首先,假设这样一个场景,我们在一个小实验室。最近,终于用经费买了带GPU的服务器,于是再不用去超算和大家排队抢计算资源了。但是,现在我们得先知道如何使用服务器,来训练我们模型才行,不然也只会对着金山光流口水。

创建完毕目录会多了个.git的隐藏文件夹

先读取数据,然后取到每一行的2.3.4列,每一列写入一个列表(现在有些后悔,不该写那么多数据进来),然后3个列表合并一个总列表,这样我们就有了4个列表,取出每一个列表中出现次数最多的那个数字,代码如下:

图片 1

修复bug时,我们会通过创建新的bug分支进行修复,然后合并,最后删除;当手头工作没有完成时,先把工作现场git
stash
,然后去修复bug,修复后,再git stash pop,回到工作现场。

数据来源自己看吧~用外链通不过。。。

自己比较喜欢的学习资源,是被称为 TLCL (The Linux Command Line)
的一本很赞的书,有中文翻译版,先快速照着书练习一遍就好了,之后可以回头细细看。

$ git checkout -b devSwitched to a new branch 'dev'

图片 2

图片 3image

  1. 把dev分支的工作成果合并到master分支上

因为赶时间下班。。就全部用了列表推导式,也没有用pandas库或者可视化库做出很炫酷的图表,等我研究出完美的预测方案的时候在做,不过依现在的趋势,是没什么希望了。。。

第一步,我们得连接上服务器,并使用那边的终端。

1、构建列表。因为存入excel文件的时候用的是列表,所以新建一个函数,分别取网页5个数据:时间、期数、开奖数123,然后每一页嵌套写入列表类似结构为[[时间、期数、开奖数1,2,3],[时间、期数、开奖数1,2,3]……],在循环页数,获取所有的数据!注意构建列表的形式和列表结果,这个在你写入表格的时候很重要!

在 Windows 系统,可以试试常用的 PuTTY。但我个人更推荐目前在用的
Xshell,在一些设置上更加方便。而且虽然这是款商业软件,但我们可以申请研究免费许可。当然,还有种是直接在
Windows 上用 shell 命令行,通过安装 Cygwin 。

$ git statusOn branch masterYour branch is ahead of 'origin/master' by 2 commits. (use "git push" to publish your local commits)You have unmerged paths. (fix conflicts and run "git commit") (use "git merge --abort" to abort the merge)Unmerged paths: (use "git add <file>..." to mark resolution) both modified: readme.txtno changes added to commit (use "git add" and/or "git commit -a")

最后要说的是,从开始研究分析各种数据到现在习惯性的买彩票,没中过大奖(超过200的都算大奖)!果然童话都是骗人的……还是学python比较好玩!

关于 Python 的资源就更数不胜数,这里列出几个我用过的非常棒的学习资源:

  1. 用git stash apply从储存恢复到工作现场,恢复后stash内容并不删除

  2. 用git stash drop命令来删除储存

  3. git stash pop = git stash apply + git stash drop

所用库:xlwt,requests,lxml

常用的几个命令也就创建,分屏,还有切换。

图片 4

数据和模型都搞定了,终于可以跑程序了吧。是的,恭喜你,可以跑动自己第一个程序了。

  1. 开发一个新实验功能,最好新建一个分支;
  2. 如果要丢弃一个没有被合并过的分支,可以通过git branch -D
    <name>
    强行删除;

其他方面都很简单,没有反爬,就是为了获取数据,好做分析!

Tmux
是个在终端窗口中分屏,运行多个终端会话的工具,同时还能随时断开会话放入后台,或者接入。

$ git clone git@github.com:lanbin/learngit.gitCloning into 'gitskills'...remote: Counting objects: 3, done.remote: Total 3 , reused 0 , pack-reused 3Receiving objects: 100% , done.

图片 5

这样对于跑程序相关的就一切都 OK 啦,无论是想跑一个,还是同时跑 n
个,随你喜欢。

  1. 切换回master分支

就写了一个抓热门数字的,也就是取频率最高的。如果您有更好的想法或者玩法,可以自行去实现哦!

跟着 Python 语言,再介绍几个基于 Python
的主流深度学习框架。框架部分我就不说孰好孰坏了,稍微点一下,说说自己用过的:

$ git stashSaved working directory and index state WIP on dev: f52c633 add merge

用xlrd库就可以~话说xlwt库和xlrd库好像就是一个写数据,一个读数据。。。

于是这样,就可以开始写代码了。

$ git merge devUpdating d46f35e..b17d20eFast-forward readme.txt | 1 + 1 file changed, 1 insertion

最后大概有4840行数据,足够我们分析的了!

