Anaconda

使用python和vb控制cst进行自动化仿真之（一）：环境配置 做微波的童鞋会经常用到cst进行仿真。我有个朋友最近一个课题需要使用cst仿真大量数据，这些数据对应的一部分结构参数要求随机生成，这样就没办法使用扫参。cst自带了vb(visual basic)编程环境，可以使用vb脚本编程控制cst实现自动仿真。得到这些数据后，会被用到pytorch中作为神经网络的训练数据。 cst2020 提供了python编程接口，也提供了在pyhon环境中执行vb脚本的接口，如此一来，数据获取和训练都可以在pyhon中进行。不仅非常方便，而且将来可以实现模型参数的自动优化。（cst2020破解版安装包获取以及破解教程可以参考这个链接： https://www.bilibili.com/read/cv4982729/ ） 1.cst参考文档 每个版本的cst都带了非常非常全的参考文档，我们想知道的都在里面。打开cst自带的help文档，找到 automation and scripting，就可以看到关于python控制接口的详细介绍。 2.创建 python3.6虚拟环境 cst2020的python包是基于python3.6的，为了能够在pycharm中同时使用cst的接口和完整的python接口，需要先使用conda创建一个python3.6的虚拟环境（请事先安装好conda）。 打开

linux下安装openexr python包踩坑总结 我有个朋友前段时间一直尝试装openexr的python包，参考了很多网上教程，但是最后都以失败告终。后来在我的帮助下终于装好了，在这里给大家分享一下，免得更多的人踩坑。 1.linux版本不能太低 最大的坑是linux版本不能太低，比如我这个朋友一开始使用的是ubuntu 16.04，很多教程也是用的16.04，比如当时主要参考的是这三个链接： https://blog.csdn.net/TNove/article/details/103163295 https://blog.csdn.net/qq_24306353/article/details/89111971 https://www.jianshu.com/p/aaa7c51afa30 首先对这几位博主表示感谢和致敬。按照这几位博主的指导依然没能成功 import OpenEXR，于是我就猜测是系统的问题，有可能OpenEXR包更新了，依赖的一些包也是新版本的Linux才有，所以无论怎么弄import的时候总是提示 undefined symbol: _ZTIN7Iex_2_27BaseExcE 或者其它问题。最后在虚拟机中重装了系统，装的是unbuntu 20.04，然后执行下面的步骤，就能成功 import OpenEXR 并使用啦！ 2.安装步骤 安装 gcc

回望4个月的软件工程实践走过的路 1）你做了哪些作业 1、个人作业 链接: 第一次博客作业 第二次个人作业 总结: 在个人作业当中，首先是对于寒假期间的小作业，那时候是一个突如其来的信息， 上大学来收到的第一份假期作业，那个时候个人是在迷茫当中的，在疫情期间， 这无疑是一次最好缓解压力的一件事，对大多数同学来说这无疑是一次最好的放松， 对于很多被封锁在自家门户里无法出去的人是再好不过的了， 在这期间，我重新对之前所学过的Python、C、java等一些语言进行了一次小小的复习 对之前使用的软件重新使用了一下；在此之后，就开始了软件工程这门课程的学习， 在学习期间完成了大部分课上的作业，在这个期间，以UML图形的设计最为突出。 2、结对作业 链接: 第一次结对作业 第二次结对作业 总结: 结对作业这一部分，主要是以二人合作的方式进行交流学习和实现，在这个环节还是挺开心的， 作业的主要内容是对疫情期间网课学习的一些调查，然后进行可视化呈现出来，收集数据环节， 我们主要是采取了问卷调查的方式进行了数据的收集，不得不说在这个阶段还是挺不容易的， 先不说数据的可行性，就当说找到对应的人填写问卷就是很难的一件事情，如果不是认识的人， 可以说没有多少人会愿意给你动手，之后在团队作业我们也做了问卷，虽说这是最实时的数据， 但是收集起来实在不易。 本次作业最主要的还是可视化环节

1. 查看资源镜像站，查找合适的安装镜像 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-4.3.0-Linux-x86_64.sh 2. 运行 wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-4.3.0-Linux-x86_64.sh 完成下载. 3. 运行 bash Anaconda3-5.3.1-Linux-x86_64.sh 4. 安装过程中注意点: 1) 回车,这里它显示协协议，不断回车即可. Please, press ENTER to continue >>> 2) 要求同意协议 Do you accept the license terms? [yes|no] [no] >>> 输入 yes 3) 安装的目录, 默认哦 ： /root/anaconda3 Anaconda3 will now be installed into this location: /root/anaconda3 - Press ENTER to confirm the location - Press CTRL-C to abort the installation - Or specify a different

目前GPU深度学习服务器在AI、视频处理、科学计算等领域都有广泛应用。随着NVIDIA推出更多的GPU硬件和工具软件，如何配置一台属于自己的GPU服务器，在开发者的工作中成为了重中之重。 文章大概： 1、硬件平台的搭建 o 深度学习服务器的性能需求 o NVIDIA GPU的性能特点 o 硬件环境的配置搭配要点 2、软件环境的配置 o 深度学习环境的系统配置，环境搭建 o NVIDIA CUDA的安装 o 介绍NVIDIA Deep Learning 相关SDK工具，包括类似于Transfer Learning Toolkit，CuDNN，CuBlas, TesnorRT… o NVIDIA GPU Cloud 介绍 o 成熟的解决方案或者案例 最近开始学习深度学习（Deep Learning）技术，特别是google的Tensorflow深度学习包开源后，深度学习已经成为大数据领域的重大计算革命，配合Teras顶层框架，使得Deep learning的学习成本降低。（百度也开源了飞桨开源平台也不错） 目前Deep learning技术应用越来越广，一切数据都是图，CNN卷积神经网络技术充满了神奇的计算魅力。DL技术广泛应用于：图像处理、人脸识别、自动驾驶、聊天机器人、AI人工智能、机器语言翻译、图片推荐系统、声音处理、音乐作曲、机器写作等领域。 现今，日益完善的深度学习技术和

