本文主要基于Python的Numpy库，介绍一些爱因斯坦求和算子Einsum的应用场景，包括求和、求内外积、求转置等等。我们需要明确的是，爱因斯坦求和算子的意义主要在于矩阵的多重运算时，可以通过爱因斯坦求和约定将这种复杂问题定义成一个张量网络，通过图模型去找到一个更好的缩并路径，以得到更好的算法复杂

在软件版本快速迭代的过程中，经常会遇到一些接口变化问题。而如果需要兼容旧版本的话，就需要使用到版本判断的方法。判断清楚版本号属于哪一个区间，再对不同的版本号区间采取不同的算法或者执行策略。Python中预先内置的LooseVersion就是一个很好的版本号比对工具，不仅仅可以对相同位数或者相同类型的

解决了Python调用CUDA算子的so动态链接库中，无法找到cufft的cufftExecR2C函数的问题。

Python本身是一门比较灵活便捷的编程语言，但是便捷往往有可能伴随着一些风险，比如exec和eval等内置函数的实现，有可能导致sandbox escaping的问题。而有时候我们又需要一些批量化的操作，比如批量化的创建或者修改局部、全局或者是成员变量，这样就需要我们首先要把所有的变量名存成字符串

本文所解决的问题场景是这样的：如果给定一个字典，比如一般从json文件或者npz文件中加载出来的数据都是字典的数据结构，如果我们希望把这个字典赋值给一个类，且使得字典的key和value分别作为类的成员变量名和成员变量值，那么该如何实现呢？对于一个展平的字典而言（没有嵌套字典），我们直接使用upda

本文主要通过一个实际的案例，介绍了如何可以在命令行中调用和运行我们的python模块。“python -m”这个方案为我们提供了一个新的选项，这个运行方法以“__main__.py”文件为入口文件运行，结合python中常用的命令行工具argparse，我们就可以很容易的创建一个可以通过命令行运行和

技术背景 在各种编程语言中都有可能会遇到这样一个报错：“段错误 (核心已转储)”。显然是编写代码的过程中有哪里出现了问题，但是这个报错除了这几个字以外没有任何的信息，我们甚至不知道是哪一行的代码出现了这个问题。 解决方案 在python中可以引用一个faulthandler的函数，就可以显示更加具体

Numpy是在Python中用于各种矩阵运算非常强大的工具之一，而快速的通过下标取出所需位置的元素也是numpy所支持的强大功能之一。常规的元素取法都可以通过numpy的下标或者是numpy.take函数来实现，比如array[0,:]可用于取第一条轴的所有元素，array[:,0]可以用于取第二条

本文通过一个python的实际案例的设计，来讲解python面向对象的技术——类的继承中必用的super函数的逻辑。其实我们可以把python中类的继承理解成这样的一个过程：当我们在括号中明确了父类时，其实已经引用了父类的成员函数，但是并没有执行父类的初始化函数。在执行子类的初始化函数的同时，会检查

如果我们遇到[[1],[2,3],[4,5,6]]这样的一个python列表，想把他展平为一个一维的列表，这个时候你会使用什么样的方法呢？for循环？while循环？其实python的内置函数sum中简单的支持了一下这样的功能，使得我们可以更加简便的把一个高维且长度不固定的列表展平为一个规则的一维列

假如你在Python中初始化了一个变量a的值，然后用a来初始化另一个变量b，此时你希望得到的b的数值是跟a同步变化的，还是独立变化的呢？Python这个编程语言虽然没有指针类型，但是Python中的可变参量也可以像指针一样，改变一个数值之后，所有指向该数值的可变参量都会随之而改变。就比如说改变a的值

本文只是通过一个实例来讲述如何获得python中所有的单字符的字母表，不仅仅是局限于英文的abcd，可能还有其他语言如ᵝᵞᵟᵠ等。在实际写python的过程中可能不一定用得到，但是不失为一个挺有趣的功能探索。

更好的管理系统进程，是每一个程序员的进阶必经之路。尤其是使用多进程、多用户的场景，系统内的进程是非常混乱的。如果在运行程序时都能控制好进程名称，那么就可以直接通过进程名称来监管和控制进程的执行和输出。本文介绍了setproctitle这样一个工具的简单使用，可以在python代码内部对进程进行管理。

这篇文章的主要内容是梳理在Numpy中经常用到的各种取下标的操作，包括但不限于取指定轴的所有元素、取指定位置的单个元素、取指定位置的多个元素、扩维以及取未显式给定位置的多个元素等等。比较重要的是在Numpy中tuple的取法和list的取法是代表不一样的含义，并且由于历史原因，Numpy中存在一些l

线性插值和三次样条插值都是非常常用的插值算法，使用插值法，可以帮助我们对离散的样本信息进行扩展，得到样本信息中所不包含的样本点的信息。插值法有着非常广泛的应用场景，就比如某手机厂商所号称的x千万像素拍照，其中插值法就发挥了重要作用。在python的scipy这个库中实现了线性插值算法和三次样条插值算

