2024年09月09日
前面说到，使用python构建了自动生成Slater-Koster系数以及连接矢的代码，这一节在此基础上，构建一个六角晶格的TB模型，可以跟前文提到的两个案例和对比。这个体系是量子反常霍尔效应，
2024年09月09日
学过线性代数和深度学习先关的一定知道特征向量和拉普拉斯矩阵，这两者是很多模型的基础，有着很重要的地位，那用python要怎么实现呢？
numpy和scipy两个库中模块中都提供了线性代数的库linalg,scipy更全面些。
特征值和特征向量
import scipy as sc
#返回特征值，按照升序排列，num定义返回的个数
def eignvalues(matrix, num):
return sc.linalg.eigh(matrix, eigvalues(0, num-1))[0]
#返回特征向量
def eighvectors(matrix):
return sc.linalg.eigh(matrix, eigvalues(0, num-1))[1]2024年09月09日
让机器学习使用互联网上免费提供的大量非结构化图像集合，来帮助更好地捕捉世界的丰富性，这个想法怎么样？从图像重建 3D 对象和建筑物的过程称为运动结构 (SfM)。通常，这些图像是由熟练的操作员在受控条件下捕获的，以确保数据的均匀、高质量。考虑到各种各样的视点、照明和天气条件、人和车辆的遮挡，甚至是用户应用的过滤器，从各种图像构建3D模型要困难得多。
2024年09月09日
在机器学习领域，我们可以区分为两个主要领域:监督学习和无监督学习。两者的主要区别在于数据的性质以及处理数据的方法。聚类是一种无监督学习问题，我们希望在数据集中找到具有某些共同特征的点的聚类。假设我们有这样一个机器学习数据集:
我们的工作是找到一组看起来很接近的点。在这种情况下，我们可以清楚地识别出两组点，我们将分别把它们标记成蓝色和红色:
请注意，我们现在引入了一些额外的符号。这里，μ1和μ2是每个聚类的质心。一种流行的聚类算法为K-means，它将遵循迭代方法来更新每个聚类的参数。更具体地说，它将做的是计算每个聚类的均值（或质心），然后计算它们与每个数据点的距离。然后将后者标记为由其最接近的质心识别的聚类的一部分。重复此过程，直到满足某些收敛标准，例如，当我们看不到聚类分配中的进一步更改时。
2024年09月09日
突然接到客户电话，说是生产环境的系统磁盘容量已经不足，占用93%，需要扩容。
首先，进入到深信服超融合平台，找到该虚拟机，进行编辑，添加一块500G的虚拟硬盘。添加成功后，进入系统使用df -TH或lsblk进行查看磁盘分区信息
进入增加的硬盘，将硬盘进行分区 fdisk /dev/vdb，并保存分区vdb1
使用df -TH 或lsblk查看是否成功。
2024年09月09日
修改网络配置文件
cd /etc/sysconfig/network-scripts/
#vi ifcfg-ens160
TYPE=Ethernet
PROXY_METHOD=none
BROWSER_ONLY=no
BOOTPROTO=none
DEFROUTE=yes
IPV4_FAILURE_FATAL=no
NAME=ens160
UUID=fec95e3f-ade1-42d8-9951-a34bb83602c7
2024年09月09日
一、LVM简介
LVM是 Logical Volume Manager（逻辑卷管理）的简写，它是Linux环境下对磁盘分区进行管理的一种机制.Linux用户安装Linux操作系统时遇到的一个常见的难以决定的问题就是如何正确地评估各分区大小，以分配合适的硬盘空间。普通的磁盘分区管理方式在逻辑分区划分好之后就无法改变其大小，当一个逻辑分区存放不下某个文件时，这个文件因为受上层文件系统的限制，也不能跨越多个分区来存放，所以也不能同时放到别的磁盘上。而遇到出现某个分区空间耗尽时，解决的方法通常是使用符号链接，或者使用调整分区大小的工具，但这只是暂时解决办法，没有从根本上解决问题。随着Linux的逻辑卷管理功能的出现，这些问题都迎刃而解，用户在无需停机的情况下可以方便地调整各个分区大小。
2024年09月09日
2024年09月09日
例:
1.查看磁盘文件可用空间，发现可用磁盘空间只有30多个
[root@server tomcat-atm]# df -h
2.查看磁盘空间对的详细信息，可见有一个160G的磁盘