Christophe Cerisara cerisara

## pure_torch.py
import mmap
import torch
import json
import os
from huggingface_hub import hf_hub_download


def load_file(filename, device):
    with open(filename, mode="r", encoding="utf8") as file_obj:
        with mmap.mmap(file_obj.fileno(), length=0, access=mmap.ACCESS_READ) as m:

## gist:90259aa9eb35f63c9a9910c8feb71b6c
import termuxgui as tg
import sys
import time
import threading
import os
import datetime
import calendar

with tg.Connection() as c:


## centres_dept.txt
01	46°05’58"	5°20’56" E	AIN
02	49°33’34"	3°33’30" E	AISNE
03	46°23’37"	3°11’18" E	ALLIER
04	44°06’22"	6°14’38" E	ALPES-DE-HAUTEPROVENCE
05	44°39’49"	6°15’47" E	HAUTES-ALPES
06	43°56’15"	7°06’59" E	ALPES-MARITIMES
07	44°45’06"	4°25’29" E	ARDECHE
08	49°36’56"	4°38’27" E	ARDENNES
09	42°55’15"	1°30’14" E	ARIEGE
10	48°18’16"	4°09’42" E	AUBE

## Plot histogram with gnuplot
#!/bin/bash

d=0.5
if [ $# -ge 2 ]; then
  echo "2parms $1 $2"
  d=$2
fi

rm -f /tmp/pp.gp
touch /tmp/pp.gp

## DeptsFin2vie.txt
En ne comptant que les personnes décédées dans un autre département que leur département de naissance,
voici les départements (à droite) ayant accueillis le plus de personnes jusqu'à la fin de leur vie:

On retrouve, comme on pouvait s'y attendre, la région Parisienne et la côté d'azur  qui accueillent le plus
de personnes jusqu'à la fin de leur vie.
Et dans l'autre sens, c'est la Lozère qui accueille le moins de monde en fin de vie !
(Ou alors, il y a un biais dans les données...)

      6 96
   1991 98

## courbe.md

      
              2 files
            
          
              0 forks
            
          
              5 comments
            
          
              1 star
            
          
                cerisara
                / courbe.md
            
            
              Last active
              December 16, 2019 20:01
            
              
                durée de vie moyenne des personnes décédées par date de naissance en France
              
          
    (Et pour voir les départements les plus accueillants, c'est ici: https://gist.github.com/cerisara/928ad03cf15c77dda8897c2cf49ef27d )


## Arxiv2Kindle.sh
#!/bin/bash

# arxiv paper ID
python2 getarxivid.py $1 > arxivids

mkdir papers

for i in $(cat arxivids)
do

## tex2md.py
import sys

def getText(l):
    l=l.replace('\\citep','')
    l=l.replace('\\cite','')
    return l

with open(sys.argv[1],'rb') as f : ls = f.readlines()

empty=False

## gist:d43e9374a3d2eb9d44487606e0e29966

Data Parallelization with multi-GPU over TensorFlow
Jonathan Laserson <jonilaserson@gmail.com>

9 oct. (Il y a 2 jours)

À Keras-users Se désabonner

Here is how to take an existing model and do data parallelization across multiple GPUs.

## gitolab.php
#!/usr/bin/php -qC
<?php

/******************************************************************************
 *
 *  @file           gitolab.php
 *  @author         Benoit Zohar
 *  @link           http://benoitzohar.fr/
 *  @last-edited    2015-01-09
 *  @description    Migrate projects from Gitolite to GitLab
	import mmap
	import torch
	import json
	import os
	from huggingface_hub import hf_hub_download


	def load_file(filename, device):
	with open(filename, mode="r", encoding="utf8") as file_obj:
	with mmap.mmap(file_obj.fileno(), length=0, access=mmap.ACCESS_READ) as m:
	import termuxgui as tg
	import sys
	import time
	import threading
	import os
	import datetime
	import calendar

	with tg.Connection() as c:
	01 46°05’58" 5°20’56" E AIN
	02 49°33’34" 3°33’30" E AISNE
	03 46°23’37" 3°11’18" E ALLIER
	04 44°06’22" 6°14’38" E ALPES-DE-HAUTEPROVENCE
	05 44°39’49" 6°15’47" E HAUTES-ALPES
	06 43°56’15" 7°06’59" E ALPES-MARITIMES
	07 44°45’06" 4°25’29" E ARDECHE
	08 49°36’56" 4°38’27" E ARDENNES
	09 42°55’15" 1°30’14" E ARIEGE
	10 48°18’16" 4°09’42" E AUBE
	#!/bin/bash

	d=0.5
	if [ $# -ge 2 ]; then
	echo "2parms $1 $2"
	d=$2
	fi

	rm -f /tmp/pp.gp
	touch /tmp/pp.gp
	En ne comptant que les personnes décédées dans un autre département que leur département de naissance,
	voici les départements (à droite) ayant accueillis le plus de personnes jusqu'à la fin de leur vie:

	On retrouve, comme on pouvait s'y attendre, la région Parisienne et la côté d'azur qui accueillent le plus
	de personnes jusqu'à la fin de leur vie.
	Et dans l'autre sens, c'est la Lozère qui accueille le moins de monde en fin de vie !
	(Ou alors, il y a un biais dans les données...)

	6 96
	1991 98
	#!/bin/bash

	# arxiv paper ID
	python2 getarxivid.py $1 > arxivids

	mkdir papers

	for i in $(cat arxivids)
	do
	import sys

	def getText(l):
	l=l.replace('\\citep','')
	l=l.replace('\\cite','')
	return l

	with open(sys.argv[1],'rb') as f : ls = f.readlines()

	empty=False

	Data Parallelization with multi-GPU over TensorFlow
	Jonathan Laserson <jonilaserson@gmail.com>

	9 oct. (Il y a 2 jours)

	À Keras-users Se désabonner

	Here is how to take an existing model and do data parallelization across multiple GPUs.
	#!/usr/bin/php -qC
	<?php

	/******************************************************************************
	*
	* @file gitolab.php
	* @author Benoit Zohar
	* @link http://benoitzohar.fr/
	* @last-edited 2015-01-09
	* @description Migrate projects from Gitolite to GitLab