pandas是后续数据清理和分析的重要工具
pandas是基于numpy构建的，但支持异构的数据（不同于numpy，pandas中不同列的类型可以是多样化的，比如日期、数值、字符串等）。pandas的功能定位可以对标Excel，但相比于Excel会更加地灵活强大
pandas包含两个主要数据结构：Series和DataFrame
Series是一种类似于一维数组的对象，包含了列表、字典或一维numpy数组的很多特性；每个Series都是由一个名称（name）、一组index和一组values构
NumPy（Numerical Python）是Python用于数值计算的基础包
ndarray，提供快速向量计算和灵活的广播机制关于广播机制可参阅1.3 广播机制
ndarray数组是一个通用的同构数据多维容器，即所有元素的类型应该是相
元组tuple，小括号定义，固定长度，不可变的Python序列对象
在Python的函数中，参数传入以及结果返回都是以元组的形式实现的
列表list，方括号定义，长度可变，内容可变的Python序列对象
常用的序列函数
enumerate()示例：for i, value in enumerate(tuple_or_list)sort()：对序列或字符串进行排序zip()：对多个序列进行成对地组合（最终长度取决于最短的输入序列）reversed()：生成器，从后向前地迭代一个序列字典dict（重要），大括号定义，以键值对
提示：本书定位是专注于数据处理与分析的工具书，不涉及类和面向对象编程等概念
所以作者也推荐了三本进阶书籍：《Python Cookbook》《Fluent Python》《Effective Python》
此处加一个 #待补充 方便以后提醒自己阅读这三本书
打开解释器：在终端输入python（没反应请检查一下环境变量配置）
退出解释器：输入exit()或快捷键ctrl+D
执行python脚本：python xxxxx.py
交互式编程：在终端输入ipytho
《利用Python进行数据分析》第一版使用python2.7，出版于2012年
本书第二版使用python3.6，编写于2016年~2017年，针对pandas库的新特征进行更新
目前的笔记依赖于第三版，编写于2022年，并对pandas库的新特征进行更新
第三版在项目上尽可能与前两版保持一致，但是在细节有一些优化；同时第三版最大的一处变化是开放了在线版本，并通过git版本控制进行持久维护，查缺补漏（给作者点个赞）。
本书中所有涉及的代码和数
本文聚焦于整理汇总chatGPT引发AI热潮后，各研究机构开源的模型
收录条件：代码与模型最好都开源，部署要求低（消费级显卡）
20231012更新：发现了一
英国作家和电影制作人，内容创意制作者和网络搞怪小能手
在兼职水军帮餐厅写好评的过程中，乌巴·巴特勒发现，一个精选好评只价值10英镑
面对着越来越多的虚假好评，餐厅的生意会越来越好，而味道反倒变得不再那么重要
由此乌巴·巴特勒产生了一个大胆的想法，就是构建一个《不存在的网红餐厅》
具体操作过程：
目标：在Ubuntu 18.04配置CUDA 11.3 和 cuDNN 8.8.0
环境说明：容器内已配置显卡驱动+torch-gpu版
nvcc -Vnvidia-smirunfile(local)版本后，官网会直接给出了安装指令wget https://developer.download.nvidia.com/compute/cuda/11.3.0/local_installers/cuda_11.3.0_465.19.01_给定均值向量和协方差矩阵，可以唯一确定一个高斯分布（Gaussian distribution）
给定均值函数和协方差函数，可以唯一确定一个高斯过程（Gaussian Process，GP）
假设自变量为时间$t$，则每一个时刻$t$，高斯过程都对应着一个高斯分布
当时间$t$是连续型变量时，整个高斯过程便对应着无数个高斯分布，所以高斯过程可看作无限维高斯分布
高斯分布的两