1.【转载】Celadon快速上路指南Part2：编译Celadon镜像
2.NetworkX、源码igraph、解析Gephi三大主流复杂网络建模与分析工具有什么区别？
3.django如何执行exe文件(2023年最新分享)
4.开源化学信息学库：ScaffoldGraph
5.仿真测试入门参考(22):CARLA的源码交通场景
【转载】Celadon快速上路指南Part2：编译Celadon镜像
上一期我们向您介绍了如何安装Celadon预编译镜像（Celadon快速上路指南 Part1：安装Celadon镜像），本期我们将向您介绍如何建立Celadon的解析开发环境，编译制作您自己的源码Celadon镜像。
一、解析unity luaframework源码开发环境
虽然Android通常是源码用GNU/Linux或Mac OS操作系统构建的，但我们建议：如果要使用其他操作系统，解析请参考Android开源项目（AOSP）网站的源码构建环境部分：source.android.com/setu...
二、搭建开发环境
Celadon源码中有直接引用google代码仓库的解析部分，也有托管到github上的源码部分，每一个项目都是解析一个Git仓库，每个Git仓库都有很多分支版本，源码为了方便统一管理各个项目的解析Git仓库，需要一个上层工具批量进行处理。源码这里就不得不提强大的repo工具了，repo是一种代码版本管理工具，repo init也会建立一个Git仓库，用来记录整个代码中的各个项目分别处于哪一个分支，这个仓库通常叫做manifest仓库。
1. 创建本地bin/目录，将repo工具下载到该目录，并使用以下命令给repo添加可执行权限：mkdir -p ~/bin curl storage.googleapis.com/... > ~/bin/repo chmod a+x ~/bin/repo
2. 此外，您需要在您的Ubuntu . LTS Bit开发工作站上安装以下软件包：sudo apt-get update sudo apt-get install \ openjdk-8-jdk git ccache automake \ lzop bison gperf build-essential \ zip tcl zlib1g-dev g++-multilib \ python-networkx libxml2-utils \ bzip2 libbz2-dev libbz2-1.0 \ libghc-bzlib-dev squashfs-tools \ pngcrush schedtool dpkg-dev \ liblz4-tool make optipng maven \ libssl-dev bc bsdmainutils \ gettext python-mako libelf-dev \ sbsigntool dosfstools mtools \ efitools git-lfs python-pystache \ git-core gnupg flex curl \ libc6-dev-i libncurses5-dev \ xproto-core-dev libx-dev \ libz-dev libgl1-mesa-dev \ libxml2-utils xsltproc unzip
三、下载源码
1. 创建一个空目录，用于保存Celadon的源文件，并用作工作目录。
2. URL指定Manifest，该Manifest里包含了Celadon所使用的各种git仓库。
3. 下载源代码到当前工作目录。
4. 如果您在中国大陆地区无法直接链接github，可以改为连接中国大陆地区的服务器，以连接清华服务器为例，您可以在~/.gitconfig中添加如下两行：[url " aosp.tuna.tsinghua.edu.cn..."] insteadOf = " android.googlesource.com..." 也可以export repo的URL地址 export REPO_URL=' mirrors.tuna.tsinghua.edu.cn...'
