Anaconda

计算机资源准备 操作系统：mac、Linux（双系统或虚拟机） 配置：8G+内存，500G存储 配置举例： 内存 8G，DRR3-1600-16芯的4G内存条 2根 SSD 120G，特科芯 HDD 1T，希捷5200转 CPU P9600 需要安装的软件：sratoolkit, fastqc, hisats, samtools, htseq-count, R, Rstudio ubuntu操作系统准备 1 # 备份源文件，然后将默认镜像源改成清华源 2 $ 3 # 更新升级索引 4 $ sudo apt- get update 5 $ sudo apt-get upgrade # 创建软件下载目录src和软件目录biosoft（用于编译安装） $ cd && mkdir src && mkdir biosoft anaconda 简介：软件管家，快速便捷的安装软件，推荐 参考： https://zhuanlan.zhihu.com/p/25085567 http://python.jobbole.com/86236/ sratoolkit 作用：数据格式转换 介绍： sratoolkit的主要用途还是把NCBI SRA（Sequence Read Archive）数据库中的NGS序列数据从 sra 格式转换到 fastq 格式，以便于后续的数据分析。 功能：下载，操作

说明 本篇主要针对在MAC系统中Anaconda环境下，matplotlib显示不了中文的问题，提出解决Python绘图时中文显示的方法。 运行环境 macOS Mojave 10.14.6 Python 3.7.4 Anaconda Notebook 6.0.1 问题由来 使用matplotlib时作图显示不出中文，令人很别扭， 解决方法 1.在访达文件夹中搜索“Fonts”，进入字体资源库，找到Mac内置标准中文字体Arial Unicode，值得注意的是文件名并不是全名。 2.接下来需要在Anaconda中打印出所有字体全名，并找到中文字体全名为Arial Unicode MS。 代码如下： import matplotlib font_list=sorted([f.name for f in matplotlib.font_manager.fontManager.ttflist]) for i in font_list: print (i) 结果如下： 3.程序加载自符库 代码如下： plt.rcParams['font.family'] = ['Arial Unicode MS'] #正常显示中文 plt.rcParams['font.sans-serif'] = ['KaiTi']#作图的中文 plt.rcParams['font.serif'] = ['KaiTi']

本文 GitHub https:// github.com/Jack-Cherish /PythonPark 已收录，有技术干活文章，整理的学习资料，一线大厂面试经验分享等，欢迎 Star 和 完善。 一、前言 该系列文章的内容有： Pytorch的基本使用 语义分割算法讲解 先从最简单的语义分割基础与开发环境搭建开始讲解。 二、语义分割 语义分割是什么？ 语义分割（semantic segmentation） : 就是按照“语义”给图像上目标类别中的每一点打一个标签，使得不同种类的东西在图像上被区分开来。可以理解成像素级别的分类任务，直白点，就是对每个像素点进行分类。 简而言之，我们的目标是给定一幅RGB彩色图像（高x宽x3）或一幅灰度图像（高x宽x1），输出一个分割图谱，其中包括每个像素的类别标注（高x宽x1）。具体如下图所示： 注意 ：为了视觉上清晰，上面的预测图是一个低分辨率的图。在实际应用中，分割标注的分辨率需要与原始图像的分辨率相同。 这里对图片分为 五类 ：Person（人）、Purse（包）、Plants/Grass（植物/草）、Sidewalk（人行道）、Building/Structures（建筑物）。 与标准分类值（standard categorical values）的做法相似，这里也是创建一个 one-hot编码 的目标类别标注——本质上即为

《利用Python进行数据分析》（第二版）+中文翻译精要+配套代码和数据 链接： https://pan.baidu.com/s/1kz4DTlefVVkBpewtgomsjw 提取码：l8wi　PDF 1.1 本书的内容 本书讲的是利用Python进行数据控制、处理、整理、分析等方面的具体细节和基本要点。我的目标是介绍Python编程和用于数据处理的库和工具环境，掌握这些，可以让你成为一个数据分析专家。虽然本书的标题是“数据分析”，重点却是Python编程、库，以及用于数据分析的工具。这就是数据分析要用到的Python编程。 什么样的数据？ 当书中出现“数据”时，究竟指的是什么呢？主要指的是结构化数据（structured data），这个故意含糊其辞的术语代指了所有通用格式的数据，例如： 表格型数据，其中各列可能是不同的类型（字符串、数值、日期等）。比如保存在关系型数据库中或以制表符/逗号为分隔符的文本文件中的那些数据。 多维数组（矩阵）。 通过关键列（对于SQL用户而言，就是主键和外键）相互联系的多个表。 间隔平均或不平均的时间序列。 这绝不是一个完整的列表。大部分数据集都能被转化为更加适合分析和建模的结构化形式，虽然有时这并不是很明显。如果不行的话，也可以将数据集的特征提取为某种结构化形式。例如，一组新闻文章可以被处理为一张词频表，而这张词频表就可以用于情感分析。

