报错原因：如果使用的是conda安装的g++，可能与系统库不兼容。尝试 切换到系统默认编译器。

如果需要debug需要安装vscDebugger，安装方式如下图所示（参考文献【4】），如果安装的时候报错见参考文献【2】。推荐使用anaconda或者miniconda，创建虚拟环R_env境然后安装R；第七条：的具体操作见参考文献【5】【8】

小提琴图 (Violin Plot)是用来展示多组数据的分布状态以及概率密度。这种图表结合了箱形图和密度图的特征，主要用来显示数据的分布形状。箱形图的绘制主要包含六个数据节点，需要先将数据从大到小进行排列，然后分别计算出它的上边缘，上四分位数，中位数，下四分位数，下边缘，还有一个异常值。箱形图绘制须使用常用的统计量，能提供有关数据位置和分散&情况的关键信息，尤其在比较不同的母体数据时更可表现其差异

[1][2]Python单细胞分析数据结构——AnnData[3]scanpy 单细胞分析包图文详解 01 | 深入理解 AnnData 数据结构[4]Scanpy(一)AnnData数据结构与一些API用法介绍

  正态分布又称为高斯分布，它在机器学习和深度学习中非常常用。如正态分布的叠加性和正态分布的标准化等，在VAE模型中重参技巧就用到了正态分布知识，特别是在高维数据中高维的正态分布更是常用。因此，准备梳理一下相应的知识，其中内容多有参考其他博客，一并在参考文献中给出链接。  正态分布（Normal distribution），又名高斯分布（Gaussian distribution）。若随机变量XX

本文为自己自学内容的记录，其中多有借鉴别人博客的地方，一并在在参考文献中给出链接，其中大部分截图来自李宏毅深度学习PPT课件。本文前置知识高斯混合模型和EM算法，如果不了解这两种算法直接看VAE模型会有理解上的障碍。其实那么多数学公式推导，我自己都有点晕，但是本质上就是用自编码器去产生很多高斯分布，去拟合样本的分布，然后某个x对应的高斯分布里采样z，然后复原成x，跟GAN区别就是这个是完全去模仿分

[1]Pytorch自定义网络结构+读取自己数据+自定义Loss 全过程代码示例[2]pytorch系列教程(四)-自定义损失函数[3]动手学习深度学习pytorch版——从零开始实现YOLOv1

  有些程序需要matlab运行，而matlab2017b是常用的容易破解的版本。所以我经常用matlab2017b，下面附上下载以及安装破解教程，**记住一定得在断网情况下安装。**具体在参考资料[1]中。参考文献[1]matlab2017b安装步骤...

参考文献【1】是数学上的解读参考文献【2】是升级版本，有空来填坑。

[1]论文详解：Contrastive Multi-View Representation Learning on Graphs[2]图对比学习的应用（NCL，SimGRACE，ClusterSCL）