四、编译系统镜像
1.（可选）在Celadon的最顶层目录运行以下命令，用于删除之前产生的.jar网页源码编译文件make clobber
2. 应用envsetup.sh脚本初始化编译的环境变量，source build/envsetup.sh
3. lunch target 示例 (也可以在lunch 的时候可以不带参数，手动选择target的编号) lunch celadon_ivi-userdebug
4. 编译生成Celadon安装程序文件，编译成功后，在out/的子目录下会有一个.zip格式的压缩安装包。
五、安装系统镜像
安装镜像方法请参考 Celadon快速上路指南 Part1：安装Celadon镜像
六、尾声
我们用了两篇文章向您介绍了如何下载、编译Celadon源码，和安装Celadon镜像的方法，您现在已经可以在您的NUC上使用Celadon了，但是搭载英特尔CPU的电脑还有很多，如何在更多的英特尔的平台上使用Celadon，这是Celadon团队目前正在着重解决的问题，我们的解决方案就是CaaS(Celadon As A Service)。之后我们会有系列文章来从各个角度来全面解析CaaS，希望它可以成为您的助力助您成功。敬请持续关注AndroidIA Celadon公众号信息，更多精彩还在路上。您还可以选择加入“Celadon技术讨论群”，跟更多的Celadon技术人员直接交流。在该微信群建立的1小时之内人数就已经超过了人，无法直接扫码入群了。请扫码关注公众号留言“微信群”按照里面提示的方法来入群，或者您可以找到身边已经在群的小伙伴儿拉您入群。
NetworkX、igraph、Gephi三大主流复杂网络建模与分析工具有什么区别？
NetworkX
NetworkX是一个基于Python的复杂网络建模与分析工具。它提供了构建、操作和研究复杂网络结构、动态和功能的工具。主要功能包括：创建简单图，如无向图、有向图和多重图；丰富的网络特征算法库，如关联性、中心性指标、MACD周源码集聚系数、距离等；支持图、节点、连边及其属性的方法；经典网络生成库，如规则网络、ER随机网络、WS小世界网络、BA无标度网络等；网络矩阵、特征值计算库，如邻接矩阵、关联矩阵、拉普拉斯矩阵等；与其他数据格式的转换接口，如字典、列表、Numpy数组、Scipy、Pandas等；网络节点编号、读写功能以及可视化相关功能。
优点：入门门槛低，适合初学者；底层源代码可读性高；功能齐全。缺点：在处理大规模网络时速度较慢，网络可视化效果一般。
igraph
igraph是多语言支持的复杂网络分析工具，提供Python版。功能与NetworkX相似，包括简单图和复杂图创建接口、标准图算法和分析接口、网络可视化。优点：在大规模网络分析中速度更快，支持NetworkX图转换；网络可视化效果更佳，提供额外的网络社团检测算法。缺点：算法库不如NetworkX丰富，底层代码较难理解。
Gephi
Gephi是一款专注于网络可视化的开源工具，提供网络交互、打动物源码结构操纵和节点样式/颜色调整功能。适合对网络可视化要求高的用户。优点：强大的网络可视化效果；缺点：仅提供常见网络分析指标，不支持编程计算网络结构特性或可视化。
django如何执行exe文件(年最新分享)
导读：今天首席CTO笔记来给各位分享关于django如何执行exe文件的相关内容，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！C:\Python\Django\setup.py'>Django安装问题，我在cmd上输入如下：C:Users\Adiministrator>C:\Python\Django\setup.py首先你要明白这个命令是分三部分的，第一个是启动Python来执行文件，第二个是执行的文件名(setup.py)，第三个是参数（install）。C:\python\django\python是不能执行的，因为在那个目录下并没有叫Python.exe的可执行文件。正确的写法应该是：
c:\python\pythonc:\python\django\setup.pyinstall
或者直接c:\python\django\setup.pyinstall，这个在Windows下应该也是可以的，因为py文件默认是用python打开的。在这种情况下，还可以先键入cdc:\python\django，进入这个目录，然后再执行setup.pyinstall
Django非常棒，我也正在学。
Django源码阅读(一)项目的生成与启动
诚实的说，直到目前为止，我并不欣赏django。在我的认知它并不是多么精巧的设计。只是由功能堆积起来的"成熟方案"。但每一样东西的崛起都是时代的选择。无论你多么不喜欢，但它被需要。希望有一天，python能有更多更丰富的成熟方案，且不再被诟病性能和可维护性。（屁话结束）
取其精华去其糟粕，解读ea源码django的优点是方便，我们这次源码阅读的目的是探究其方便的本质。计划上本次源码阅读不会精细到每一处，而是大体以功能为单位进行解读。
