Ошибка возникает на компьютерах с видеокартами AMD, может появляться во время запуска вообще разных программ.
Варианты решения:
Постоянное решение: Попробовать подобрать версию видеодрайвера, на которой ошибка перестанет появляться
Разовое решение:
Перед запуском нужной программы войти в «Управление компьютером» — «Диспетчер устройств»
Найти видеокарту
«Обновить драйвер» — «Найти на этом компьютере» — «Выбрать из списка доступных» — «Базовый видеоадаптер (Microsoft)»
Запустить спокойно нужную программу, которая раньше не запускалась
После того как нужная программа успешно запустилась, можно так же через диспетчер устройств переключиться обратно на видеодрайвер AMD, при этом программа продолжит нормально работать
#include <Servo.h>
Servo myservo_1; // для управления первым сервоприводом
Servo myservo_2; // для управления вторым сервоприводом
int val = 1; // угол положения сервопривода
int increment = 1; // на сколько градусов менять угол
void setup()
{
// жёлтый провод первого сервопривода на 9 пине
myservo_1.attach(9);
// жёлтый провод второго сервопривода на 10 пине
myservo_2.attach(10);
}
void loop()
{
// Сервоприводы поворачиваются на противоположные углы
if(val <= 1){
increment = 1;
}
if(val >= 178){
increment = -1;
}
val += increment;
myservo_1.write(val);
myservo_2.write(179 - val);
delay(15);
}
«A free, easy-to-use, open-source, commercial-grade toolkit that trains deep learning algorithms to learn like the human brain.»
pip install cntk
«CNTK is no longer actively developed»
== deap
для использования генетических алгоритмов
есть хорошая книжка про генетические алгоритмы с использованием этого модуля, название не помню, но хорошая
== jupyter
среда для выполнения кода на питоне и просмотра результатов в браузере
можно перезапускать с изменениями только выбранные куски кода
можно выводить графики matplotlib
== keras
для нейронных сетей
может работать поверх theano, tensorflow или CNTK
== matplotlib
рисование графиков
== numpy
многомерные массивы, матрицы
удобная загрузка данных из бинарных файлов
библиотека используется во многих других (pandas, …)
== nvidia-…
nvidia-cublas-cu12
nvidia-cuda-cupti-cu12
nvidia-cuda-nvcc-cu12
nvidia-cuda-nvrtc-cu12
nvidia-cuda-runtime-cu12
nvidia-cuda-sanitizer-api-cu12
nvidia-cufft-cu12
nvidia-curand-cu12
nvidia-cusolver-cu12
nvidia-cusparse-cu12
nvidia-npp-cu12
nvidia-nvjitlink-cu12
nvidia-nvjpeg-cu12
nvidia-nvml-dev-cu12
nvidia-nvtx-cu12
nvidia-pyindex
== opencv-python
pip install opencv-python
машинное зрение, распознавание объектов на изображениях и т.п.
== orange3
графический интерфейс для создания пайплайнов анализа данных
код можно вообще не писать
загрузка csv-файлов
куча всяких удобных интерактивных графиков
можно легко создавать предсказательные модели на деревьях, бустинге, простых нейросетях и прочих готовых алгоритмах
== pandas
для извлечения и подготовки данных
похоже на электронные таблицы, можно задавать и использовать имена колонок и индексы для строк
на базе numpy
загрузка данных из excel, csv, json, sql
группировка и фильтрация данных
применение функций ко всем значениям в выбранных колонках — в разы быстрее чем использовать циклы на чистом питоне
надо внимательно следить при работе с данными, когда они нормально скопированы, а когда ссылаются на источник, чтоб изменяя значения в одном месте, не испортить их в другом
== pillow
работа с изображениями
можно попиксельно
== plotly
интерактивные графики в браузере
pip install plotly
== pyodbc
для выполнения запросов к разным базам данных (MSSQL, PG и т.п.)
для разных баз данных изредка работает с разными ошибками (изредка случалось, результаты из модуля не совпадали с результатами через нативные клиенты), но в большинстве случаев всё хорошо
== pytorch
библиотека для машинного обучения
нейронные сети
тензорные вычисления
может работать с GPU
говорят, что замена для numpy
вроде поддерживает динамические графики
== scikit-learn
библиотека всяких алгоритмов машинного обучения — кластеризации, регрессии, классификации, …
на основе numpy и scipy
== scipy
для статистики, линейной алгебры, числовых процедур и оптимизации
на основе numpy
== seaborn
библиотека построения графиков и визуализации данных
основана на matplotlib
== spyder
интерактивный редактор кода с автодополнением
можно выполнять код прямо внутри редактора
можно сразу выводить графики matplotlib
== sympy
для символьных вычислений — не только получения значений, а сокращения формул и т.п.
для уравнений в решении умеет возвращать несколько корней, как положено
хорошая статья с примерами на хабре https://habr.com/ru/post/680258/
== tensorflow
для нейронных сетей
== theano
для нейронных сетей
может использовать GPU
Ещё не написал про модули от nvidia для работы с GPU
Если кто ещё знает полезные модули по теме — пишите в коментариях, тоже соберём в кучу
В «современных» компьютерах код активации windows обычно зашивается производителями в железо. Чтобы узнать код активации, например для переустановки винды, нужно загрузиться с загрузочной флэшки с Linux и выполнить команду: