Re: [心得] 完全使用免費軟體的學術研究生活

看板PhD (博士班)作者ives0228 (ives)時間6年前 (2018/03/01 16:40)推噓45(45推 0噓 185→)

留言230則, 10人參與討論串2/2 (看更多)

※ 引述《caseypie (吟遊詩人)》之銘言：恕刪，我也有些心得想分享 : 領域：理論/計算生物物理 : 應用程式：Mac，不過大部分Linux也通用，不通用的我會加上Linux替代方案 : 十年沒用Windows所以不是很清楚通用情況 : 1.寫文章：Latex (TexShop) 我覺得TeX在這年代還能發光發熱，最重要的是能夠跟版本管理做結合像是git搭配TeX很強大，寫個LaTeX可也搞得跟開發軟體一樣像在做工程而且由於TeX文檔也就是純文字而已，所以如果使用git的圖形界面或是GitHub，不同版本間的差異一目瞭然如果是使用指令行界面，簡單的diff/vimdiff/git diff也很好用尤其當合寫paper的人也用git跟GitHub時，合作寫作會變得很有效率所以我強烈推薦，就算跟寫程式無關的人，只要有用TeX，也要學個版本管理程式目前最流行的應該就是git了，然後再搭配個GitHub，就會非常強大 : 2. 文獻管理：BibDesk 我們團隊是使用I, Librarian ( https://github.com/mkucej/i-librarian ) 他的特色是團隊的資料庫是合併共享的，很適合團隊合作的project 另外所有資料庫(PDF/references等等)都是存放在自己架設的伺服器上他不像其他文獻管理都是本地資料庫爲核心，然後使用者只是把資料庫上傳到雲端備份所以I, Librarian提供的是伺服器端的程式，他本身並沒有本地的客戶端程式，也不需要他所謂的使用者界面就是網頁罷了使用者用瀏覽器去登入自己架的網站就可以使用I, Librarian了他第一個缺點是使用者界面不好用，對用慣Mendeley或Zetero的人來說很難適應而且畢竟只是php網頁，速度沒辦法跟Mendeley那種真正的客戶端比通常只適合管理團隊共享的文獻資料庫跟產生bibtex，不適合直接使用他看PDF檔雖然他也跟Mendeley一樣可以看PDF 寫筆記畫重點等等就是了第二個缺點是，雖然他是開源的，但是他缺乏詳細說明文件因爲那間公司就是靠提供服務來賺錢，所以不會免費提供太多資訊有點類似一間公司免費提供各式汽車零件，但是不會免費教你怎麼組裝一臺車子跟保養如果不想付錢，就必須自己要懂一些架站跟管理的知識尤其如果打算伺服器完全對外網開放，就那就複雜多了，要考慮很多安全問題 : 3. 數值工作：Python（Anaconda package）很高興看到認同使用python取代matlab的同好我們團隊一直致力於推廣使用python取代matlab 但是即使到這年代了，一堆科系大學部還是只教matlab，所以我們頗挫折的在數值模擬領域，傳統使用C/C++/Fortran的人還是瞧不起直譯式語言 (但的確，python在高校能計算領域也只是剛起頭而已) 而就教學或入門級程式課程而言，很多教授還是覺得matlab是唯一，不願意嘗試新東西我們系甚至發生過有教授得到好處，想要把大學部python課程改回matlab Python是一種程式語言，能做很多事，或者說想用來做什麼都可以(?) 在科研上，畫圖跟資料分析，原Po已經介紹了一些基本上只要把握numpy, scipy, matplotlb, sympy, pandas就可以解決很多科研的事情 python的東西講都講不完，所以這邊我只想針對大規模的數值模擬傳統上都認爲Python/Matlab/Java這類直譯語言跟高校能計算(HPC)無緣但其實現在已經開始有python程式在超級電腦上使用了去年一個計算流力程式，PyFR，成功在ORNL的Titan上，執行了使用超過1萬張GPU的計算 (Titan是2012年世界排名第一的超級電腦，現在第五名) 雖然PyFR這個程式用了很多trick，不是普通的python程式而且需要Titan的工作人員做一些系統上的特殊處理後，才能達到效能標準但是相較於matlab，我還真沒聽過top10超級電腦裏，美國聯邦政府擁有的那幾臺，有哪臺跑過matlab程式而至少python成功登陸這個直譯式語言的禁區了 (超級電腦耗電量很驚人，所以就聯邦政府擁有的超級電腦而言，效能達不到標準的程式是不會被允許在超級電腦上執行，除非有管道走後門) 至於小規模的數值模擬，很多平行化模型都已經有python界面譬如MPI有mpi4py，然後CUDA有pycuda，OpenCL有PyOpenCL 然後熱門的分散式計算的涵式庫，像是PETSc跟Trilinos也有python binding 也有像numba這種無需自己寫gpu kernel，就可以自動幫你使用GPU加速迴圈的工具而非得寫C/Fortran kernel的時候，python呼叫這些kernel也很方便畢竟早期python就被稱爲glue language，容易跟其他語言結合如果對設計互動式教學教材或是想自動產生報告，則可以參考Jupyter Notebook Python很有趣，就算我們只針對科研來說，畫圖/數據分析/數值模擬都只是冰山一角 Python在不同的學術領域還有更多不同的應用，希望有更多人來分享跟推廣 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 71.206.47.136 ※ 文章網址: https://www.ptt.cc/bbs/PhD/M.1519893619.A.639.html

→

saltlake

03/01 17:59, 6年前 , 1^F

03/01 17:59, 1^F

→

saltlake

03/01 18:00, 6年前 , 2^F

03/01 18:00, 2^F

→

saltlake

03/01 18:00, 6年前 , 3^F

03/01 18:00, 3^F

我的確是蠻想寫一些git跟合作寫paper的經驗，因爲這些經驗是我們團隊幾次合作寫paper時摸索出來的，不是直接從哪裏學到的但我目前還想不出要怎麼跟完全沒有經驗的人解釋版本管理的概念所以可能還有得等XD 至於python的東西，我覺得就像樓下m大說的，用關鍵字搜尋到的資料已足夠如果找到的資料看不懂，那可能需要先入門python，入門可以參考 https://www.coursera.org/learn/python https://courses.edx.org/courses/MITx/6.00.1_3x/2T2014/course/ 如果想入門python特定在數值研究的應用，我們有設計3門結合python的學術課程放在我們自己的mooc平臺上 https://openedx.seas.gwu.edu 分別是大學數值分析，空氣動力學，以及數值微分方程這幾門課都降低了數學理論的比重跟深度，但是加強了python實作，對象是大學生課程涵蓋了前述提到的numpy, scipy, matplotlib, pandas，以及一點numba 如果已經有數值分析背景，透過這些教材可以很快熟悉python 不想在mooc平臺開帳號的話，三門課的原始教材可以從下面網址得到 https://github.com/engineersCode/EngComp https://github.com/barbagroup/AeroPython https://github.com/numerical-mooc/numerical-mooc 這三門課本身就是使用Jupyter Notebook設計教材的範例另外我們還有針對計算流體力學的12-steps to Navier-Stokes的python教材 http://lorenabarba.com/blog/cfd-python-12-steps-to-navier-stokes/ 但已經很久沒有人去維護教材裏的程式碼了，因爲這門課沒在開了至於實務使用python在數值相關研究上的例子，除了PyFR之外可以在The Journal of Open Source Software上找到很多：尋找用py開頭的程式 https://joss.theoj.org/

推