django-adminstartprojectHelloWorld即可生成django项目，命令行是exe格式的。
manage.py把参数交给命令行解析。
execute_from_command_line()通过命令行参数，创建一个管理类。然后运行他的execute()。
如果设置了reload，将会在启动前先check_errors。
check_errors()是个闭包，所以上文结尾是(django.setup)()。
直接看最后一句settings.INSTALLED_APPS。从settings中抓取app
注意，这个settings还不是我们项目中的settings.py。而是一个对象，位于django\conf\__init__.py
这是个Settings类的懒加载封装类，直到__getattr__取值时才开始初始化。然后从Settings类的实例中取值。且会讲该值赋值到自己的__dict__上（下次会直接在自己身上找到，因为__getattr__优先级较低）
为了方便debug，我们直接写个run.py。不用命令行的方式。
项目下建个run.py，模拟runserver命令
debug抓一下setting_module
回到setup()中的最后一句apps.populate(settings.INSTALLED_APPS)
开始看apps.populate()
首先看这段
这些App最后都会封装成为AppConfig。且会装载到self.app_configs字典中
随后，分别调用每个appConfig的import_models()和ready()方法。
App的装载部分大体如此
为了方便debug我们改写下最后一句
res的类型是Commanddjango.contrib.staticfiles.management.commands.runserver.Commandobjectat0xEDA0
重点是第二句，让我们跳到run_from_argv()方法，这里对参数进行了若干处理。
用pycharm点这里的handle会进入基类的方法，无法得到正确的走向。实际上子类Commond重写了这个方法。
这里分为两种情况，如果是reload重载时，会直接执行inner_run()，而项目启动需要先执行其他逻辑。
django项目启动时，实际上会启动两次，如果我们在项目入口(manage.py)中设置个print，会发现它会打印两次。
第一次启动时，DJANGO_AUTORELOAD_ENV为None，无法进入启动逻辑。会进入restart_with_reloader()。
在这里会将DJANGO_AUTORELOAD_ENV置为True，随后重启。
第二次时，可以进入启动逻辑了。
这里创建了一个django主线程，将inner_run()传入。
随后本线程通过reloader.run(django_main_thread)，创建一个轮询守护进程。
我们接下来看django的主线程inner_run()。
当我们看到wsgi时，django负责的启动逻辑，就此结束了。接下来的工作交由wsgi服务器了
这相当于我们之前在fastapi中说到的，将fastapi的app交由asgi服务器。(asgi也是django提出来的，两者本质同源)
那么这个wsgi是从哪来的？让我们来稍微回溯下
这个settings是一个对象，在之前的操作中已经从settings.py配置文件中获得了自身的属性。所以我们只需要去settings.py配置文件中寻找。
我们来寻找这个get_wsgi_application()。
它会再次调用setup()，重要的是，返回一个WSGIHandler类的实例。
这就是wsgiapp本身。
load_middleware()为构建中间件堆栈，这也是wsgiapp获取setting信息的唯一途径。导入settings.py，生成中间件堆栈。
如果看过我之前那篇fastapi源码的，应该对中间件堆栈不陌生。
app入口→中间件堆栈→路由→路由节点→endpoint
所以，wsgiapp就此构建完毕，服务器传入请求至app入口，即可经过中间件到达路由进行分发。
如何执行python第三方包windowsexe格式python第三方包的windows安装文件exe格式，这上面有很多python第三方包的二进制安装文件，包括位和位的。下载安装就ok了！
这下面有很多python第三方包的二进制安装文件，包括位和位的。下载安装就ok了！
包括了mysqldb,ldap等。
Indexbydate:
fiona
scikit-image
netcdf4
mercurial
scikits.audiolab
numba
llvmpy
python-igraph
rpy2
numpy
opencv
zope.interface
sfepy
quantlib
gdal
imread
django
psychopy
