orca

本公众号之前发过几篇多组态（multi-configurational）方法的介绍： 用Gaussian做CASSCF计算 用Gaussian寻找圆锥交叉点 广义价键波函数（GVB）简介 广义价键计算及初始轨道的构造 GVB和CASSCF在精度上通常仅是定性正确，定量上差强人意，若需要高精度的结果或与实验值对比，需要进一步做多参考态（multi-reference）方法的计算。GVB、CASCI、CASSCF和DMRG这些（本质上）是多组态波函数，它们是多参考态方法的参考态（reference）。最最常见的多参考态方法有CASPT2、NEVPT2和MRCISD三种，基于CAS或DMRG参考态的都有很多文章发表，相应可以称为CASSCF-NEVPT2、DMRG-NEVPT2等。D. G. Truhlar和L. Gagliardi等人还提出过基于CAS的MC-PDFT方法，后来也推广到了DMRG-PDFT，由于动态相关是用DFT考虑的，比前述几种多参考态方法计算上经济一些。 多组态或多参考态方法计算步骤复杂，要求用户有 丰富的计算经验 和 较强的化学直觉 ，很多计算（注意仅是写输入文件就）需要有电子结构方法的基础知识。近年来有不少半自动或全自动做多参考态计算的文章发表，意图使这些计算像HF/DFT计算一样简便，但是基本是在文献上或某些课题组里，可获取的程序极少。

楔子 <font size=4>下面来看一下plotly这个绘图神器，废话不多说，直接正题走起。</font> 图表绘制 import plotly as py import plotly.graph_objs as go import numpy as np import pandas as pd <font size=4>上面几个模块基本上先导入就行，plotly.graph_objs是专门用来绘制图表的，比如go.Scatter就是散点图，在plotly中，绘制出来的图表称之为一个trace(轨迹)，然后轨迹显示在figure(画布)上面，当然一个画布是可以显示多个轨迹的。我们下面的代码在jupyter notebook上运行，可以直接显示图表。至于图表如何保存成图片，我们后面说。</font> 散点图 random_x = np.linspace(0, 2, 100) # 生成100个点 random_y0 = np.random.randn(100) + 5 random_y1 = np.random.randn(100) random_y2 = np.random.randn(100) - 5 # 里面的参数我们后面会一个一个解释 # 先看一部分 trace0 = go.Scatter( x=random_x, # x轴的坐标 y=random_y0, # y轴的坐标

作者 | Peter 来源 | Python编程时光 今天给大家推荐一个可视化神器 - Plotly_express ，上手非常的简单，基本所有的图都只要一行代码就能绘出一张非常酷炫的可视化图。 以下是这个神器的详细使用方法，文中附含大量的 GIF 动图示例图。 环境准备 本文的是在如下环境下测试完成的。 Python3.7 Jupyter notebook Pandas1.1.3 Plotly_express0.4.1 其中 Plotly_express0.4.1 是本文的主角，安装它非常简单，只需要使用 pip install 就可以。 $ python3 -m pip install plotly_express 工具概述 在说 plotly_express之前，我们先了解下plotly。Plotly是新一代的可视化神器，由TopQ量化团队开源。虽然Ploltly功能非常之强大，但是一直没有得到重视，主要原因还是其设置过于繁琐。因此，Plotly推出了其简化接口：Plotly_express，下文中统一简称为px。 px是对Plotly.py的一种高级封装，其内置了很多实用且现代的绘图模板，用户只需要调用简单的API函数即可实用，从而快速绘制出漂亮且动态的可视化图表。 px是完全免费的，用户可以任意使用它。最重要的是，px和plotly生态系统的其他部分是完全兼容的

文|曾响铃 来源|科技向令说（xiangling0815） 能在疫情的信息海洋中冒出头，一度成为业界关注焦点的东西不多，浑水做空瑞幸咖啡算是其中之一。 专门盯住中概股搞事情的浑水公司，以一份报告搅得瑞幸股价剧烈震荡，让去年在美国纳斯达克闪电上市的瑞幸咖啡又一次成为风口浪尖的讨论热点。 不过，与浑水一个锅里抢食，甚至被认为做空姿态更猛、言辞更激烈的Citron（常被翻译成“香橼”公司，是另一家喜好狙击中国概念股的民间调查机构），却对这份报告提出了相反的看法。在Twitter上，Citron表示，“Citron通过商业数据、应用下载以及访谈竞争对手都确认了瑞幸的数据，证明瑞幸在中国业务爆发。Cintron尊重浑水，但这个匿名报告不准确”： 同一份报告，两个知名同行截然不同的表态，不管报告本身内容如何，起码的矛盾显现出来。 有一点可以肯定的是，Citron也不是中概股的好朋友，它对瑞幸所谓“商业数据、应用下载以及访谈竞争对手”等“操作”，早期也肯定是要去做空的，最后只有一个“瑞幸在中国业务爆发”的结论，与浑水的报告认知相悖。 瑞幸马上回击浑水的做空，称匿名报告为“有意误导和虚假指控”。这里撇开瑞幸到底发展得如何不谈，至少，报告的动机、报告本身内容逻辑自恰上存在颇多问题，存在方法论偏差导致的系统性数据可信度问题。 如果想要跟风批评瑞幸，可能有很多方式和槽点，但起码浑水并不值得相信。