会了 Python 之后,此刻你可能撸起袖子准备大干特干了。来!用 Python
从底层实现一个深度学习模型!3秒钟让你从入门到放弃。所以最好还是拿来主义
,用已有成熟的深度学习框架就好了(值得一提:用 Python 还有 Numpy
从底层实现,其实对理解深度学习非常有帮助)。

  1. 用git branch命令查看当前分支

图片 6

但跑程序的时候,当前终端窗口就会被占用了,不能干其他事情,比如说跑第二个程序,或进行文件操作。这时你得建立额外的窗口再次连接服务器。每次都这样会特别麻烦,所以就需要一个在服务器端直接进行分屏的小应用。

最后excel表中的数据是这样的:

最初,我从 Windows 转过来也费了很多劲。先是在东芝实习时,需要研究 Linux
内核,就稍微接触了一些。但之后又不用了,直到最近需要在 GPU
上跑程序,重新捡起来,时间一长,就习惯了。

$ git log --graph --pretty=oneline --abbrev-commit* cf810e4 (HEAD -> master) conflict fixed|\ | * 14096d0  AND simple* | 5dc6824 & simple|/ * b17d20e branch test* d46f35e (origin/master) remove test.txt* b84166e add test.txt* 519219b git tracks changes* e43a48b understand how stage works* 1094adb append GPL* e475afc add distributed* eaadf4e wrote a readme file

有几点需要注意的:

使用时,先需要在服务器端搭建 Notebook 服务器,然后直接浏览器访问。

$ git branch -d devDeleted branch dev (was b17d20e

2、写入数据。xlwt写入文件的方法为ws.write,按行写入文件,所以新建一个变量line,每写入一行自增1。

说到 Git 就得提 GitHub,超级神器。主要是用来托管代码的,可以用过 Git
将代码推到 GitHub,之后自己使用或用于共享。GitHub
还有一个很厉害的功能是,找代码。如果你想做任何东西,或者实现论文代码,做之前可以先搜搜
GitHub,总会有你意想不到的收获。

图片 7

  1. Udacity 的 101 Intro to Computer Science:很棒的 CS
    入门课程,因为里面用 Python 来写代码,所以上完之后 Python
    基础也学差不多了。

  2. 还有 MIT 的 Introduction to Computer Science and Programming Using
    Python,也是计算机科学与 Python,但比上面讲得更深一些。

  3. 中文资料,我推荐廖雪峰的 Python 教程,和前两个不同。这个主要讲
    Python,看看前面部分,网络编程后的不看也行。

  1. 查看分支:git branch
  2. 创建分支:git branch <name>
  3. 切换分支:git checkout <name>
  4. 创建+切换分支:git checkout -b <name>
  5. 合并某分支到当前分支:git merge <name>
  6. 删除分支:git branch -d <name>

第1个数字频率最高的是 [3]

第2个数字频率最高的是 [6]

第3个数字频率最高的是 [8]

单个数字频率最高的是 [3]

OK,现在就能写出自己的模型,然后在 GPU 上跑了。但对于深度学习任务,除了
GPU
计算资源,还有一个很重要的是数据。》直接进行数据处理,当然厉害的大触们是可以做到的,但对于一般人,我推荐有很好交互性的工具,Jupyter
Notebook。

  • HEAD指向的版本就是当前版本,因此,Git允许我们在版本的历史之间穿梭,使用命令git
    reset –hard commit_id
  • 穿梭前,用git log可以查看提交历史,以便确定要回退到哪个版本。
  • 要重返未来,用git
    reflog
    查看命令历史,以便确定要回到未来的哪个版本。

快下班了,正好准备去买彩票,就顺手写了2个脚本,一个用来下载最近的彩票数据,一个用来统计彩票数字,分享给大家!

关于 Jupyter Notebook
的介绍还有使用方法,网上有很多教程,比如说这个《Jupyter
Notebook介绍、安装及使用教程 – 知乎专栏
》。最近还发布了相关的
JupyterLab ,也可以了解一下。

  1. 从远程仓库克隆

发表评论

电子邮件地址不会被公开。 必填项已用*标注