5-6日————————
1.linux升级R版本为最新3.6.3
https://blog.csdn.net/m0_37601622/article/details/93135920,根据这个先卸载:
遇到问题:
apt: error while loading shared libraries: libstdc++.so.6: cannot open shared object file: No such file or directory
2.apt与apt-get命令
https://blog.csdn.net/taotongning/article/details/82320472,这个讲的不错。
简单来说就是:apt = apt-get、apt-cache 和 apt-config 中最常用命令选项的集合。
上面是常用的命令。
3.在linux上查找本地文件
locate libstdc++.so.6
使用locate命令即可。
4.linux动态链接
https://www.jianshu.com/p/ea9f4a6b136d
原来经常见的llib.so之类的是动态链接,也就是共享库。在编译和运行的时候都可能会调用到。
命名规则。
libstdc++.so -> libstdc++.so.6.0.21* #linker name libstdc++.so.6 -> libstdc++.so.6.0.21* #SO_NAME libstdc++.so.6.0.21* #real name
6.torch中转置用的函数
https://www.pythonheidong.com/blog/article/295512/,介绍的挺详细的。
import torch x = torch.randn(2,3,4) x1 = x.transpose(0,1) x2 = x.transpose(1,0) print(x1.shape,x2.shape,x.shape) x11=x.permute(0,1,2) x22=x.permute(1,0,2) print(x11.shape,x22.shape,x.shape) #输出: torch.Size([3, 2, 4]) torch.Size([3, 2, 4]) torch.Size([2, 3, 4]) torch.Size([2, 3, 4]) torch.Size([3, 2, 4]) torch.Size([2, 3, 4])
可以发现,二者的共同点是,都不会修改原来的x,而是返回新的对象。
transpose只能转换两个维度,dim1,dim2;而permute可以转换所有的,就是可以处理比较高维的。
7.Error in gzfile(file, "rb") : 无法打开链结
根据这个连接,
解决了,原来就还是路径的问题,getwd()可以打印R当前的工作路径,原来工作路径就和当前文件路径不一致的时候,在一个R文件中读取是按照工作路径来的,如果按照文件路径设置读取文件的位置,就是错误的,会报上面的错误。
2.py中函数是传值还是传引用?
https://www.cnblogs.com/loleina/p/5276918.html,结论如下:
结论:python不允许程序员选择采用传值还是传引用。Python参数传递采用的肯定是“传对象引用”的方式。这种方式相当于传值和传引用的一种综合。如果函数收到的是一个可变对象(比如字典或者列表)的引用,就能修改对象的原始值--相当于通过“传引用”来传递对象。如果函数收到的是一个不可变对象(比如数字、字符或者元组)的引用,就不能直接修改原始对象--相当于通过“传值'来传递对象。
5-7——————————
1.R过滤列
https://blog.csdn.net/weixin_41100555/article/details/80203278
tmpdata <- data_set[ , !names(data_set) %in% c(“var1”, “var2”)]
#即选择除了“var1”, “var2”变量之外的所有变量。
2.pander包
https://site.douban.com/182577/widget/notes/10567181/note/292329457/,2013年的一篇介绍这个包的文章,应该比较老了,主要就是用来转换为markerdown的?
3.显示的串列?
原文链接: https://www.cnblogs.com/BlueBlueSea/p/12839928.html
欢迎关注
微信关注下方公众号,第一时间获取干货硬货;公众号内回复【pdf】免费获取数百本计算机经典书籍;
也有高质量的技术群,里面有嵌入式、搜广推等BAT大佬
原创文章受到原创版权保护。转载请注明出处:https://www.ccppcoding.com/archives/346652
非原创文章文中已经注明原地址,如有侵权,联系删除
关注公众号【高性能架构探索】,第一时间获取最新文章
转载文章受原作者版权保护。转载请注明原作者出处!