Skip to content

Instantly share code, notes, and snippets.

View dksifoua's full-sized avatar
🎯
Focusing

Dimitri Sifoua dksifoua

🎯
Focusing
View GitHub Profile

Cet article présente une nouvelle approche de résolution du problème de gestion du système hydroélectrique de Kemano, qui l’exploite afin d’alimenter en énergie des alumineries. L’hydroélectricité étant une énergie propre et renouvelable, le but est de produire le plus d’énergie possible de l’eau disponible. Cependant, cela devient de plus en difficile pour de nombreuses raisons, notamment celle du caractère aléatoire des flux entrants, la limite du niveau des réservoirs, les exigences en matière de navigation et de plage, les contraintes de débit d’eau et contrôle des inondations. Il est peut-être impossible de toutes les satisfaire.

Par conséquent, le modèle d’optimisation doit trouver une solution de compromis ; celle-ci rend le problème d’optimisation multi-objectif. Ce qui rajoute de la complexité au problème et augmente la difficulté de la prise de décision. Cependant, l'incertitude des flux entrants empêche l'utilisation de l'optimisation multi-objectif, car une décision doit être prise avant la réali

docker rm -f $(docker ps -a -q)
docker rmi -f $(docker images -q)
After we ssh to the remote machine, we have to make sure to work inside a tmux session.
This will ensure that our session will be kept alive even even if we loose our connection.
$ sudo apt-get install tmux
$ tmux new -s my_awesome_session
# you live here
$ tmux detach
$ tmux attach -t my_awesome_session
# you come back here tomorrow
sudo apt update
sudo apt install ubuntu-drivers-common
sudo ubuntu-drivers autoinstall
nvidia-smi
wget https://developer.nvidia.com/compute/cuda/10.0/Prod/local_installers/cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
@dksifoua
dksifoua / openai-gym-rendering-colab.py
Last active March 3, 2020 21:33
Rendering OpenAi Gym in Google Colaboratory
# Install gym dependencies
!apt-get update > /dev/null 2>&1
!apt-get install python-opengl -y > /dev/null 2>&1
!apt install xvfb -y --fix-missing > /dev/null 2>&1
!apt-get install ffmpeg > /dev/null 2>&1
!apt-get install x11-utils > /dev/null 2>&1
# Install rendering environment
!pip install pyvirtualdisplay > /dev/null 2>&1
!pip install piglet > /dev/null 2>&1
# On the master
# The master will then launch et give you its address like: spark://IP:PORT
$ sudo ./spark-class org.apache.spark.deploy.master.Master
# On the workers
$ sudo ./spark-class org.apache.spark.deploy.worker.Worker spark://IP:PORT
# Start the shell
$ sudo ./spark-shell --master spark://IP:PORT
[Unit]
Description=Zeppelin service
After=syslog.target network.target
[Service]
Type=forking
ExecStart=/opt/zeppelin-0.8.2-bin-all/bin/zeppelin-daemon.sh start
ExecStop=/opt/zeppelin-0.8.2-bin-all/bin/zeppelin-daemon.sh stop
ExecReload=/opt/zeppelin-0.8.2-bin-all/bin/zeppelin-daemon.sh reload
Restart=always
@dksifoua
dksifoua / gist:d2c775e2de272091e150f9aa259680ee
Created October 11, 2019 15:41
run_python_script_background.sh
nohup python index.py > output.log &
ps ax | grep index.py
from textblob import TextBlob
from textblob import blob
nltk.download('averaged_perceptron_tagger')
nltk.download('punkt')
nltk.download('wordnet')
def to_wordnet(tag):
_wordnet = _wordnet
if tag in ("NN", "NNS", "NNP", "NNPS"):