Anaconda介绍、安装及使用教程〇、序Python是一种面向对象的解释型计算机程序设计语言，其使用，具有跨平台的特点，可以在Linux、macOS以及Windows系统中搭建环境并使用，其编写的代码在不同平台上运行时，几乎不需要做较大的改动，使用者无不受益于它的便捷性。此外，Python的强大之处在于它的应用领域范围之广，遍及人工智能、科学计算、Web开发、系统运维、大数据及云计算、金融、游戏

执行 from sentence_transformers import SentenceTransformer, models报错 cannot import name ‘is_nltk_available’ from ‘transformers.utils.import_utils’

安装环境运行模型时报错：CUDA call failed lazily at initialization with error: device >= 0 && device < num_gpus INTERNAL ASSERT FAILED at “…/aten/src/ATen/cuda/CUDAContext.cpp”:50, please report a bug to PyTorch.

主成分分析（PCA）一、PCA算法是如何实现的？简单来说，就是将数据从原始的空间中转换到新的特征空间中，例如原始的空间是三维的(x,y,z)，x、y、z分别是原始空间的三个基，我们可以通过某种方法，用新的坐标系(a,b,c)来表示原始的数据，那么a、b、c就是新的基，它们组成新的特征空间。在新的特征空间中，可能所有的数据在c上的投影都接近于0，即可以忽略，那么我们就可以直接用(a,b)来表示数据，

Canny边缘检测算法一、边缘检测的步骤1）滤波： 边缘检测的算法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。常见的滤波方法主要有高斯滤波、均值滤波等。2）增强： 增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来。在具体编程实现时，可通过计算梯度幅值来确定。一般用sobel算

图像的放大和缩小一、知识简介在计算机图像处理和计算机图形学中，图像缩放（image scaling）是指对数字图像的大小进行调整的过程。图像缩放是一种非平凡的过程，需要在处理效率以及结果的平滑度（smoothness）和清晰度（sharpness）上做一个权衡。当一个图像的大小增加之后，组成图像的像素的可见度将会变得更高，从而使得图像表现得“软”。相反地，缩小一个图像将会增强它的平滑度和清晰度。二

Building wheel for flash-attn (setup.py) ... errorerror: subprocess-exited-with-error× python setup.py bdist_wheel did not run successfully.│ exit code: 1╰─> [9 lines of output]fatal: not a git reposi

pandas中经常用的是 DataFrame.to_dict() 函数将dataFrame转化为字典类型（字典的查询速度很快）函数DataFrame.to_dict(orient=‘dict’, into=)dataFrame.to_dict() 结果默认 index 是 key ,其他字段是和 index 对应的 value结果：3、 orient =‘list’orient =‘list’ ，

这是由python中的后端包之一的兼容性问题引起的问题，包“pydantic”执行下面命令可以解决。

特征选择与特征提取一、特征的选择1、原始特征在描述对象的时候模式识别中把每个对象都量化为一组特征来描述，构建特征空间是解决模式识别问题的第一步，其中通过直接测量得到的特征称为原始特征。如： - 人体的各种生理指标（以描述健康状况） - 数字图像中的每点的灰度值（以描述图像内容）原始特征的形成一般包含三大类：物理、结构和数学特征物理和结构特征：易于为人的直觉感知，但是有时难以定量描述，因此不利于机器