楔子 下面来看一下plotly这个绘图神器，废话不多说，直接正题走起。 图表绘制 import plotly as py import plotly.graph_objs as go import numpy as np import pandas as pd 上面几个模块基本上先导入就行，plotly.graph_objs是专门用来绘制图表的，比如go.Scatter就是散点图，在plotly中，绘制出来的图表称之为一个trace(轨迹)，然后轨迹显示在figure(画布)上面，当然一个画布是可以显示多个轨迹的。我们下面的代码在jupyter notebook上运行，可以直接显示图表。至于图表如何保存成图片，我们后面说。 散点图 random_x = np.linspace(0, 2, 100) # 生成100个点 random_y0 = np.random.randn(100) + 5 random_y1 = np.random.randn(100) random_y2 = np.random.randn(100) - 5 # 里面的参数我们后面会一个一个解释 # 先看一部分 trace0 = go.Scatter( x=random_x, # x轴的坐标 y=random_y0, # y轴的坐标 mode="markers", # 纯散点绘图 name="markers" #

K8s集成实战-使用spinnaker进行自动化部署 1 spinnaker概述和选型 1.1 概述 1.1.1 主要功能 Spinnaker是一个开源的多云持续交付平台，提供快速、可靠、稳定的软件变更服务。主要包含两类功能：集群管理和部署管理 1.1.2 集群管理 集群管理主要用于管理云资源，Spinnaker所说的”云“可以理解成AWS，即主要是laaS的资源，比如OpenStak，Google云，微软云等，后来还支持了容器与Kubernetes，但是管理方式还是按照管理基础设施的模式来设计的。 1.1.3 部署管理 管理部署流程是Spinnaker的核心功能，使用minio作为持久化层，同时对接jenkins流水线创建的镜像，部署到Kubernetes集群中去，让服务真正运行起来。 1.1.4 逻辑架构图 Spinnaker自己就是Spinnake一个微服务,由若干组件组成，整套逻辑架构图如下： Deck是基于浏览器的UI。 Gate是API网关。 Spinnaker UI和所有api调用程序都通过Gate与Spinnaker进行通信。 Clouddriver负责管理云平台，并为所有部署的资源编制索引/缓存。 Front50用于管理数据持久化，用于保存应用程序，管道，项目和通知的元数据。 Igor用于通过Jenkins和Travis CI等系统中的持续集成作业来触发管道

网络盗版如何从一个局部问题演变成一个全球头疼的问题，完美地驾驭国际政治议程，例如利用俄罗斯和乌克兰之间的地缘政治紧张局势，与银行、国际支付系统和托管提供商等法律利益相关者打交道。 作者：kirazhou来源：FreeBuf|2020-08-04 10:21 收藏 分享 The rougher the seas, the smoother we sail (海浪越汹涌，我们航行越平稳)。 《JOLLY ROGER’S PATRONS》，这份报告向公众揭露了发展中国家在线盗版团伙的金融犯罪网络。 多年来，这支庞大的队伍一直在前苏联的安全港繁荣发展，现在，他们已将触角延伸至拉丁美洲和亚洲。 网络盗版如何从一个局部问题演变成一个全球头疼的问题，完美地驾驭国际政治议程，例如利用俄罗斯和乌克兰之间的地缘政治紧张局势，与银行、国际支付系统和托管提供商等法律利益相关者打交道。 网络盗版的背后是一个庞大到难以想象的黑灰产业。The rougher the seas, the smoother we sail (海浪越汹涌，我们航行越平稳)，用这句话来形容在线盗版团伙的发展再恰当不过。尽管打击盗版内容分发的行动一直在进行，但这一团伙依然快速发展，甚至飘洋过海，向全球扩张。 事实上，为了确保盗版内容的稳定输出，在线盗版团伙依靠内容分发网络技术(CDN)，汇总盗版内容后在俄罗斯和前苏联各州提供了将近80