用Python做机器学习、大数据、数据挖掘、爬虫什么，基本上都会用到数据库，而我们一般使用的是SQL数据库，即关系数据库。我们最常用的两款关系数据库就是MySQL和SQL Server。本文会介绍如何在Python3下安装对MySQL进行调用的支持库。
标签： 技术教程
在这篇文章里，我将列出一种python下的实现多进程并发执行程序的方法。我们经常需要通过并发来实现一些功能，为了加速计算或者最大程度利用CPU等等。Python中有一种方法可以实现多进程并发执行，我们需要导入python库“multiprocessing”。
我这篇文章将简单记录一下python关键字yield的用法。因为写代码需要，我看到了别人的部分代码中有用到yield关键字。作为习惯了C类语言的人，第一次看到这种关键字会感到很迷茫，不知道是用来做什么的，可是偏偏很多时候会用到这样的代码。
我们经常需要处理wav格式的文件，读取其中的声音信号和相关参数，来做一些事情。如果我们使用C++来做，那么需要对文件的底层存储格式有一个透彻的了解才行，而且考虑不周还有可能出Bug；如果使用MatLab来做，虽然只有一行代码就可以读取文件，但是MatLab语言自身的局限性使得写出的代码难以在实际中投入使用。因此，兼顾简介易用和实用性，用Python来做就显得比较好了。
众所周知，python是一个基于缩进而不是大括号的语言，因而写python代码有需要使用游标卡尺的梗。我在写python代码的时候，没少掉进这个坑里面。基本上只要前一行结尾出现冒号，下一行必然添加一个单位的缩进，直到块结束。我们可以使用空格（Space）和制表符（Tab）来进行缩进，然而这里面有一些会经常遇到的坑。
Python的确是一个易于学习且功能强大的编程语言，而且是跨平台做的最好的编程语言。虽然它是解释型的语言，但是其开发效率之高，有目共睹，弥补了运行速度稍慢的缺陷。Python有胶水语言之称，解释器很容易拓展，用起来像瑞士军刀。当前的很多机器学习方面的项目都是基于Python语言实现的，所以感觉这个语言未来会很火。本人推荐直接学Python3版本，这样在时代的潮流下才不容易掉队。: )
本文已在2023年05月更新到最新方法，确保本文教程的有效性。
前言：
曾经(2017年)安装TensorFlow的GPU版本真的不是一件容易的事，好难（因为能用的教程很少，有些连最基本的一些必需的步骤都没写到，那样子的话能安装到位才是奇迹），但是现在不会了，因为本文出现了，本文是为数不多的可用教程。
在经历各种踩坑后，我终于总结出来一个走的通的安装tensorflow-gpu的方法，并且亲自动手实践，在Linux(Ubuntu) + Python3安装且运行成功。
TensorFlow是谷歌在近期开源的一款深度学习方面的框架，有纯CPU版本和使用了GPU的版本。我们通过使用它，可以大大方便我们在神经网络方面的工作，降低我们的工作量。众所周知，TensorFlow是基于Python的，所以我们需要使用Python来做。TensorFlow在Windows上仅支持64位Python 3.5。
鉴于Python2已经濒临淘汰，所以，我建议现在以及今后都直接使用Python3来做，除非你手头有一大堆现有的py2的代码项目，否则，Python2迟早是要切换到Python3，到时候又是一大堆代码要手动升级到3版本，3和2的代码差别太大了。
经常会在一些社区类网站看到有人问如何入门和学习机器学习，于是，我在这里分享一些我学习机器学习这一段时间以来收集的各类比较好的教程。
我过滤掉了一些没什么用的教程和资料，因为那些确实没有用，而且看起来太多太繁琐，人的精力有限，只要能把这些资料看完，就已经可以变得很厉害了。
