在Visual Studio Code中，依视频首次编辑运行Jupyter Notebook时( .ipynb )时，系统会主动安装Jupyter相关组件。默认情况下，系统从位于国外的服务器下载组件，受限于防火墙及网速，经常会出现安装失败的情况，通常表现为安装的中断及红字错误信息。如下图：

[图1]

本文讨论Windows环境下Cython编译环境的准备。

本书配套代码中HanoiTower 项目目录下有resource子目录，其中存放了本游戏中使用的全部图片及音乐资源。

Python是人工智能编程的首选语言，至少当作者在键盘上敲下这行话时，这是事实。作为一本Python基础入门性质的教科书，本书无法就Python在人工智能与深度学习中的应用展开深入讨论。要理解深度学习的内部细节，需要复杂的数学知识。不过作为应用层面的开发者，读者或者不需要理解深度学习复杂的数学细节，简单借助于开源的工具包和模型，也可以享受到人工智能的益处。本章通过图像风格迁移这个示例，让读者尝尝人工智能的味道。

​ 高数差不多是大多数莘莘学子共同的噩梦。

​ “ 从前有棵树，叫高数，树上挂了很多人。透过浓密的树叶向上看，拉格朗日挂在天空，向下看，分别是常微分和偏微分两座方城。城里有解析几河，微分几何、黎曼几何几条大河，而作为河的支流的几条小溪，也非常有名，它们是柯溪，数学分溪，回归分溪，泛涵分溪和时间序列分溪。城的外面，有一片树林，树林里有很多树，分别是高等代树、线性代树、数值代树，以及实变和复变函树两兄弟。“

SciPy以NumPy为基础，提供了众多数学、科学、工程计算用的模块，包括但不限于：线性代数、常微分方程求解、信号处理、图像处理、稀疏矩阵处理。

本章适合那些有较好高等数学、线性代数、概率论基础的工科学生或从业者阅读。其他读者可以跳过，不影响后续章节。为减轻“数学恐惧症”患者的恐惧，作者尽量选择相对容易的“数学”案例来进行解读。

因为伟大的墙的原因，pip通过位于国外的源服务器下载扩展安装包的速度特别慢，对初学者不太友好。

上述问题可以通过修改pip的安装源至国内的镜像服务器来解决。

本文讨论Python下如何创建一个文本格式的进度条，就像pip下载时的进度条一样。

本文讨论Python下的数值列表 - range(x,y,z)函数的应用，并分析其计数过程。

Python使用被称为异常的特殊对象来表达执行期间发现的错误。当这些异常没有被捕获并处理时，程序将停止，并向控制台打印错误信息。这个错误信息通常是一个traceback，包含了异常的类型，以及诱发这个异常的代码位置及调用栈细节。