最近在复习高等数学，有时为了验证顺便复习下C语言，看了看自己下载收集的软件，发现C语言有一个数学工具包，是GNU开发的，叫做GSL——GNU Scientific Library，中文：C++科学计算库，主页为www.gnu.org/s/gsl/，主要是在linux环境下运行的，幸好牛人们已经做好了windows版的移植（有条件的就在linux下编译gsl喽），有：Gsl for Windows - GnuWin32 - SourceForge，https://code.google.com/p/oscats/（gsl-1.15-dev-win32.zip 5.9 MB），也可以在windows下安装MSYS或是cygwin下编译源代码获得适合在windows下运行的动态链接库等，具体的我也不太清楚，网上看了，具体的编译流程比较复杂，索性直接下载牛人们编译好的。
OpenMolcas是收费软件Molcas的开源免费版本，前两年在GitLab上开源；QCMaquis前几个月在GitHub上开源，二者结合可以做DMRG、DMRG-NEVPT2和DMRG-PDFT等方法的计算。软件的详细介绍请阅读公众号前期教程《OpenMolcas 与 QCMaquis 的安装》，文中也讲了如何联网安装。QCMaquis的详细使用请阅读官方手册
这是专门为具有 R 和 RStudio 知识的朋友设计的 Docker 教程。该介绍旨在帮助需要 Docker 进行项目的人们。我们首先解释 Docker 是什么以及为什么有用。然后，我们将详细介绍如何将其用于可复制的分析项目。
写在最后：有时间我们会努力更新的。大家互动交流可以前去论坛，地址在下面，复制去浏览器即可访问，弥补下公众号没有留言功能的缺憾。原地址暂未启用（bioinfoer.com）。
今天小编给大家偷偷分享一个我收藏了多年的PPT网站，这个网站主要以分享国外ppt,key,gslides模板为主，目前已经收录20000多套模板，包含了多种不同格式的模板，多种不同于样式与类型的：创意图形模板，数据图表，商务模板，卡通插画......等等，模板数量太多了无法一句话描述。
The GSL is a small library of facilities designed to support this set of guidelines. Without these facilities, the guidelines would have to be far more restrictive on language details.
在DEV C++中配置GSL1.8库 前面写了如何在vs2005中添加gsl，本文所所述为在dev c++中使用gsl库，由实践总结而得。 准备软件： 1、Orwell Dev C++ 5.6.2 No Compiler Setup.exe（devc++的社区升级版，很不错的） 2、gsl-1.8.exe 3、TDM-GCC4.7.1-2.exe，安装后，目录同样名为mingw32（也可以安装mingw版） 步骤如下： 1、安装完以上3个软件。 2、将 gsl 安装目录下的 bin 下 libgsl.dll，libgslcblas.dll 复制到mingw32的bin目录中，lib 下 ibgsl.a，libgslcblas.a 复制到 mingw32目录下的 lib 目录下；include 下的整个 gsl 文件夹复制到mingw32目录下的 include 目录下。 3、 打开 dev-c++,工具－编译选项－编译器，选上“在连接器命令行加入如下命令”，加入-lgsl -lgslcblas(中间有空格，即在连接时连上 libgsl.a，libgslcblas.a，gcc 可以自动识别前缀 lib 和后缀.a) 此时在用Dev C++打开一个gsl的c文件，如下所示：
为解决拓扑结构固有的次优性质，图结构学习（Graph Structure Learning，GSL）作为一种以数据为中心（data-centric）的学习方法被提出，得到了迅速的发展。尽管如此，GSL研究领域仍然缺少一个统一的基准库，这在多个方面阻碍了这个领域的进展，因此我们开发了一个全面的图结构学习基准库OpenGSL，来实现公平对比和深入探索。我们希望OpenGSL可以帮助研究者了解GSL的前沿方法，促进快速、公平的评估，并激发 GSL 领域进一步的创新性研究。
漏洞利用： https://github.com/horizon3ai/CVE-2021-21972
分子性质预测(MPP)是计算机辅助药物发现过程中一项基础但又具有挑战性的任务。近年来，越来越多的研究采用不同的基于图的模型进行MPP预测，在提高预测性能方面取得了长足的进步。然而，目前的模型只是将分子本身建模成一个图，忽略了将分子之间的关系也建模成图。
报错如下： * installing *source* package ‘gsl’ ... ** package ‘gsl’ successfully unpacked and MD5 sums ch
在内网渗透中常常会碰到VmwareVcenter，对实战打法以及碰到的坑点做了一些总结，部分内容参考了师傅们提供的宝贵经验，衷心感谢各位师傅
上一步骤得到了表达矩阵，两个样本分别是F_1yr.OC和M_1yr.OC, 所以接下来的差异分析就是比较1岁猕猴脑OC区域女性和男性的差别，差异分析的分析方法很多，主要根据前面标准化的方法，有基于counts的差异分析，也有基于标准化后的FPKM，TPM等的差异分析。 常见的R包有（摘自https://github.com/jmzeng1314/my-R/tree/master/DEG_scripts）： edgeR (Robinson et al., 2010) DESeq / qDESeq2 (Ande
App 出现意外闪退我们称之为 Crash，Crash 率是衡量 App 稳定性的一个重要指标，App 的稳定性不仅影响使用体验，甚至会造成用户流失。由于导致 App Crash 的原因和类型众多，一篇文章无法阐述清楚，也不是本文的重点，我们不做过多赘述。
To avoid signed/unsigned confusion. To enable better optimization. To enable better error detection. To avoid the pitfalls with auto and int.