cx_freeze
msgpack
regex
cellcognition
vigra
scikit-learn
pytables
h5py
blender-mathutils
htseq
bioformats
simplejson
pyzmq
mako
simpleitk
qimage2ndarray
ujson
vlfd
libsvm
liblinear
cgkit
scipy
distribute
noise
theano
pyalembic
openimageio
pyaudio
pymca
pyamg
pgmagick
lxml
steps
sqlalchemy
cffi
biopython
python-ldap
pycurl
nipy
nibabel
pygments
mahotas
py-postgresql
pyamf
planar
holopy
pyvisa
jcc
polymode
polygon
cython
pyropes
llist
shapely
vtk
pymongo
libpython
meshpy
pandas
umysql
epydoc
coverage
cheetah
pyrxp
pybluez
pythonmagick
bsdiff4
pymssql
pymol
boost.python
orange
requests
pywcs
python-sundials
pymix
pyminuit
pylzma
pyicu
assimulo
basemap
pygraphviz
pyproj
mpi4py
spyder
pytz
pyfits
mysql-python
pygame
pycparser
twisted
pil
qutip
openexr
nipype
python-snappy
visvis
docutils
pyhdf
pyqwt
kivy
scikits.umfpack
psycopg
ets
guiqwt
veusz
pyqt
pyside
dpmix
py-fcm
scikits.hydroclimpy
smc.freeimage
scipy-stack
ipython
nose
mxbase
numexpr
pyyaml
ode
virtualenv
aspell_python
tornado
pywavelets
bottleneck
networkx
statsmodels
pylibdeconv
pyhook
lmfit
slycot
ndimage
scikits.scattpy
cvxopt
pymc
pysparse
scikits.odes
matplotlib
vpython
pycuda
pyopencl
pymvpa
pythonnet
cld
mod_wsgi
nltk
python-levenshtein
rtree
pywin
scientificpython
sympy
thrift
pyopengl-accelerate
mdp
pyopengl
gmpy
reportlab
natgrid
scikits.vectorplot
pyreadline
milk
blosc
pycogent
pip
gevent
scons
carray
python-dateutil
jinja2
markupsafe
jsonlib
pysfml
fonttools
silvercity
console
python-cjson
pycluster
cdecimal
pytst
autopy
sendkeys
ceodbc
fipy
psutil
pyephem
pycifrw
blist
line_profiler
pydbg
bitarray
pyglet
python-lzo
faulthandler
delny
pyexiv2
ilastik
twainmodule
scitools
pyspharm
casuarius
pyodbc
greenlet
nitime
pylibtiff
mmtk
pycairo
pysqlite
curses
videocapture
bazaar
nlopt
trfit
libsbml
oursql
sphinx
cellprofiler
py2exe
re2
liblas
cgal-python
pymedia
ffnet
pyfftw
libxml-python
pyfltk
pymex
pymatlab
zodb3
mmlib
pygtk
pyserial
babel
scikits.ann
scikits.delaunay
numeric
pulp
nmoldyn
pymutt
iocbio
jpype
wxpython
pybox2d
dipy
mmseg
pynifti
scikits.samplerate
scikits.timeseries
vitables
quickfix
如何将django1.7程序打包成exe程序.官网下载对应的pyinstall工具，我下载的是PyInstaller-3.2.1.zip并解压
