime.strptime(now_time, "%Y-%m-%d %H:%M:%S") #转datetime
time.strftime("%Y-%m-%d %H:%M:%S") #转成字符串
2. pandas
- concat
pd.concat(objs=[df1,df2],axis=0)
参考链接
3. jupyter notebook的虚拟环境使用conda install nb_conda
添加和删除虚拟环境
参考链接1：知乎
参考链接2：CSDN
pip install --user tensorflow==1.9.0 -i https://pypi.doubanio.com/simple/
https://pypi.tuna.tsinghua.edu.cn/simple/
报错numpyFutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’.
_np_qint8 = np.dtype([(“qint8”, np.int8, 1)])
pip uninstall numpy
pip install numpy==1.16.4
5. 数据集下载print("Downloading " + file_name + " ... ") # 开始下载
urllib.request.urlretrieve(url_base + file_name, file_path)
print("Done")
数据集的转换
print("Converting " + file_name + " to NumPy Array ...")
with gzip.open(file_path, 'rb') as f: # 打开读取二进制数据，也可以是文本数据
data = np.frombuffer(f.read(), np.uint8, offset=16) # np.frombuffer 从流读取数据，
data = data.reshape(-1, img_size) # 一行是一个图片
print("Done")
np.uint8 0~255
>>> s = b'hello world' # b是代表bytes，还有u和r
>>> np.frombuffer(s, dtype='S1', count=5, offset=6) #偏置是6
array([b'w', b'o', b'r', b'l', b'd'], dtype='|S1')
数据集的封装与打开
print("Creating pickle file ...") #这里是把一个字典进行了存储
with open(save_file, 'wb') as f: #f是保存的文件名字
pickle.dump(dataset, f, -1) #-1是指定python3的序列化方式
print("Done!")
# 打开pickle文件。
with open(save_file, 'rb') as f:
dataset = pickle.load(f)
数据集pickle打开的常见错误
在pickle.load(f)时，可能会碰到编码错误，就需要改为pickle.load(f, encoding=‘bytes’)
6. python程序加密 打包成exehttps://zhuanlan.zhihu.com/p/109266820
https://zhuanlan.zhihu.com/p/59442292
Cython生成pyd文件需要安装个vsstudio c++那些
去官网下载wheel文件（直接下载的不对）
在安装，
建立一个setup文件
from distutils.core import setup from Cython.Build import cythonize setup(name='api_sign', ext_modules=cythonize(['in_main.py','main_use.py','data_load.py','subprogram.py','unique.py'])) # python setup.py build_ext --inplace这里可以放多个文件
执行命令生成pyd文件：
python setup.py build_ext --inplace
生成pyd的报错处理
https://blog.csdn.net/Gavinmiaoc/article/details/84340736?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-13.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-13.control
easycython生成pydhttp://www.xoxxoo.com/index/index/article/id/772.html
GPU服务器配置Linux 系统目录结构：https://www.runoob.com/linux/linux-system-contents.html
使用windows作为ssh服务端，linux作为ssh服务端，进行连接。
1.使用windows生成公钥和私钥ssh-keygen -t rsa
之后选择位置
一般存储在.ssh/下面
生成两个文件 [Ubuntu 20.04 LTS.lnk](Ubuntu 20.04 LTS.lnk)
id_rsa， id_rsa.pub
2. 把id_rsa.pub传到linux服务器上cat id_rsa.pub >> ~/.ssh/authorized_key
把这个新的公钥添加进去
3. windows的config配置在.ssh/下新建一个config文件，没有后缀
Host my(简单常用名) HostName ip User myname Port 22 IdentityFile (用的哪一个私钥) Host my(简单常用名) HostName ip User myname IdentityFile (用的哪一个私钥)
https://www.xylnk.com/2020/206.html
服务端的config一般是端口和权限配置
4. 文件传输scp 本地文件 my:服务器路径
scp -r 本地文件夹 my:服务器路径
rsync -avP 本地文件 my:服务器路径(速度非常快，用于大文件夹)
https://www.bilibili.com/video/BV1nk4y1k742
python虚拟环境迁移 安装minicondacurl -k -o Miniconda2-latest-Linux-x86_64.sh https://repo.anaconda.com/miniconda/Miniconda2-latest-Linux-x86_64.sh
https://docs.conda.io/en/latest/miniconda.html
-k是跳过ssl证书检测
-o是保存为目标文件
https://www.ruanyifeng.com/blog/2019/09/curl-reference.html这是curl的参考网站
不可靠的方法 pip安装的包pip freeze > requirements.txt
pip install -r requirements.txt
同平台离线
pip download -d ~/my_env_pkgs/ -r requirements.txt
pip install -r requirements.txt --no-index --find-links=file:///home/user_name/my_env_pkgs
跨平台离线
pip download --no-binary=:all: -d ~/my_env_pkgs/ -r requirements.txt
pip install -r requirements.txt --no-index --find-links=file:///home/user_name/my_env_pkgs
conda安装的包conda env export -f environment.yml
conda env create -f environment.yml
手动删去其中的pip的那部分，只安装里面包含的conda部分
离线部署安装（测试机器和待部署机器上都需要安装，建议在base环境安装）
conda install -c conda-forge conda-pack
导出环境
conda pack -n my_env -o out_name.tar.gz、
目标环境新建目录，一般放在.conda/envs/下面
mkdir -p my_env
解压缩进去
tar -xzf out_name.tar.gz -C my_env
目标机器激活环境，会将my_env/bin添加到path环境变量，之后方可支持conda activate
source my_env/bin/activate
部署机器上替换prefix
conda-unpack
此时如遇“Files managed by conda were found to have been deleted/overwritten …”的问题，则应该是在使用过程中误用pip卸载了用conda安装的包，此时首先需要用conda正确卸载这些包，然后再执行打包的操作
跨平台部署删去yml文件中的build字段
==
注意conda --clone还有–offline不建议使用
如果是离线主机，就直接使用联网的虚拟机，进行conda pack进去。
如果是在线主机，就使用txt和yml文件如在线下载。
参考链接
https://forskamse.blog.csdn.net/article/details/98665869
项目离线部署并启动虚拟环境进行运行https://blog.csdn.net/shirukai/article/details/108822729
plt.rcParams.update({'figure.figsize':(9,7), 'figure.dpi':120})
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GJOlmpI0-1636362171870)(python%E5%B8%B8%E7%94%A8%E6%93%8D%E4%BD%9C.assets/image-20210815115527645.png)]
p = d = q = range(0, 2) pdq = list(itertools.product(p, d, q))
# 忽略警告
with warnings.catch_warnings():
warnings.filterwarnings('ignore')
error = walk_forward_validation(data, n_test, cfg)
key = str(cfg) #参数配置是元组
print(f'> Model{key} {error:.3f}')
