安装时直接用conda install jupyter

如果不能用，提示找不到jupyter_core，要记得重启！！！！

jupyter配置文件

通过jupyter notebook --generate-config生成，在~/.jupyter/jupyter_notebook_config.py

见https://jupyter-notebook.readthedocs.io/en/stable/public_server.html

配置服务器可以被外界访问

在配置文件中，设置c.NotebookApp.ip = '*'

设置密码

jupyter notebook password

由于电脑中安装某些版本的cudatoolkit的时候会报错，所以在 https://pytorch.org/get-started/previous-versions/ 找到对应的版本，比如：

conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0

最后记得deactivate然后再activate！！！！！！

https://baijiahao.baidu.com/s?id=1663920145053509733&wfr=spider&for=pc&qq-pf-to=pcqq.c2c

https://towardsdatascience.com/installing-multiple-cuda-cudnn-versions-in-ubuntu-fcb6aa5194e2

一台华硕主板电脑网络唤醒设置：

1. 开机按下DEL键，在BIOS设置中开启PCI-E唤醒：
   
2. 升级驱动，驱动精灵中升级即可：
   
3. 设备管理器中，属性：
   
4. 设置关机网络唤醒：
   
5. 电源管理：
   
6. 安装RemoteBoot WOL软件，添加，输入IP和MAC地址（通过ipconfig /all获取），端口填9
7. 防火墙设置中，加上入站规则：
   

提示File xxx.sty not found

执行 docker exec sharelatex tlmgr install xxx

如果不行的话，用tlmgr search --global --file xxx.sty搜搜，比如：

这里名称完全一致的是ncctools。这样就知道要安装哪个包了。

参考资料：

• https://github.com/overleaf/overleaf/wiki/Quick-Start-Guide
• https://medium.com/@shuangzizuobh2/host-your-own-latex-server-a-docker-example-2787531bf93b

下载与启动

安装好docker后，下载文件https://github.com/overleaf/overleaf/blob/master/docker-compose.yml 。可以打开修改volumes: - ~/sharelatex_data:/var/lib/sharelatex这种挂载路径。

在docker-compose.yml文件的文件夹下，执行 docker-compose up

在这一过程中，会自动进行：

• docker pull sharelatex/sharelatex
• docker pull redis
• docker pull mongo
  并且会自动启动。

安装完整包

在另一个窗口中，执行：

• docker exec sharelatex tlmgr update --self
• docker exec sharelatex tlmgr install scheme-full

创建管理员账号

访问localhost\launchpad页面。

提示File xxx.sty not found

执行 docker exec sharelatex tlmgr install xxx

如果不行的话，用docker exec sharelatex tlmgr search --global --file xxx.sty搜搜，比如：

这里名称完全一致的是ncctools。这样就知道要安装哪个包了。

升级

今天忽然提示要升级，所以记录一下升级的过程。

如果手动做，升级的说明在：https://tug.org/texlive/upgrade.html

但如果重新下载，可以参考https://github.com/overleaf/overleaf/wiki/Upgrading-Containers 。但是目前还没有新的image打包好。

如果不想升级，可以参考https://github.com/overleaf/toolkit/issues/50

1
2
3
4

# tlmgr option repository ftp://tug.org/historic/systems/texlive/2020/tlnet-final
# tlmgr update --self
# tlmgr install scheme-full
# tlmgr update --all

xeCJK

需要修改 menu-compiler为XeLaTeX

字体

https://www.overleaf.com/blog/using-your-favourite-fonts-with-sharelatex-2013-04-02

比如缺少FandolSong-Regular等字体，就到 https://mirrors.tuna.tsinghua.edu.cn/CTAN/fonts/fandol/FandolSong-Regular.otf 下载，再通过共享路径等方式复制到 /usr/share/fonts .（共享路径没有用）直接上传到项目里面

该文章前提是已经下载安装好docker。将介绍neo4j、mongo、mysql数据库在docker的安装和使用。

neo4j

https://neo4j.com/developer/docker/

下载镜像：docker pull neo4j

启动

执行：docker run -p7474:7474 -p7687:7687 -e NEO4J_AUTH=neo4j/s3cr3t neo4j

浏览器使用

打开浏览器http://localhost:7474，用户名和密码分别输入`neo4j`和`s3cr3t`即可。

可以执行几句，比如：

create (p:Person {name: "Jennifer"})-[rel:LIKES]->(g:Technology {type: "Graphs"})
CREATE (p:Person)-[:LIKES]->(t:Technology)
MATCH (p:Person)-[:LIKES]->(t:Technology) return p,t

mongo

https://phoenixnap.com/kb/docker-mongodb

下载镜像：docker pull mongo

启动

首先新建一个文件夹装数据，比如我用D:\dataset\mongodb，则执行 docker run -it -v D:\dataset\mongodb:/data/db -p 27017:27017 --name mongodb -d mongo，之后会产生一行container的ID：

