安装jupyter notebook，并使用代码自动补全

 

安装jupyter notebook，并使用代码自动补全

anaconda安装jupyter

创建环境

conda create -n test python=3.8

激活环境

activate test

安装jupyter notebook

conda install nb_conda
codna list


安装代码补全依赖包

安装扩展包

pip install jupyter_contrib_nbextensions

安装贡献扩展

jupyter contrib nbextension install --user



启动jupyter

jupyter notebook

启动jupyter notebook，勾选Hinterland



评论

发表评论

此博客中的热门博文

使用自己的github加速源

  通过在cloudflare上面搭建自己的worker，然后使用自定义域名，就可以通过在gihub的前缀添加自己的域名进行加速，下载速度获得了提升，但是我在服务器上却无法使用，自己本地的电脑可以使用，奇怪。 项目地址： https://github.com/fscarmen2/gh_proxy 视频地址： https://www.youtube.com/watch?v=WMEqRtAvZpo 我的worker本次名称为gitcdn，使用的域名是ijiu.eu.org 前缀加速域名 https://gh.ijiu.eu.org/ 假如要git clone地址是： git clone https://github.com/fscarmen2/gh_proxy 只需在前面加上加速前缀就可以 git clone https://gh.ijiu.eu.org/https://github.com/fscarmen2/gh_proxy 带有git的ui界面的 镜像加速 ： https://gitui.ijiu.eu.org/
Read more »

申请证书

图片
一键申请SSL证书 bash <(curl -fsSL https://raw.githubusercontent.com/slobys/SSL-Renewal/main/acme.sh) ✅ Cloudflare 支持代理的端口列表（截至目前） 🔒 HTTPS（TLS）端口（自动代理） 443 （标准 HTTPS） 2053 2083 2087 2096 8443 增加请求头为域名，server name也使用域名，然后使用公钥和私钥
Read more »

wsl安装cuda

  你有 两种选择 来解决这个问题： 安装与 PyTorch 兼容的 CUDA 版本（推荐） 重新安装适配 CUDA 12.8 的 PyTorch 方案 1：安装 CUDA 11.6（推荐） 既然 PyTorch 是用 CUDA 11.6 编译的，你可以降级 CUDA 版本以匹配 PyTorch。 1. 卸载当前的 CUDA 首先，卸载 CUDA 12.8： sudo apt remove --purge cuda sudo apt autoremove 然后，删除残留的 CUDA 目录： sudo rm -rf /usr/local/cuda* 2. 安装 CUDA 11.6 使用 NVIDIA 官方仓库安装 CUDA 11.6： wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-11-6-keyring_1.0-1_all.deb sudo dpkg -i cuda-11-6-keyring_1.0-1_all.deb sudo apt update sudo apt install -y cuda-11-6 3. 配置环境变量 export CUDA_HOME = /usr/local/cuda-11.6 export PATH = $CUDA_HOME /bin: $PATH export LD_LIBRARY_PATH = $CUDA_HOME /lib64: $LD_LIBRARY_PATH 让配置永久生效： echo 'export CUDA_HOME=/usr/local/cuda-11.6' >> ~/.bashrc echo 'export PATH=$CUDA_HOME/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc 4. 验证安装 nvcc --version 输出应该包含 release 11.6 。 然后重新...
Read more »

解决v2rayN的延迟是-1的问题

图片
本博客解决为什么v2rayN的延迟是-1的问题。 错误示例： v2rayN的错误如下所示，其中延迟是-1，速度也是-1，或者速度是The operation has timed out。 错误原因 是因为https端口的原因。 如果使用了cloudflare，同时代理状态 已代理，那就是cloudflare的原因，因为免费的cloudflare只支持的HTTPs几个端口是：443,2053,2083,2087,2096,8443。 解决方法 方法一：新建节点的端口就用这个几个：443,2053,2083,2087,2096,8443。使用这几个端口新建节点，都不会有问题。如果在代理的状态下，你新建其他的端口，v2rayN就会出现延迟-1的错误。 创建节点的端口如下图： 方法二：把cloudflare的代理状态关闭，等一会，然后记得ping一下域名，如果返回的是你服务器ip，那说明代理状态关闭了，这个错误也会消失。不过网速可能会受限，有可能延迟很高，网速很慢。 我的建议是代理状态开启，因为网速提升很明显，否则真的可能就是龟速。
Read more »

