pandas是一个提供快速、灵活、表达力强的数据结构的Python库，适合处理‘有关系’或者‘有标签’的数据。在利用Python做数据分析的时候，pandas是一个强有力的工具。pandas库有两种数据结构，Series和DataFrame。前者适合处理一维数据，也就是单变量；后者适合分析多维数据，不过也仅仅只能是二维。在掌握DataFrame的操作后，自然也就熟悉了Series的操作，因而不描述

随着科技的发展，远程办公已经是一种趋势，远程开发能力对于每一个程序员来说都是必不可少的。有时候就算在公司，在进行开发的时候有许多的数据都是储存在服务器上的，所以在服务器上开发显得省时省力。pycharm是一个功能非常强大、外观很是漂亮，使用起来得心应手的Python开发工具，它为开发者提供了远程同步并调试的功能。最近几天尝试使用了该功能，记下此刻，和大家一起分享。

nilearn是一个将机器学习、模式识别、多变量分析等技术应用于神经影像数据的应用中，能完成多体素模式分析（MVPA:mutli-voxel pattern analysis）、解码、模型预测、构造功能连接、脑区分割、构造连接体等功能。一般用于处理功能磁共振图像（FMRI）、静息状态（resting-state）,或者基于体素的形态学分析（VBM）.对于机器学习专家来说，nilearn的价值体现在

1. 问题描述在win系统下apache部署https的时候需要生成自签名证书（完整部署过程参考：https://www.cnblogs.com/hld123/p/6343437.html），这时候需要用到openssh，第一步的命令为：openssl genrsa 1024 >server.key这时候生成了可以，不过由于系统是win，key的文件格式不是utf-8，所以在第二个命...

现在很多服务器配置都是单机上配有多个GPU卡。tensorflow默认占用全部的gpu的显存，但是只在第一块GPU上进行计算，这样对于显卡的利用率不高。1. 指定运行GPU，不占用其他gpu的显存。import osos.environ["CUDA_VISIBLE_DEVICES"] = "0,1" # 指定gpu编号，从0开始这样可以在不同的卡上运行不同参数的程序，达到调参的目的。2...

通过前面的学习了解，我们知道最原始的Fmri数据是4维的，包含三围的空间信息和一维的时间。在实际应用中，我们更多的是利用大脑图像时间序列做研究分析，因为无法直接使用fmri数据做相关研究。在我们使用数据之前，我们需要对原始数据做一些数据预处理和变换。1.mask在所有的分析之中，我们第一步所做的事儿都是把四维fmri数据转换为二维矩阵，这个过程称为MASK。通俗的理解就是提取我们能利用的特征

本文介绍python中if...else..条件判断以及while...循环和for...的语法格式和使用方式，属于python入门基础。

一般来说，python中常用的数据结构是：列表（list）、字典（Dict）、元组（tuple）。但是我们常常还会看到另外一种结构：集合（set）。个人认为，字典（dict）就是一种特殊的集合（set），它特殊的地方是集合的元素之间有一对一的对应关系。集合，在定义上来说就是无序不重复的元素集，set里面可以是多种数据类型（但不能是列表，集合，字典，可以是元组）。

卡方检验(chi-square，记为χ2\chi^2检验)是统计学中常用来计数数据分析的方法，对于总体的分布不作任何假设，因此它属于非参数检验法中的一种。本博文从理论到实际应用去阐述卡方检验，最后用python语言去实现卡方分布的代码。

文章目录1. 概要2. 更新说明2.1 v2.0正式版2.1.1 keras作为高级API2.1.2 编程方式发生变化2.1.3引入分布式策略2.1.4 API命名改变2.1.5 tf.data2.1.6 模型保存2.1.7 优化器2.1.8 移除tf.contrib1. 概要本教程来自TensorFlow官方示例，以及结合自己使用经验。TensorFlow被定义为一个端到端的开源机器学习平...