2.通过cmd跳转到pyinstaller目录并执行setup.pyinstall进行安装.这时会向你的python路径安装必要的第三方包，当然细节可以不用关心
3.安装成功后就可以使用了。
TK-GUI.py是我的源程序
结语：以上就是首席CTO笔记为大家整理的关于django如何执行exe文件的相关内容解答汇总了，希望对您有所帮助！如果解决了您的问题欢迎分享给更多关注此问题的朋友喔～
开源化学信息学库：ScaffoldGraph
ScaffoldGraph，一个开放源代码的化学信息库，利用RDKit和NetworkX构建，专注于生成和分析骨架网络与支架树。
该库拥有独特优势，与现有软件相比，它提供了更灵活且精细的骨架网络与支架树构建功能。
ScaffoldGraph目前仅支持Python 3，可以通过conda或pip安装。
使用conda安装，需先配置conda环境，添加通道后，执行命令：conda config --add channels conda-forge conda install -c uclcheminformatics scaffoldgraph。
或使用pip安装：pip install scaffoldgraph。
以下是ScaffoldGraph的使用示例：生成与分析骨架网络与骨架树。
首先导入库。
接着载入数据并绘制分子。
利用库函数生成骨架网络。
随后绘制生成的骨架网络。
分析骨架分布，了解分子骨架的构成。
进行骨架匹配，并高亮显示匹配的骨架。
对分子进行匹配分析，并高亮显示匹配部分。
最后，绘制分子的骨架树，进一步深入分析骨架结构。
仿真测试入门参考():CARLA的交通场景
学习仿真测试时，常常有朋友询问如何入门。今天的文章旨在分享一些个人经验和理解，希望能对大家有所帮助。这是系列文章的第篇，专注于探讨在CARLA中加载基于OpenSCENARIO的动态场景。 交通场景指的是在仿真世界中，各类交通参与者的动态行为，这些行为对运行其中的自动驾驶车辆进行充分测试。丰富多样的交通参与者的种类及其动态行为，决定了交通场景的复杂性和挑战性。CARLA支持轿车、SUV、客车、卡车、摩托车、自行车以及行人等多种动态参与者，同时包括锥桶、售货机等多种静态参与者。动态参与者的行为可通过预先定义的场景和在线运行的交通流来控制。 CARLA中的交通管理器（Traffic Manager）模块负责场景和交通流的模拟，而基于OpenSCENARIO格式的场景仿真因其通用性更受欢迎。因此，文章将详细介绍如何使用CARLA提供的场景运行器（ScenarioRunner）来模拟基于OpenSCENARIO的场景。ScenarioRunner的安装
ScenarioRunner是CARLA官方提供的场景解析和运行工具，支持多种预定义场景文件，如CARLA自定义的scenario格式、route格式和OpenSCENARIO格式。本书主要关注其OpenSCENARIO场景运行功能。OpenSCENARIO已发布多个版本，包括1.0、1.2和2.0，SR在这些版本中均得到了支持。 OpenSCENARIO是一个由德国自动化及测量系统标准协会ASAM提供的描述动态场景的标准格式。要开始使用ScenarioRunner，首先需要下载与CARLA版本相匹配的SR源码。通常，SR与特定版本的CARLA相配合，如与CARLA 0.9.相配合的是SR0.9.。确保使用与CARLA版本匹配的SR版本，以避免操作失败的问题。为了获取最新的特性，可选择下载源码的方式进行安装。 安装依赖库时，请参照SR文件夹中的requirements.txt文件执行相应的操作。注意，如果本地numpy版本高于1.，可能需要解决与networkx 2.2版本的兼容性问题。根据实际情况，安装高版本的networkx或低版本的numpy。 为了运行场景，需要设置环境变量。在~/.bashrc文件中添加相应的路径设置，确保在运行时能够找到相关的文件。最后，运行source ~/.bashrc以使设置生效。运行OpenSCENARIO文件
使用ScenarioRunner运行OpenSCENARIO文件的过程非常直观。首先启动CARLA，然后运行ScenarioRunner并指定相应的文件路径即可。 具体步骤如下：启动CARLA。
配置ego车辆。实际测试时，应由被测算法控制ego车辆，但为了演示，使用手动控制方式配置ego车辆为自动驾驶。
运行ScenarioRunner，使用xosc或osc文件作为输入参数。
运行后，CARLA渲染窗口将显示地图根据定义的变化，同时生成ego车辆及其前方的障碍车辆。运行结束后，可根据需要选择输出结果信息，以获取关于场景、车辆性能和运行时间的详细报告。 通过ScenarioRunner，您可以轻松地运行基于OpenSCENARIO的动态场景，为自动驾驶车辆提供全面的测试环境。希望本文提供的信息能帮助您更好地了解和使用CARLA进行仿真测试。