Misnearch的博客

修复Conda的PowerShell钩子，找到并编辑conda-hook.ps1文件，路径为F:\Lenovo\anaconda3\shell\condabin\conda-hook.ps1，打开可以看到还是D盘，修改为F盘。❗️执行pip install xxx，安装某个包的时候出现报错，显示为我有两个盘的地址，保存后重新打开powershell，可以看到不报错，执行pip 命令，成功解决。进行了许多方法， 例如删除pip重新安装pip，重新安装python，都不行，

打开Anaconda Navigator时候报错“this application failed to start because no Qt platform plugin could be initialized. Reinstalling the application may fix this problem”则找到F:\application\anaconda3\Library\plugins目录下的platforms文件夹，将该文件夹复制一份到安装目录下，即可打开。

点击select existing->conda，选择地址为：anoconda/library/bin/conda.bat，就可以选择虚拟环境了。新增环境，点击add interpreter->add local interpreter。找到Project->python interpreter。打开一个新项目，点击File->Settings。

Stochastic Differential Equation，SDE，随机微分方程是常微分方程的扩展，其项是随机过程，解也是随机过程。形容的是一个随机变量的变动过程，也就是常微分方程加上一个白噪音项。随机过程函数本身的导数不可定义。SDE可用于模拟随机模型的各种行为，如股价、随机增长模型或受热涨落影响的物理系统。随机微分方程的概念最早以布朗运动的形式提出包含微分，解微分需要用到积分。

首先在linux服务器上安装anoconda，可以直接下载.sh安装包，然后上传到服务器，使用bash Anxxx.sh，执行安装命令。，这是因为tf.random_uniform在tf2.0改名字了，使用tf.random.uniform代替。此外，nunmpy包可能附带安装最新的，需要降级一下，例如我安装的是numpy==1.23.3。是tensorflow环境下运行的，因此需要配置tensorflow环境。由于CUDA版本已经很高了，因此安装tensorflow2.x以上的即可，

在浏览github中感兴趣内容时，想要查看代码文件，还需要下载或者clone，只需要在地址中。，即可方便的查看目录及文件内容了。

如果pip不是最新的，可以使用下述命令检查并安装最新的pip。

xand targety即均方误差，回归问题解决的是对具体数值的预测，使用于回归问题下的损失函数。使用MSE损失函数，受离群点的影响较大。

浅拷贝会创建一个新对象，但它只复制顶层的内容。如果对象是嵌套结构（如列表中的列表），内层对象仍然是共享的。

进一步理解P和R，以好坏瓜的分类为例，P代表的就是被分类器分类成好瓜的样本中，确实是好瓜的比例，因此可以得到P = TP / (TP + NP)。如何利用P，R量化分类器的性能，P-R曲线不太好求，因此引入了f1-score，其越接近1，其性能越好。首先根据二分类问题，一定要了解混淆矩阵，这样就可以理解出四个关键：TP，FP，FN，TN。如上所示，上面的average参数用于多分类的情况，显然P和R，如果一大一小都不行，需要P，R都很高。对各个P，R求平均，然后再去F1。

跳转很方便，ctrl + 函数名即可。

在读取文件的时候只需要添加上读取方式，那么就会使用给定模式对文件进行内存映射，内存映射的矩阵保留在磁盘上，并不是直接全部读取到内存里。文件特别大读取起来非常慢，甚至有可能导致电脑卡死。

pdb是python内置的调试工具包，名称来源，提供交互式的调试环境，允许在代码执行时暂停程序，检查变量，执行代码行，设置断点，逐行调试等。

【代码】latex编写伪代码algorithm最后出现=0。

表示在第 2 列到第 4 列之间绘制一条水平线，线条将紧贴第 2 列的左边和第 4 列的右边。这种控制可以使得表格中的线条更加精确地排版，提升表格的美观度。在表格排版中，\cmidrule 命令用于创建部分水平线，通常用在 LaTeX 表格中来控制列之间的线条格式。\toprule和\bottomrule分别代表上和下两条粗线。\midrule代表中间的线。r（right）：在这一端不添加额外的间隔，线条将紧贴右侧列的边界。l（left）：在这一端不添加额外的间隔，线条将紧贴左侧列的边界。

利用GitHub和Jekyll构建学术个人主页，展示学者的学术成果和研究方向。从注册GitHub账号、设置Git和SSH密钥，到选择Jekyll模板并进行个性化设置，详细阐述了每个步骤。完成设置后，学者可以在个人主页上分享论文、项目，以增强学术影响力和合作机会。修改上述页面，是在yourname.github.io/_pages/about.md这里，用md语法书写个人信息即可。点击forker，创建新仓库，命名为yourname.github.io。过一会就可以看到个人主页了，是显示的默认模板。

