for i in df.columns:df[i] = df[i].str.extract('(\d+)')

错误放在最开始：//原来头文件是这么写的：public:inline bool operator==(Snapshot const&);//后来的cpp文件是这么写的：inline bool Snapshot::operator==(Snapshot const&snap) {然后报错是这样的：undefined reference to `Snapshot::operator==

在order by后面加一个limit 1select...from...orderby...limit 1

一个比较简单的办法就是这样的df=pd.read_csv('file.csv',header=0,index_col=0) 

在PyCharm上使用SSH端口转发的调用远程Python环境其实就是一个端口转发的事情，比较简单

1:查看内核列表sudo dpkg --get-selections |grep linux-imagelinux-image-4.4.0-21-genericinstalllinux-image-4.4.0-66-generic deinstalllinux-image-4.4.0-70-generic  deinstalllinux-image-4.4.0-71-generic  instal

感觉目前是适配于各种框架，机器学习框架，深度学习框架，都比较好用的一个调参框架参考文献：1.https://github.com/optuna/optuna-examples2.https://zhuanlan.zhihu.com/p/399174504

初学TCN——TCN详细讲解找到了几个写的非常好，讲得很清楚的网址。1.原理详解链接2.代码详解https://zhuanlan.zhihu.com/p/41513393

在这个链接这里介绍了和文本相似度检测有关的：https://paperswithcode.com/task/semantic-textual-similarity paperwithcode是一个很好的网站然后github上关于Semantic Textual Similarity的信息综合帖，https://gist.github.com/GhibliField/c3c97b742d346baa

自然语言处理的四个过程：1：把需要研究的问题在语言学上加以形式化，使之呢萌购以一定的数学形式，严格而规整的表示出来2：把这种严密的规整的问题在语言学的形式上加以形式化，使之能以一定的数学形式，严密规整的表示出来3：根据算法编写计算机程序，在计算机上加以实践出来4：对于建立的自然语言处理系统进行评测，使之不断进行改进质量和性能，满足用户的需求自然语言处理模型需要的不同平面的...