量化指标计算

✅ 1. 多模态教培资源处理准确率 ≥ 85% 📌 定义： 衡量系统对文本、图像、视频、3D课件等非结构化资源的实体识别、语义标注和粒度化再构建的准确程度。 📈 目的： 确保教培资源经过处理后，信息抽取结果与人工标注一致度高，保证质量。 🧮 公式： 处理准确率 = 正确处理的资源数量 / 总处理资源数量 × 100% 💡 说明： 正确处理的资源数量 ：系统处理结果与人工标注（或标准答案）一致的样本数量。 例如实体识别中，识别出“避雷器”并正确标注为“设备名称”，算1个正确处理。 总处理资源数量 ：参与评估的全部样本数量，包含不同模态。 实际评估可使用 F1-score （精准率+召回率综合指标）进行补充说明，尤其适合文本处理任务。 ✅ 2. 系统处理延时 ≤ 2秒 📌 定义： 衡量系统完成一次教培资源处理任务所需的时间。 📈 目的： 确保系统响应足够快，适用于实时应用场景。 🧮 公式： 处理延时 = T_响应完成 − T_请求提交 💡 说明： T_响应完成 ：系统输出处理结果（如完成视频剪辑、实体识别）的时间戳。 T_请求提交 ：用户或系统发起处理请求的时间戳。 通常采用 平均延时 或 P95延时 （95%任务处理时间不超过该值）来衡量性能。 ✅ 3. 员工学习进度识别准确率 ≥ 85% 📌 定义： 评估系统能否正确判断员工是否完成学习任务、是否达标等。 📈 目的： 确保学习过程监测的智能化和准确性。 🧮 公式： 识别准确率 = 正确识别的学习状态数量 / 总学习状态数量 × 100% 💡 说明： 学习状态 ：如“已完成”、“学习中”、“未完成”或具体行为（如某视频是否观看满80%）。 正确识别指系统输出与事实一致。 可参考 LMS（Learning Management System）日志 + 人工对照表校验。 ✅ 4. 能力差距智能分析误差 ≤ 10% 📌 定义： 衡量系统对员工能力评估结果与人工（专家）评估结果之间的误差。 📈 目的： 验证能力分析的精确度，保障后续培训内容推荐的准确性。 🧮 公式（平均相对误差）： 误差 = (1/N) × ∑(|系统评估值_i − 标准值_i| / 标准值_i) × 100% 💡 说明： 系统评估值_i ：系统对员工第i项能力的评分（如变电检修能力=0.75） 标准值_i ：专家评估或人工打...
Read more »

wsl虚拟机释放文件

  # 彻底关闭 WSL2 虚拟机 wsl --shutdown # 新开一个 Diskpart 窗口 diskpart # 指定 WSL2 虚拟机磁盘镜像文件位置 # 引号内为ext4.vhdx虚拟磁盘位置 select vdisk file="D:\ubantu\wslubuntu2004\ext4.vhdx" select vdisk file="D:\WSL\Docker\wsl\DockerDesktopWSL\disk\DockerDesktopWSL\disk\docker_data.vhdx" # 只读 附加磁盘镜像文件 attach vdisk readonly # 压缩 vhdx 磁盘镜像文件 compact vdisk # 分离 vhdx 磁盘镜像文件 detach vdisk # 退出 exit
Read more »

git从本地删除代码，同时同步仓库删除代码；创建信分支并切换到该分支；获取所有的远程分支

git从本地删除代码，同时同步仓库删除代码 将删除操作加入残存区 git rm path/to/file 提交更改 git commit -m "Remove specific file" 推送到远程仓库 git push origin master 创建信分支并切换到该分支 创建新分支 git branch new-feature 切换到新分支 git checkout new-feature 也可以一步创建分支并切换 git checkout -b new-feature 查看修改 git status 添加更改 git add README.md 提交更改 git push origin new-feature 获取所有的远程分支 获取所有远程分支 git fetch origin 查看所有的分支 git branch -a 检出并创建本地‘main’分支 检出远程的‘main’分支 git checkout -b main origin/main 查看本地分支 git branch 确保分支同步 git pull origin main
Read more »

解决linux如何安装BBRplus，以及安装BBRplus版加速失败的问题

图片
linux如何解决BBR plus版加速失败 安装BBRplus的支持环境 Centos 7, Debian 8/9, Ubuntu 16/18 测试通过, 不支持 OVZ。 本文的操作环境是Ubuntu 20.04。 如果不知道自己的系统，使用命令 lsb_release -a。 解决的问题 安装BBRplus命令如下： wget -N --no-check-certificate "https://raw.githubusercontent.com/chiakge/Linux-NetSpeed/master/tcp.sh" && chmod +x tcp.sh && ./tcp.sh 如果安装BBRplus加速内核时出现sysctl: setting key "net.ipv4.tcp_congestion_control": No such file or directory该问题，直接看解决方法就可以了。 如果还没有安装BBRplus加速，先看安装BBRplus，如果没有错误就比较好，如果出现错误，一般都是上面的错误，然后看解决方法就可以了。 安装BBRplus 使用上述命令，会出现如下界面，选择2即可，安装BBRplus内核 如果安装过程出现 Abort kernel removal? 选择no。 等待完成之后，确认是否重启，选择y重启一下。 然后再次运行上述代码 wget -N --no-check-certificate "https://raw.githubusercontent.com/chiakge/Linux-NetSpeed/master/tcp.sh" && chmod +x tcp.sh && ./tcp.sh ，选择7 使用BBRplus版加速，然后让他继续安装。 如果安装出现的结果如下： 说明成功安装BBRplus加速。 如果安装加速出现了错误 ： cc1: some warnings being treated as errors ​ make[1]: *** [scripts/Makefile.build:333: /root/bbrmod/tcp_tsunami.o] Error 1 ​ make: ***...
Read more »

创建软连接

  linux创建软连接 创建文件夹的软连接，/path/to/original/file是原始的目录，后面/path/to/symlink是想创建的软连接 ln -s /path/to/original/file /path/to/symlink window创建软连接 为目录创建软连接： mklink /D "C:\link_folder" "D:\path\to\original_folder" C:\link_folder 是软连接。 D:\path\to\original_folder 是目标目录。
Read more »