涉及一些关键问题。

这意味着所有动词（包括短动词，如 be、is、using 和 go）、名词、副词、形容词都应大写，包括连词中的两个词，而冠词、连词和介词则小写，除非它们直接跟在冒号或长破折号后面。条目类型：BibTeX 支持多种条目类型，包括 article（文章）、book（书籍）、inproceedings（会议论文）等，每种类型都有其特定的字段，如作者、标题、出版年份等。集成和自动化：在 LaTeX 文档中，用户可以通过简单的命令插入文献引用，并在编译时由 BibTeX 自动生成完整的参考文献列表。

Overleaf是一款在线latex编辑器，不用配置本地环境。一般不会创建空项目来写论文，更多的是上传一个给定的Latex模板。编辑公式的工具，LaTeX在线：吴文中数学公式编辑器在线生成latext表格的工具，Create LaTeX tables online。

具体来说，标准差是衡量数据分布离散程度的统计量，它表示了数据点相对于平均值的平均距离。需要注意的是，标准误差与标准差不同，标准误差是估计总体平均值时，样本平均值的标准差，它通常用于统计推断。）：0.72 是实验结果的算术平均值，即所有观测值加总后除以观测值的数量得到的值。它反映了实验结果的中心趋势。表明实验结果相对一致，而较大的标准差则可能表明实验结果存在较大的变异性，可能受到多种因素的影响。不过，在大多数情况下，特别是在没有明确指出是标准误差的情况下，我们通常认为它是标准差。

回归nn.LinearyxATb。神经网络的全连接层可以调用实现。

在vscode远程资源管理中配置配置文件，如下图：然后点击左下角进行连接：点击需要连接的服务器，输入对应密码即可登录成功。

原因是因为Python在默认状态下不支持源文件中的编码。

报错：ValueError: Sample larger than population or is negative。使用 random_indices = random.sample(range(num_nodes), 5)原因：当random.sample()中的第二个参数大于列表population的元素个数，就会报错。可以使用numpy的choice方法。

该警告指正在使用的功能或方法已经被启用，并且未来可能会删除。这种输出涉及到日志输出，

PyG (PyTorch Geometric) 是建立在 PyTorch 基础上的一个库，用于轻松编写和训练图形神经网络 (GNN)，适用于与结构化数据相关的各种应用。

torch-geometric中官网给出，使用2.3版本至少需要pytorch1.12.安装其余，之前的AS-GAE，使用python3.7，安装pyg==2.0.3，参考，python3.8-110-11.3环境，需要安装pyg为2.4.0。

由纽约大学和亚马逊联手推出的图神经网络框架。

coo_matrix定以后shape就不可更改，但是data,row,col可以更改。data即元素，row,col分别是稀疏矩阵中元素的坐标位置。合并稀疏矩阵可以使用vstack()和hstack()。内存占用比csr_matrix少，易手工构建。

一些格式或者知识点的记录过程

ROC是一种被广泛使用的评价指标，ROC曲线是根据节点正确的标注信息和检测结果，将真阳性率（异常点被识别为异常）和假阳性率（正常点被识别为异常）进行对比形成的曲线。理解ROC曲线怎么绘制的：Area Under Curve 被定义为ROC曲线下与坐标轴围成的面积，显然这个面积的数值不会大于1。又由于ROC曲线一般都处于y=x这条直线的上方，所以AUC的取值范围在0.5和1之间。AUC越接近1.0，检测方法真实性越高;等于0.5时，则真实性最低，无应用价值。可能绘制出来有两种情况，一些是折线的，一些是

表格能够实现的例子：l(left)居左显示 r(right)居右显示 c居中显示。如下图：页面宽度不超出边距。

由于模型中的参数初始化例如权重参数如下图，就是随机初始化的，为了能够更好的得到论文中提到效果，可以设置随机种子，从而减少算法结果的随机性，使其接近于原始结果。设置了随机种子，产生的随机数都是相同的。值得注意的是：“随机种子和神经网络训练没有直接关系，随机种子的作用就是产生权重为初始条件的随机数。神经网络效果的好坏直接取决于学习率和迭代次数”。

在读取.pkl文件的时候，采用下面的方式进行读取，报错如下所示：通过查看.pkl。

使用ctrl + shift + D即可新增标签文件夹，然后输入文件夹名即可，之前用过edge能够一键保存所有已打开的页面，用作下次打开后方便继续使用。下次使用直接在标签文件夹中选择右键打开所有页面即可。google怎么没有找到呢，使用快捷键即可。