"Standard" concepts (as provided by the GSL and the Ranges TS, and hopefully soon the ISO standard itself) save us the work of thinking up our own concepts, are better thought out than we can manage to do in a hurry, and improve interoperability.
SL.str.2：使用std::string_view或gsl::span<char>参照字符序列
finally is less verbose and harder to get wrong than try/catch.
我们已经多次强调了，之前推荐的清华大学镜像可能是人满为患，大家需要自己机智一点哦。
Readability. Error prevention. Efficiency.
A joining_thread is a thread that joins at the end of its scope. Detached threads are hard to monitor. It is harder to ensure absence of errors in detached threads (and potentially detached threads).
应急响应： 1、抗拒绝服务攻击防范应对指南 2、勒索软件防范应对指南 3、钓鱼邮件攻击防范应对指南 4、网页篡改与后门攻击防范应对指南 5、网络安全漏洞防范应对指南 6、大规模数据泄露防范应对指南 7、僵尸网络感染防范应对指南 8、APT攻击入侵防范应对指南 9、各种辅助类分析工具项目使用 朔源反制：
Often, the need to outlive the scope of its creation is inherent in the threads task, but implementing that idea by detach makes it harder to monitor and communicate with the detached thread. In particular, it is harder (though not impossible) to ensure that the thread completed as expected or lives for as long as expected.
大图可视化一直是大数据可视化领域的一个关键技术，当前有各种办法，但是今年出来了一个LargeVis的技术，因此对这个技术进行复现和学习一下。 前面有很多基础理论，如基本的降维理论，SNE，t-SNE可
图结构学习（Graph Structure Learning, GSL）旨在通过生成新的图结构来捕捉图结构数据中节点之间的内在依赖性和交互关系。
注意：需要将pgplot的动态库(linux中是libpgplot.so;mac系统是libcpgplot.dylib)软连接到psrsalsa的bin目录，并将psrsalsa的bin目录添加至环境，例如：
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
Because most arithmetic is assumed to be signed; x - y yields a negative number when y > x except in the rare cases where you really want modulo arithmetic.
此次主要进行了/dev/sdb从默认系统转换到lvm系统模式。期间备份恢复数据，不同磁盘下的不同分区创建pv加入同一vg组，放大lv容量，从vg中删除单个pv，通过实验验证lvm2突破了在lvm1版本时pe size大小限制vg大小的限制，自动挂载lv等。 期间经历重启由于fstab文件忘记修改导致无法开机，后进入单用户救援模式修改/etc/fstab后恢复，经过此番折腾更加深入了解了linux的磁盘文件系统模式。 1、查看现有系统信息。 [root@localhost ~]# df 文件系统 1K-块 已用 可用 已用% 挂载点 /dev/sda2 99190032 4077672 89992368 5% / /dev/sdb1 567161764 246748 537640172 1% /opt /dev/sda1 99098 12238 81743 14% /boot tmpfs 8196244 0 8196244 0% /dev/shm [root@localhost ~]# fdisk /dev/sdb The number of cylinders for this disk is set to 72891. There is nothing wrong with that, but this is larger than 1024, and could in certain setups cause problems with: 1) software that runs at boot time (e.g., old versions of LILO) 2) booting and partitioning software from other OSs (e.g., DOS FDISK, OS/2 FDISK) Command (m for help): p Disk /dev/sdb: 599.5 GB, 599550590976 bytes 255 heads, 63 sectors/track, 72891 cylinders Units = cylinders of 16065 * 512 = 8225280 bytes Device Boot Start End Blocks Id System /dev/sdb1 * 1 72891 585496926 83 Linux 2、备份数据，将原先/opt下的文件复制到新建的mkdir /optbak下，已做备份。 [root@localhost ~]# ll /opt/ 总计 32 drwxr-xr-x 2 root root 4096 01-27 15:20 disk drwx------ 2 root root 16384 01-22 15:40 lost+found drwxr-xr-x 3 root root 4096 01-23 12:54 svn drwxrwxrwx 3 root root 4096 02-02 16:50 svntongbu drwxr-xr-x 5 root root 4096 01-30 14:43 wzcs 执行cp -r /opt /optbak后 [root@localhost ~]# ll /optbak/opt/ 总计 20 drwxr-xr-x 2 root root 4096 02-08 15:48 disk drwx------ 2 root root 4096 02-08 15:48 lost+found drwxr-xr-x 3 root root 4096 02-08 15:48 svn drwxr-xr-x 3 root root 4096 02-08 15:48 svntongbu drwxr-xr-x 5 root root 4096 02-08 15:48 wzcs 3、执行umount /opt 写在文件挂载，这时/opt 目录下的文件已经看不到了，因为它所挂载的硬盘已被从文件系统卸载了。但是/opt目录仍然存在，只是成空文件夹了。 [root@localhost ~]# df -h 文件系统 容量 已用 可用 已用% 挂载点 /dev/sda2 95G 4.0G 86G 5% / /dev/sda1 97M 12M 80M 14% /boot tmpfs 7.9G 0 7.9G 0% /dev/shm 4、现在开始执行将原有磁盘系统转化为lvm，因为服务器原先有两块磁盘sda sdb，sda为系统盘 其中sda3已经设置为了lvm分区，sdb这块磁盘由于我只分了一个区现在我需要把它删了重建。 [root@localhost ~]# fdisk /dev/sdb T