一直想使用电脑控制tello无人机飞行，研究了一天，参考了一下其他博主的方法，系统使用的是Windows 10，需要安装的软件列表如下，运行起来以后发现UDP视频流延时至少半分钟，所以不能通过看视频来控制无人机。 项目 链接 FFmpeg https://ffmpeg.zeranoe.com/builds/win64/static/ffmpeg-4.2.3-win64-static.zip Python https://repo.anaconda.com/archive/Anaconda2-2019.10-Windows-x86_64.exe Curses https://download.lfd.uci.edu/pythonlibs/w3jqiv8s/cp27/curses-2.2.1+utf8-cp27-cp27m-win_amd64.whl Github https://codeload.github.com/dji-sdk/Tello-Python/zip/master 启动运行命令如下： // 发送指令 python tello_text . py commandos . txt // 无人机实时状态参数 python tello_state . py // 获取视频流 ffplay - f h264 udp : / / 0.0 .0 .0 : 11111 来源：

解决办法：无需删除cuda10.1，也无需再下载cuda10.0包，直接 conda install cudatoolkit=10.0。 https://github.com/tensorflow/tensorflow/issues/30638 cudnn安装： conda install cudnn=7.0.5 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/ ok的，不写版本会自动选版本： 来源： oschina 链接： https://my.oschina.net/u/4364008/blog/4456389

在安装之前，要确保运行Spleeter的计算机系统是64位，Spleeter不支持32位的系统。如何查看？ 因为在linux环境下安装spleeter相对要简单很多，这篇教程先以Ubuntu20.04系统介绍安装教程。（在win系统下可以使用VMware虚拟机安装Ubuntu，之前永恒君也写过教程。） 在安装好Ubuntu20.04系统之后，就可以开始下面的步骤了。 安装步骤 1、下载并安装Anaconda 1-1 下载 Spleeter是基于python语言的工具，而Anaconda就是可以便捷获取python包且对包能够进行管理，同时对环境可以统一管理的发行版本，可以大大减少因为包等依赖项的问题而造成的困扰，提升效率。可以简单理解，Anaconda可以更方便的进行安装Spleeter。 进入官网https://www.anaconda.com/products/individual 选择linux - Python 3.7 - 64-Bit (x86) Installer 如果上面的网站访问慢的话，可以试试这个清华大学的镜像站https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 选择linux的即可 下载下来是一个以 .sh 结尾的文件，这个是在linux系统中的脚本文件，类似于windows系统中的 .exe 文件。 1

一： 安装命令jupyter： pip install jupyter 如果缺少依赖，缺啥装啥 二： 运行 jupyter notebook 首先，查看一下自己是否已经安装成功，在终端输入： jupyter notebook 如果运行成功，结果如下： [I 09:03:15.177 NotebookApp] JupyterLab beta preview extension loaded from /home/winddy/anaconda3/lib/python3.6/site-packages/jupyterlab [I 09:03:15.177 NotebookApp] JupyterLab application directory is /home/winddy/anaconda3/share/jupyter/lab [I 09:03:15.182 NotebookApp] Serving notebooks from local directory: /home/winddy [I 09:03:15.182 NotebookApp] 0 active kernels [I 09:03:15.182 NotebookApp] The Jupyter Notebook is running at: [I 09:03:15.182 NotebookApp] http:/

Python （英国发音：/ˈpaɪθən/ ）是一种广泛使用的解释型、高级编程、通用型编程语言，由吉多·范罗苏姆创造，第一版发布于1991年。相比于C++或Java，Python让开发者能够用更少的代码表达想法。比如，完成同一个任务，C语言要写1000行代码，Java只需要写100行，而Python可能只要20行。代码少的代价是运行速度慢，C程序运行1秒钟，Java程序可能需要2秒，而Python程序可能就需要10秒。 Python支持多种编程范式，包括面向对象、命令式、函数式和过程式编程。其本身拥有一个巨大而广泛的标准库。提供了非常完善的基础代码库，覆盖了网络、文件、GUI、数据库、文本等大量内容。用Python开发，许多功能不必从零编写，直接使用现成的即可。除了内置的库外，Python还有大量的第三方库，也就是别人开发的，供你直接使用的东西。当然，如果你开发的代码通过很好的封装，也可以作为第三方库给别人使用。 Python发展方向 1、WEB开发 Python拥有很多数据函数库、网页模板系统，以及与web服务器进行交互的库，可以支持web开发。Python中有各类框架，无论是简单的还是功能复杂的都应有尽有。而现在知乎、豆瓣等网站都是python提供的web服务器，证明web开发在国内发展还是不错的。目前最火的Python web框架Django, 它的优势在于性能优秀