不负热爱

记录使用pyinstaller打包含有pytorch和transformers库的程序时遇到的问题和解决方法。

有些时候因为某些原因（如本地机器资源不足、数据不能离网等），需要使用本地电脑连接远程服务器进行开发工作，在这里记录下如何在远程Linux上配置Jupyter服务器，从而在本地电脑上远程密码连接JupyterLab进行开发。

总结一句，编写程序代码时，如果只看函数的功能，有时可能会因为惯性思维导致一些自己觉得莫名其妙的错误，就像在这里，因为np.where函数的功能和if else语句的功能类似，所以也自以为其执行的逻辑也是一样的，而忘记了函数本身的执行逻辑，结果就出现错误了。所以，惯性思维是把双刃剑，有时能助你快速解决问题，有时也会给你带来一些麻烦，正确认识这一点，才能有效避免这一误区。

众所周知，数据结构在类库、编程语言甚至是整个计算机科学中都是极其重要的存在，它决定了数据的表达和承载能力、对数据的处理和操作的灵活度和高效性，也是一个类库或一门语言强大功能的其中一种表现。对于pandas这样一个专门做数据分析的类库而言，数据结构无疑是整个工具的基石，所有强大的功能和操作都是基于其数据结构实现的。前面的文章中简单提到了pandas中主要有两种数据结构：用于表示一维数据的Series用于表示二维数据的DataFrame在这里，我们对这两种数据结构做进一步的了解。

本文使用pandas展示了一些例子，走马观花地看看pandas的一些功能和操作。这些示例基本上涵盖了pandas大部分的内容，通过这些示例，可以直观地感受下pandas的强大。

pandas入门之pandas安装

pandas是一个快速、强大、灵活且易于使用的开源数据分析和操作工具，构建在Python编程语言之上，其提供了快速、灵活和富有表达性的数据结构，旨在使得处理关系型或有标签的数据变得简单直观。它旨在成为在 Python 中进行实际的、真实的数据分析的基本高级构建块。此外，它还有更广泛的目标，即成为任何语言中最强大、最灵活的开源数据分析/操作工具。它已经在朝着这个目标迈进。

链式索引赋值会产生不可预测的行为，要避免使用链式索引，改为使用.loc。

记录从tensorflow 1.x升级到2.x遇到的问题和解决方法

使用anaconda+jupyter搭建深度学习开发环境，可以很方便地创建不同的python虚拟环境，也可以随时切换，提高开发的效率和便利性

函数默认参数和元组使用过程可能会遇到的坑

使用pip安装pip --default-timeout=6000 install package-name使用 conda安装conda config --set remote_read_timeout_secs 6000conda install package-name