来源：PaperWeekly本文约4500字，建议阅读10+分钟本文率先提出了无监督图结构学习的范式，旨在不依赖标签信息的条件下，从数据本身中学习更普适、更高质量的图结构。 ©作者 | Yuki 研究方向 | 推荐系统，图神经网络 论文题目： Towards Unsupervised Deep Graph Structure Learning 论文链接： https://arxiv.org/pdf/2201.06367.pdf 代码链接： https://github.com/GRAND-Lab/SUBL
在现实世界中存在大量的图结构数据，图神经网络已成为分析这些数据的标准范式，GNN 对图结构有较高的敏感性，不同的图结构得到的表征会很不一样。但是往往图数据中存在较多的噪声者图的不完整性都会使得 GNN 习得的表征较差，这不利于下游任务。
ES.100: Don't mix signed and unsigned arithmetic
图表示学习旨在将高维稀疏的图结构数据有效编码为低维稠密的向量，是机器学习、数据挖掘等众多领域的一项基础任务。经典的图嵌入方法遵循图中互联节点的嵌入向量仍然可以保持相对近距离的基本思想，从而保留图中节点之间的结构信息。然而，这是次优的，因为: (i)传统方法的模型容量有限，限制了学习性能; (ii)现有技术通常依赖于无监督学习策略，无法与最新的学习范式耦合; (iii)表示学习和下游任务相互依赖，需要共同加强。随着深度学习的显著成功，深度图表示学习比浅层(传统)方法显示出了巨大的潜力和优势，近十年来提出了大量的深度图表示学习技术，尤其是图神经网络。对当前的深度图表示学习算法进行了全面的调研，提出了一个现有的最先进文献的新分类法。系统地总结了图表示学习的基本组成部分，并通过图神经网络架构和最新的先进学习范式对现有方法进行了分类。此外，本文还提供了深度图表示学习的实际和有前景的应用。最后，本文阐述了新的观点，并提出了具有挑战性的方向，值得未来进一步研究。
本公众号之前发过《离线编译OpenMolcas+QCMaquis》一文，成功安装后可进行DMRG-NEVPT2和DMRG-PDFT计算。但其中需要编译QCMaquis、 HDF5、GSL和Boost库，过程颇为繁琐。笔者发现有的小伙伴不需要做DMRG计算，只想用OpenMolcas中最核心、最特色的功能——CASSCF、CASPT2、ic-MRCISD和MC-PDFT方法，则安装过程可以大大简化。
C.49: Prefer initialization to assignment in constructors C.49:构造函数中应该做的是初始化而不是赋值
Readability, avoidance of errors. There are better control structures for humans; goto is for machine generated code.
CP.23: Think of a joining thread as a scoped container
LeetCode刷题过程中，常常用到的线性表主要包括以下四个重要的数据结构: 数组、链表、栈、队列。
有些基因的一个mRNA前体通过不同的剪接方式（选择不同的剪接位点）产生不同的mRNA剪接异构体，这一过程称为可变剪接(或选择性剪接， alternative
Doing so messes the semantics of the objects (e.g., by overwriting a vptr).
安装必要的R语言包，如果下载速度比较慢，可选国内清华的R语言镜像，速度extremely fast
C arrays are less safe, and have no advantages over array and vector. For a fixed-length array, use std::array, which does not degenerate to a pointer when passed to a function and does know its size. Also, like a built-in array, a stack-allocated std::array keeps its elements on the stack. For a variable-length array, use std::vector, which additionally can change its size and handles memory allocation.
译者注：半开是数学概念，指的是C++中的数组用[p:p+n)表示时，p指向第一个元素，而p+n则处于数组之外。
CP.24: Think of a thread as a global container
Prevention of resource leaks, especially in error cases.
经过前面单细胞免疫组库VDJ|从数据下载开始完成cellranger vdj分析（1）中的cellranger count 和 cellranger vdj的分析后，得到了单细胞转录组 和 单细胞TCR的结果数据 。考虑到样本数太多，选择既有RNA又有TCR样本的数据进行后续分析。重点解决以下三个小问题
Readability: the complete logic of the loop is visible "up front". The scope of the loop variable can be limited.
auto is the weakest concept. Concept names convey more meaning than just auto.
An array decays to a pointer, thereby losing its size, opening the opportunity for range errors. Use span to preserve size information.
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
云直播
