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：
皮尔逊积矩相关系数（Pearson product-moment correlation coefficient，简称PPMCC或PCCs）
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
ASCII（American Standard Code for Information Interchange），也称 ANSI
A 对应的二进制数值是 01000001，对应的十进制就是65
EASCII ，在 ASCII 基础上的扩展（由原来的 7 位扩充到 8 位），它完全兼容 ASCII，额外包括表格符号、计算符号、希腊字母和特殊拉丁符号
GB2312 编码，又称 GB0，1981由中国国
https://www.latexlive.com/home ：支持快捷工具、公式模板、公式图片识别
国产收费公式&数据图工具: https://www.amyxun.com/
A