很多人对Anaconda有这样的误解，认为conda只是用来管理Python packages的。实际上，conda更神奇的功能，是可以打包编译后的程序，并且不需要root权限即可安装。一般来说，分发编译后的程序总有各种各样的静态库的依赖问题，所以Anaconda把这些依赖库也做成了conda packages，这样就能确保任何机器都能安装了。libtensorflow_cc是TensorFlow的C++库，之前介绍过如何编译，但编译成conda packages，仍需要费一番功夫。本文介绍2.3版本的构建方法：

我们先来看deepmd-kit-recipes/libtensorflow_cc-feedstock的recipe/build.sh文件。conda-build构建时，会默认把build.sh作为编译脚本。

1
2
3
4
5
6

if [ ${cuda_compiler_version} == "None" ]; then
  bash $RECIPE_DIR/build_cpu.sh
fi
if [ ${cuda_compiler_version} != "None" ]; then
  bash $RECIPE_DIR/build_gpu.sh
fi

假设你已经有了Amber20的源代码，名叫amber20_src，并且现在在这个目录里面。

作为一所公立大学，Rutgers University所有教职工的工资通过某种方式实现了公开。在这个页面可以查到去年所有人的工资。

我的课题组

在我的课题组中，每个人的工资如下（只列举去年一整年都有工作的，下同）：

此前，本专栏介绍了conda install的使用方法，以及conda install安装deepmd-kit的方法。但是，目前对conda build构建conda packages的讨论甚少。授之以鱼不如授之以渔，这一系列将以deepmd-kit的packages为例，介绍conda包的构建方法。

本文先介绍python包的构建配方（recipe）。在deepmd-kit-feedstock这一项目中，recipe文件夹下包括conda_build_config.yaml和meta.yaml两个YAML文件，其中conda_build_config.yaml包含了构建变量，而meta.yaml包含了构建的元信息。

8月12日下午，在学校要求下，去校医院做了核酸检测，全程自助+无接触。大概步骤是

刷校园卡领取试剂包。把唾沫吐到管子里，吐至刻度线。（要求没有气泡，但似乎没法避免。）把检测试剂当瓶盖拧上，这时蓝色试剂会自动流下去。摇匀。贴上名字，连同贴上条形码的申请表格一同放入袋中，扔进箱子里。

1. Windows 10 教育版

比专业版多了几个用不到的功能。

虽然我高中的时候就想着将来要科研，自主招生面试的时候也是这么说的，但直到大二下学期，我还不知道自己将来要往哪个方向走，只知道可能要争取推免资格，为此准备了一大堆加分项目。在对科研的憧憬中，2017年9月，我加入了朱通老师的课题组。加入课题组的第一天，老师问我为什么想做科研，又为什么想做计算化学的科研？我回答了以后，他又告诉我，一定要出国读书，我表示自己的英语很糟糕，他却说，没关系的。当时，我对科研界招聘的要求毫无概念，对国外学校的录取要求更是一无所知。海外经历的重要性，也仅仅从数次组会中得知。大三这一年，我怀着对科学的追求，将全部的精力放在科研上[1]。

准备开启一个《我的第X篇论文》系列，目的是自己写得开心，可能含有大量专业词汇。按照只看一作的评价标准，以及发文章的速度，不会频繁更新。

时至2018年3月，那时我刚刚结束了一个失败的课题，对molecular dynamics (MD)有了初步了解。大三下学期是一个“无课学期”，我的课表上只有4学分的课，有大量富余时间。开学后，导师告诉我暂缓force matching的project，先开始基于hidden Markov Model (HMM)分析MD轨迹的课题。这个project来自前一年申请的国自基金项目，然而当时我尚未入组，这个课题迟迟未能完成。

上个月学校CSSA发了1000包，然而睡了一觉就完美错过了问卷。这次又发了500包，终于抢到了。