在IPython中或者Jupyter Notebook中，一个函数被加载以后，如果这个函数或者模块的主体被修改了，那么就算是在IPython中重新Import一次，在程序执行中也只是去加载内存中的模块，而不是我们修改之后的内容。而IPython支持了一些魔术命令配置，其中autoreload这个魔术

本文介绍了离散傅里叶变换和快速傅里叶变换的基本原理及其对应的Python代码实现，并将计算结果与numpy所集成的fft函数进行对比。其实现在FFT计算的成熟工具已经有很多了，不论是CPU上scipy的fft模块还是GPU上的cufft动态链接库，都有非常好的性能。但还是得真正去了解计算背后的原理，

从Python接口调用GPU进行加速的方案有很多，包括Cupy和PyCuda以及之前介绍过的Numba，还可以使用MindSpore、PyTorch和Jax等成熟的深度学习框架，这里介绍了一种直接写CUDA Kernel函数的方案。为了能够做到CUDA-C和Python编程的分离，这里引入了Cyth

在开源Python项目中，如果使用到了Cython或者CUDA C++等需要编译的后端技术，那么要传到pypi上就需要经过一个PEP标准的审查。要通过审查，就要经过多个版本的Python的构建，以及auditwheel修复的过程。本文解决了一个auditwheel修复过程中有可能出现的rpath路径

对于一个纯Python的项目，从构建到发布是比较容易的。但是如果构建的轮子中含有C代码或者生成的动态链接库，那么构建发布有另外一套规则。我们需要经过manylinux平台的验证，以及动态链接库的固化等过程，还需要当心动态链接库的存放地址等信息。本文主要是提供了一个流程化的思路，具体操作对于不同的项目

Python众多的第三方库，为我们的日常代码开发带来了极大的便利性，同时在开发过程中也需要注意这样的一个问题：开发的代码中有些命名可能跟第三方库冲突，例如本文介绍的基于MindSpore框架开发的过程中，定义一个本地的Cell类之后，发现本地的函数get_parameters跟Cell类本身的get

这篇文章介绍了在Cython中定义结构体，并在Python的Numpy数组/MemoryView和自定义结构体之间进行数据转换的方法。Cython有着非常Pythonic的编程范式，又具有接近于C语言的性能，对于Python开发者而言确实是一个很棒的工具。

如果使用Python第三方包的某一个版本有问题，而不同版本Python所对应的软件最新版本又不一致，这种情况下如何在requirements.txt文件中指定软件最高版本是非常重要的。这里根据PEP 508的规范，做了一个Numpy版本要求numpy<=1.21.6 || 1.28>nu

这里我提供了一个用于画拉氏图的Python脚本源代码，供大家免费使用。虽然现在也有很多免费的平台和工具可以用，但很多都是黑箱，有需要的开发者可以直接在这个脚本基础上二次开发，定制自己的拉氏图绘制方法。

本文介绍了Python编程语言中关于for循环和if条件控制的一些基本使用。包含了单层循环的退出机制和多层循环的退出机制，使得我们在满足特定条件时，可以直接结束多层循环。

本文主要介绍一些Python的Tkinter GUI框架的常用功能模块，包含基本窗口的创建、菜单栏、文本框、TreeView、按钮、滚动条、标签的设定等，另外包含了一些面向对象的GUI的简单示例。总的来说，Tkinter加上第三方的ttk，基本的GUI功能是都具备的，可以用来实现一些简单的小项目。对

本文介绍了一下使用Cython对Python/Numpy实现的函数进行加速的一个简单案例，模型使用的是一个弹性系数全同的谐振势，然后计算总势能。从计算结果来看，使用Cython确实可以获得更接近于C语言的速度，并且编程逻辑还可以大幅的保留Python的语法。

在使用浮点数计算时，尤其是在使用AI框架的过程中，我们往往使用的是float32单精度浮点数，这也跟GPU的硬件架构有关系。但是使用单精度浮点数的过程中，务必要考虑到累加误差和大数吃小数的问题，这两个问题在长时间的迭代过程中，有可能会直接导致计算结果就是错误的。而如果在计算的过程中使用Kahan求和

本文介绍了基于Python的分布式框架Ray的基本安装与使用。Ray框架下不仅可以通过conda和Python十分方便的构建一个集群，还可以自动的对分布式任务进行并发处理，且支持GPU分布式任务的提交，极大的简化了手动分布式开发的工作量。

这篇文章介绍了Python-Cython-C三种语言的简单耦合，以Cython为中间接口，实现Python数据传到C语言的后端执行相关计算。这就相当于可以在Python中调用C语言中的指针功能来进行跨维度的数组运算，至于性能依然存在优化空间，这里仅仅做一个简单的功能演示。