毒战士

Always On The Way

MySql基本使用命令

数据库操作 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 mysql -u<root> -p<password> -- 链接数据库 exit/quit/ctrl+d -- 退出数据库 mysqldump -u<root> -p <database_name> > <ssssss>.sql; -- 备份 mysql -u<root> -p <database_name> < <ssssss>.sql; -- 恢复 select version(); -- 显示数据库版本 select now(); -- 显示时间 show databases; -- 查看所有的数据库 create database <database_name>; -- 创建数据库 create database <database_name> charset=utf8; -- 创建数据库,使用utf8编码 show create database <database_name>; -- 查看创建数据库的语句 select database(); -- 查看当前使用的数据库 use <database_name>; -- 使用数据库 drop database <database_name>; -- 删除数据库

Nifti, Cifti, Gifti文件简短的介绍

Update: 下载Connectome Workbench,使用 wb_command -file-information <filepath> 来看以下文件的简单信息. 或者直接使用txt软件打开文档 nifti官方介绍, 在document可以找到该文件format文档. cifti官方介绍, gifti官方介绍, gifti是nifti的一部分. HCP datasets wiki

Zotero - 简单配置使用

文献管理全部迁移到来了Zotero上,采用了Zotero + Onedrive + ZotFile

基于fmri数据构建脑功能连接图

最近用到了脑连接图,为了较快的达到这一目的,我采用了不求甚解的浏览资料,导致许多神经方面知识并不理解,稍后可能会补一些认知神经科学方面的知识。 基于fMRI数据构建脑功能连接图主要分为三个步骤: 获取节点(脑分区),有各种标准的分区方法比如AAL90, AAL116, Brodmann82, Power264等。只要选定了分区方法,那么就确定了节点; 利用fMRI数据以及节点获取连接矩阵; 通过连接矩阵和节点以及节点坐标获取脑图(可选);

Linux 中的归档和压缩小记

归档和压缩一样,都是指的是一个文件和目录的集合,这个集合被储存在一个文件中,不同的是储存方式不同,归档没有经过压缩,它占用的空间是其中所有文件和目录的综合,而压缩经过了压缩,因此所占用的磁盘比集合中所有的文件大小总和要小。通常,归档总会和系统数据备份联系在一起

Python 全面备忘录

Python cheatsheet

Deep Learning for Network Biology 的一些思索和疑问

[TOC] 教程来自–ISMB 2018 Tutorial: Deep Learning for Network Biology 该教程在第0部分简单介绍了网络以及分析网络的‘方法’,并简要说明了网络的特点:任意大小和复杂的拓扑结构。从而引出了现代处理网络较为常用的方式,节点嵌入、图网络、异构网络,第1,2,3章分别介绍了这三类方式。第四章主要是生物网络分析的建议以及未来的挑战,也给出了一些演示。 我将会记录一些要点、需要扩展的知识以及疑问。

深度学习与网络生物学

《Deep Learning for Network Biology》教程记录。 [TOC] 前言 生物网络是强大的资源,可用于发现从单细胞到种群水平的生物系统中的相互作用和新兴特性。网络方法已被多次使用,以合并和扩增来自单个基因的信号,并已导致生物学上的非凡发现,包括药物发现,蛋白质功能预测,疾病诊断和精密医学。此外,这些方法在发现新生物学方面显示出广泛的实用性,并为湿实验室实验中的新发现做出了贡献。 因此希望能够利用机器学习以及深度学习研究生物网络,或者说网络吧。

Linux初始环境配置

目录: [TOC] 虽然我们可以备份Linux相关的配置以及软件,然而万事总有万一,因此掌握裸机配置环境也是必不可少。不可否认的是,所有的问题确实都可以谷歌搜索解决,但是对这些问题进行一个总结对之后再次遇到该问题将会节省很多的时间。

Linux中的一些问题总结

目录: [TOC]

深度学习之正则化

记录了本人关于《Deep Learning》的读书笔记,仅仅为了个人形象直观的理解,望周知;

深度学习之深度前馈网络(多层感知机)

记录了本人关于《Deep Learning》的读书笔记,仅仅为了个人形象直观的理解,望周知;

深度学习基础理解-机器学习

记录了本人关于《Deep Learning》的读书笔记,仅仅为了个人形象直观的理解,望周知;

深度学习基础理解-数学

记录了本人关于《Deep Learning》的读书笔记,仅仅为了个人形象直观的理解,望周知;

w3m简短教程-快捷键

w3m能够保证liunx在终端使用WEB,

巧用torch.backends.cudnn.benchmark减少训练时间

大家在训练深度学习模型的时候,经常会使用 GPU 来加速网络的训练。但是说起 torch.backends.cudnn.benchmark 这个 GPU 相关的 flag,可能有人会感到比较陌生。在一般场景下,只要简单地在 PyTorch 程序开头将其值设置为 True,就可以大大提升卷积神经网络的运行速度。既然如此神奇,为什么 PyTorch 不将其默认设置为 True?它的适用场景是什么?为什么使用它可以提升效率?答案就在本文之中.

PyTorch Hook 简单教程

引言 首先贴一段维基百科中对钩子的定义: 钩子编程(hooking),也称作“挂钩”,是计算机程序设计术语,指通过拦截软件模块间的函数调用、消息传递、事件传递来修改或扩展操作系统、应用程序或其他软件组件的行为的各种技术。处理被拦截的函数调用、事件、消息的代码,被称为钩子(hook)。

Python高级特性之列表生成式、生成器、迭代、可迭代对象与迭代器

引言 在Python有几种高级特性比较重要,比如切片,迭代,列表生成式子,可迭代对象,生成器以及迭代器。本文主要讲解后面四种高级特性。

git 命令大全

git是目前世界上最先进的分布式版本控制系统,这篇文章主要记录经常用到的有关git的操作。

anaconda 命令大全

Anaconda命令大全