跳至主要内容

Installing TensorFlow with Anaconda

1 ---> conda create -n tensorflow
2 ---> source activate tensorflow
3 ---> pip install --ignore-installed --upgrade \ https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.1.0-py3-none-any.whl (python_3.5,6.7)
4 ---> test
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))

评论

此博客中的热门博文

VASP+NEB

第一步:     初末态结构优化建立两个文件夹 ini, fin,在每个文件夹中放vasp计算必备的四个文件(INCAR,POSCAR,KPOINTS,POTCAR),其中的两个POSCAR对应未优化的初末态。确保两个文件夹里面除POSCAR外,其他文件完全一样。对于两个POSCAR,注意每一行的原子一一对应。若有固定位置的原子(比方做表面计算,要固定底部1-2层原子)。 第二步:   用dist.pl检查两个优化后结构(两个CONTCAR)的相似程度(每个对应原子的初末态距离的平方和,再开根号)。 dist.pl ini/CONTCAR fin/CONTCAR 第三步:      插点的数目取决于前面dist.pl的返回值,一般插点数目可取(dist.pl返回值/0.8)。 具体插点的命令: nebmake.pl ini/CONTCAR fin/CONTCAR N 最后的N表示插点数目。插入点的算法为线性插值,详情请进前面给的vtst脚本链接。我这里为简单插一个点,执行完命令后出现文件夹00--07。 可用命令nebavoid.pl 1,确保中间插入的点每一个原子间距都大于1A。该命令的参数1表示最小允许间距,可取小数。 System = NEB PREC = Accurate #ISYM =0 ENCUT = 650 EDIFF  = 1e-4 EDIFFG = -0.001 KSPACING= 0.5 ISIF   = 2 NSW    = 500 ISMEAR = 0; SIGMA = 0.05 LCHARG = FALSE LWAVE  = FALSE ISTART = 0 IV DW=10 #NPAR = 3 #NEB IBRION = 3 POTIM = 0 IOPT =   1 ICHAIN = 0 LCLIMB = .TRUE. SPRING =-5 IMAGES =6 第四步:     后处理:nebef.pl, nebbar...

ZPE

静态计算,加入: IBRION = 5  ISIF = 2  NSW = 1  POTIM = 0.02  NFREE = 2  ISYM = 0 最后一列的eV前面的就是频率转换成能量的值,完成计算将OUTCAR中非虚频的能量相加除以2就是Zero Point Energy.

Django

Django环境安装与配置. 1-> conda list 查看安装了哪些包. 2->conda env list 或 conda info -e 查看当前存在哪些虚拟环境. 3->conda update conda 检查更新当前conda. 4->conda create -n homepage python=3.6 anaconda. 创建名字为homepage的python3.6项目. 5->source activate your_env_name(虚拟环境名称). 6->source deactivate(关闭虚拟环境). 7->conda remove -n your_env_name(虚拟环境名称) --all, 即可删除. 8->conda install --name homepage django(一定要指定虚拟环境名称,否则默认安装在当前). 9->测试安装成功. >>> import django >>> print(django.get_version())       1.10.5 管理 django-admin.py startproject homepage( 新建项目 ) python manage.py runserver(本机) python manage.py startapp blog(建立blog应用) python manage.py  migrate (数据初始化) python manage.py createsuperuser (创建超级用户)