有了Windows Terminal 你再也不需要其他任何终端了…… 下载 直接到Windows 10 自带的应用商店下载安装。参考： https://github.com/Microsoft/Terminal 配置ssh 参考： https://blog.csdn.net/u012814856/article/details/100536762 Online GUID 生成网站： https://www.guidgen.com/ 配置示例： { "acrylicOpacity" : 0.5, "closeOnExit" : true, "colorScheme" : "One Half Dark", "commandline" : "ssh name@ip", "cursorColor" : "#FFFFFF", "cursorShape" : "bar", "fontFace" : "Consolas", "fontSize" : 14, "guid" : "{a2922947-33e2-43df-81af-XXXXXXX}", "icon" : "ms-appx:///ProfileIcons/{0caa0dad-35be-5f56-a8ff-afceeeaa6101}.png", "historySize" : 9001, "name" : "Anaconda",

标题其实很清楚了，只不过我还是把我环境列详细一点给大家吧，第一次写博客，大佬勿喷~ 上面的连接我再发一下： Anaconda3下载： https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive Anaconda和Python对应版本见： https://blog.csdn.net/yuejisuo1948/article/details/81043823 Cuda下载： https://developer.nvidia.com/cuda-toolkit Cudnn下载： https://developer.nvidia.com/rdp/cudnn-download TensorFlow下载（需要翻墙）： https://1drv.ms/u/s!AspzPyzQ0HQR7VNCicPlnCV2abKJ TensorFlow安装问题解决： https://www.cnblogs.com/elitphil/p/11580604.html keras和TensorFlow的版本对应： https://www.cnblogs.com/carle-09/p/11661261.html 好了，上面已经介绍完环境了，那接下来说一下详细的步骤吧~~~ 一、Anaconda3安装 下载 Anaconda3-5.1.0-Windows-x86_64.exe

这是一本什么样的书？ - 以Python语言为基础，配合原理、方法、案例进行讲解 - 专注预测专题，体系化介绍预测技术工程实施的必备技能 - 深度剖析预测原理，细致解读数据分析算法 这本书长啥样？ Panda - 熊猫 Pandas是Python中一个重要的分析库，我们用它来完成数据科学的一些任务。 本书主要内容 Python是一种面向对象的脚本语言，其代码简洁优美，类库丰富，开发效率也很高， 因此，得到越来越多开发者的喜爱，广泛应用于Web开发、网络编程、爬虫开发、自动化 运维、云计算、人工智能、科学计算等领域。预测技术在当今智能分析与应用领域中发挥着 重要作用，也是大数据时代的核心价值所在。随着AI技术的进一步深化，预测技术将更好 地支撑复杂场景下的预测需求，其商业价值不言而喻。基于Python来做预测，不仅能够在 业务上快速落地，还让代码维护起来更加方便。对预测原理的深度剖析和算法的细致解读， 是本书的一大亮点。 本书共分为三部分。第一部分讲预测基础，主要涵盖预测概念理解、预测方法论、分析 方法、特征技术、模型优化及评价，读者通过这部分内容的学习，可以掌握进行预测的基本 步骤和方法思路。第二部分讲预测算法，该部分包含了多元回归分析、复杂回归分析、时间 序列及进阶算法，内容比较有难度，需要细心口味。第三部分讲预测案例，包括短期日负荷 曲线预测和股票价格预测两个实例

Python 之所以强大，除了语言本身的特性外，更重要的是拥有无所不及的第三方库。强大的软件库，让开发者将精力集中在业务上，而避免重复造轮子的浪费。但众多的软件库，形成了复杂的依赖关系。今天我们就来了解下 Python 虚拟环境. 一些概念 Python 虚拟环境，涉及到很多概念和工具，会对使用造成困扰和障碍，所以我们先了解一些概念和与之相关的工具 python 版本 Python 版本指的是 Python 解析器本身的版本。由于 Python3 不能与 Python2 兼容，而且两大阵营之争持续了很长时间，导致一些软件库需要设配两种版本的 Python，同时开发者可能需要在一个环境中，部署不同版本的 Python，对开发和维护造成了麻烦。因此出现了版本管理器 Pyenv，类似于 nodejs 的 nvm，可以创建出相互隔离的 Python 环境，并且可以方便的切换环境中的 Python 版本，但和 Python 虚拟环境关系不大 python 包库 包库或者叫软件源是 Python 第三方软件的库的集合，或者市场，可以发布、下载和管理软件包，其中 pypi (Python Package Index) https://pypi.org/ 是官方指定的软件包库，基于其上的 pip 工具就是从这里查找、下载安装软件包的。为了提高下载速度，世界上有很多 Pypi 的镜像服务器