查看日志记录

docker logs mongodb

使用bash

docker exec -it mongodb bash

如果要退出，bash中输入exit即可

关闭数据库&重新打开

docker stop mongodb 和 docker start mongodb

GUI连接

https://www.mongodb.com/try/download/compass

下载后用mongodb://localhost:27017连接即可。

这时可以打开本地数据记录看一下：

mysql

docker pull mysql

docker pull phpmyadmin

启动

docker run -itd --name mysql-test -p 3306:3306 -e MYSQL_ROOT_PASSWORD=123456 mysql

在控制台找到docker的IP，如windows中输入ipconfig，得到的结果中，WSL的IP就是（这里是172.22.176.1）

docker run -itd --name mysql_php -p 8081:80 -e PMA_HOST=172.22.176.1 -e PMA_PORT=3306 phpmyadmin

之后访问localhost:8081即可。

https://baijiahao.baidu.com/s?id=1671028964544884749&wfr=spider&for=pc

图神经网络 GNN 把深度学习应用到图结构 (Graph) 中，其中的图卷积网络 GCN 可以在 Graph 上进行卷积操作。但是 GCN 存在一些缺陷：

1. 依赖拉普拉斯矩阵，不能直接用于有向图；
2. 模型训练依赖于整个图结构，不能用于动态图（只能处理 transductive 任务，不能处理 inductive 任务。transductive 指训练和测试的时候基于相同的图结构，例如在一个社交网络上，知道一部分人的类别，预测另一部分人的类别。inductive 指训练和测试使用不同的图结构，例如在一个社交网络上训练，在另一个社交网络上预测。）
3. 卷积的时候没办法为邻居节点分配不同的权重。

因此 2018 年图注意力网络 GAT (Graph Attention Network) 被提出，解决 GCN 存在的问题。

对节点特征向量 h 进行线性变换，可以得到新的特征向量 h’i，维度是 F’，如下所示，W 为线性变换（从旧特征到新特征）的矩阵：

节点 j 是节点 i 的邻居，则可以使用 Attention 机制计算节点 j 对于节点 i 的重要性，即 Attention Score：

Attention 做法如下，把节点 i、j 的特征向量 h’i、h’j 拼接在一起，然后和一个 2F’ 维的向量 a 计算内积。激活函数采用 LeakyReLU

https://blog.csdn.net/u010159842/article/details/105939263

GCN：图卷积，将卷积扩展到图的频域卷积

GAT：将注意力机制引入

GraphSAGE：提供了一种通用的归纳式框架，使用结点信息特征为未出现过的（unseen）结点生成结点向量

从消息传播角度考虑，可以看：

【GNN系列1】从Message Passing理解图神经网络(GCN，GraphSage，GAT) - balajia的文章 - 知乎
https://zhuanlan.zhihu.com/p/150596886

GCN是将周围的信息直接聚合，GAT是用节点之间的相似度作为Attention进行聚合

奇异值与特征值辨析 - gwave的文章 - 知乎
https://zhuanlan.zhihu.com/p/353637184

特征向量描述的是矩阵的方向不变作用(invariant action)的向量；
奇异向量描述的是矩阵最大作用(maximum action)的方向向量。（在$A$与所有单位向量$x$的乘积中，$Ax$模长是最大的）

特征值分解

$Av=\lambda v$

特征值分解是将方阵分解：$A=P\Lambda P^{-1}$，$P$中每一列是单位特征向量。其实就是从$AP=P\Lambda$转换得到的。

奇异值分解SVD

人们是如何想到奇异值分解的？ - 石溪的回答 - 知乎 https://www.zhihu.com/question/263722514/answer/1447844961

SVD其实是找到一个$Av_i=\sigma_i u_i$，相当于把一个空间的向量变换后变成另一个空间的向量。

所以$AV=U\Sigma$，其中$A$不需要是方阵

而$V$的每一列是标准正交向量，所以$V^{-1}=V^T$