Conda、pip、Python、Latex、Linux零碎技巧

Conda、pip

conda create -n B --clone A 克隆A环境为B
opencv安装，请参考pypi官网说明
mmcv-full使用pip安装时编译出错，需安装当前虚拟环境pytorch对应的cuda的NVIDIA官网版本，并确认系统环境变量CUDA_PATH指向该版本（安装程序会自动设置，一般不需要手动修改）
conda命令行换盘符d:，在任意路径下输入目标盘符加冒号，即可更换到目标盘的根目录下

Python

with关键字：代替try-finally，用于处理文件，释放资源
for line in f: print line ：通过迭代器访问文件每一行。
shape
- (3,1)二维数组，三行一列
- (3,)一维数组，长度位3
pandas.DataFrame.values不如使用pandas.DataFrame.to_numpy，DataFrame转numpy

Python 类内方法

class Test():
    a = 20
    _b = 21
    # 类外无法访问，类内可以通过类名或对象（self等）访问
    __c = 22

    def __init__(self):
        # 类内类外都无法通过类名访问，类内可通过对象（self等）访问
        self.aa = 10
        self._bb = 11
        # 类外无法访问
        self.__cc = 12

    @classmethod
    def cls_method(cls):
        print("class")

    # 参数不需要加 self
    @staticmethod
    def sta_method():
        print("static")

    # 类调用需要显式传对象参数
    def obj_method(self):
        print("object")

    # 类调用需要显式传对象参数
    def _pri_method(self):
        print("protect")

    # 类外无法访问，类内可以用类名或对象（self等）访问
    def __pri_method(self):
        print("private2")

    # 通过类名或对象（self等）调用所有函数
    def in_method(self):
        print("in==>")
        test_in = Test()

        Test.cls_method()
        Test.sta_method()
        Test.obj_method(test_in)
        Test._pri_method(test_in)
        Test.__pri_method(test_in)
        print(Test.a)
        print(Test._b)
        print(Test.__c)
        # print(Test.aa)  # 错误
        # print(Test._bb)  # 错误
        # print(Test.__cc)  # 错误

        test_in.cls_method()
        test_in.sta_method()
        test_in.obj_method()
        test_in._pri_method()
        test_in.__pri_method()
        print(test_in.a)
        print(test_in._b)
        print(test_in.__c)
        print(test_in.aa)
        print(test_in._bb)
        print(test_in.__cc)

        self.cls_method()
        self.sta_method()
        self.obj_method()
        self._pri_method()
        self.__pri_method()
        print(self.a)
        print(self._b)
        print(self.__c)
        print(self.aa)
        print(self._bb)
        print(self.__cc)
        print("<==in")


test = Test()

Test.cls_method()
Test.sta_method()
Test.obj_method(test)
Test._pri_method(test)  # 警告
# Test.__pri_method()  # 错误
print(Test.a)
print(Test._b)
# print(Test.__c)  # 错误
# print(Test.aa)  # 错误
# print(Test._bb)  # 错误
# print(Test.__cc)  # 错误

Test.in_method(test)

test.cls_method()
test.sta_method()
test.obj_method()
test._pri_method()  # 警告
# test.__pri_method()  # 错误
print(test.a)
print(test._b)
# print(test.__c) # 错误
print(test.aa)
print(test._bb)
# print(test.__cc)# 错误

test.in_method()

按最后一列groupby

# 先排序
train_draw = train_draw[train_draw[:, -1].argsort()]
# 后分割
train_draw = np.array(np.split(train_draw, np.unique(train_draw[:, -1], return_index=True)[1][1:]))

函数静态类型定义，:后表示形参类型，->后表示返回类型
```
def fun(a: int) -> int:
    return a + 1
```
linux切割路径字符串os.path.dirname(path).split('/')[-1]，/the/input/path得到path
windows切割路径字符串os.path.dirname(path).split('\\')[-1]，\the\input\path得到path

预训练模型下载缓慢可以将以下代码

model = torch.hub.load('facebookresearch/detr', 'detr_resnet50', pretrained=True)
model.eval()

替换为如下形式，二者等价，需要手动git克隆仓库并参照hubconf.py文件中的函数，下载并加载权重

model = torch.hub.load('./detr', 'detr_resnet50', pretrained=False,source='local')
model.load_state_dict(torch.load('detr-r50-e632da11.pth')["model"])
model.eval()

PIL报错

Traceback (most recent call last):
File "clip_inference.py", line 4, in <module>
    import clip
File "D:\anaconda3\envs\changeclip\lib\site-packages\clip\__init__.py", line 1, in <module>
    from .clip import *
File "D:\anaconda3\envs\changeclip\lib\site-packages\clip\clip.py", line 9, in <module>
    from PIL import Image
File "D:\anaconda3\envs\changeclip\lib\site-packages\PIL\Image.py", line 100, in <module>
    from . import _imaging as core
ImportError: DLL load failed while importing _imaging: 找不到指定的模块。

解决方法：重新安装pillow，使用pip而不是conda防止影响其他包

pip uninstall pillow
pip install pillow

Latex

拖式计算，对齐等号

& 对齐标志
\\ 换行（必须有换行，否则对齐无效）
$$
\begin{aligned}
CPU时间&=(CPU执行周期数+存储器停顿周期数)*时钟周期时间\\
&=(CPU执行周期数+访存次数*不命中率*不命中开销)*时钟周期时间\\
&=IC*(CPI_{execution}+每条指令平均访存次数*不命中率*不命中开销)*时钟周期时间
\end{aligned}
$$

$$
\begin{aligned}
CPU时间&=(CPU执行周期数+存储器停顿周期数)时钟周期时间\
&=(CPU执行周期数+访存次数不命中率不命中开销)时钟周期时间\
&=IC(CPI_{execution}+每条指令平均访存次数不命中率*不命中开销)*时钟周期时间
\end{aligned}
$$

acmart class下的tex包的baselinestretch问题

\let\savedbaselinestretch\baselinestretch
\usepackage[UTF8]{ctex}
\let\baselinestretch\savedbaselinestretch

中文支持
- 添加\usepackage[UTF-8]{ctex}
- 将编译器改为XeLaTex

Linux

根据进程号查看命令运行文件的路径pwdx PID

Conda、pip、Python、Latex、Linux零碎技巧#

Conda、pip#

Python#

Latex#

Linux#

Conda、pip、Python、Latex、Linux零碎技巧

Conda、pip

Python

Latex

Linux