file.write("最高气温：" + high_temp[i] + '/t') # 气温 IndexError: list index out of range

时间: 2024-03-08 10:45:08 浏览: 32
DOC

List index out of bounds(-1)错误解决办法

这个错误通常是由于你尝试访问一个不存在的列表元素引起的。请确保你的列表`high_temp`包含足够的元素以及正确的索引。你可以使用`len()`函数来检查列表的长度，同时确保你正在使用正确的索引来访问它的元素。如果问题仍然存在，你可以在提供更多的代码和错误信息后再次提出问题，以便更好地帮助你解决问题。
阅读全文

相关推荐

pptx

测量程序编制 - python 21数据类型：List（列表）-创建.pptx

print(a[0])，会抛出IndexError: list index out of range。 range()函数是Python中的另一个重要工具，它生成一个整数序列，不包括结束值。基本语法是range(stop)或range(start, stop[, step])。例如： -...
md

IndexError.md

IndexError.md

[ WARN:0@0.618] global loadsave.cpp:244 cv::findDecoder imread_('E:/CCPD2020/ccpd_green/test'): can't open/read file: check file path/integrity Traceback (most recent call last): File "E:/cnnchepai/main.py", line 27, in <module> tempName = iname[4].split("_") IndexError: list index out of range

而且还有一个 IndexError，表示列表索引超出范围。你需要检查一下代码中的文件路径是否正确，并确保文件存在。另外，你也需要检查一下列表 iname 的索引是否正确，是否包含足够的元素。如果问题仍然存在，你可以尝试...

运行python networks/test.py --weights pretrained_model/pretrained_model/weights_epoch_054.pth --dset_root SSC_configs/examples/SemanticKITTI/dataset --out_path predictions/output/path后出现IndexError: list index out of range错误，什么情况

IndexError: list index out of range 错误通常是由于尝试访问列表中不存在的索引导致的。这种错误可能由多种原因引起，例如： 1. 命令行参数不正确：请检查你的命令行参数是否正确，并且是否按照正确的顺序给出...

Traceback (most recent call last): File "/h/ziyang/project/rpm.py", line 16, in <module> with open(sys.argv[3], 'w') as f1: IndexError: list index out of range sh: 2: HepG2_SMNDC1/4.normalization/rep1_snoRNA_up_read_filtered.txt: Permission denied以上是什么错误

这个错误提示表明你在运行/h/ziyang/project/rpm.py脚本的过程中，sys.argv中的索引值超出了列表的范围，导致无法打开要写入的文件。可能是你在运行脚本时没有指定要写入的文件名或文件路径，或者指定的文件名或...

url = '/' + ss[3] + '/' + ss[4] + '/' + ss[5] IndexError: list index out of range [12/May/2023 10:23:41] "GET /result/ HTTP/1.1" 500 75288

这个错误提示是在访问 /result/ 时出现的，错误类型是 IndexError，意味着你的代码试图访问一个列表中不存在的索引。 根据错误提示信息，可以看出是在以下这一行代码中出现了问题： python url = '/' + ss...

报错了E:\FangHuiChuan\PyCharm\PythonProject_Fille\test2\venv\Scripts\python.exe E:\FangHuiChuan\PyCharm\PythonProject_Fille\test2\test.py pygame 2.5.0 (SDL 2.28.0, Python 3.7.5) Hello from the pygame community. https://www.pygame.org/contribute.html Traceback (most recent call last): File "E:\FangHuiChuan\PyCharm\PythonProject_Fille\test2\test.py", line 121, in <module> current_block.place(board) File "E:\FangHuiChuan\PyCharm\PythonProject_Fille\test2\test.py", line 71, in place board[(self.y + y * BLOCK_SIZE) // BLOCK_SIZE][(self.x + x * BLOCK_SIZE) // BLOCK_SIZE] = self.color IndexError: list assignment index out of range Process finished with exit code 1

这个错误提示是由于游戏区域的...board = [[(0, 0, 0) for _ in range(PLAY_WIDTH // BLOCK_SIZE)] for _ in range(PLAY_HEIGHT // BLOCK_SIZE)] 这样就能保证游戏区域和方块大小匹配，解决索引超出范围的错误。

rain[a - 1] = re.findall(r"\d+\.?\d*", rain_list.text)[0] # 存入数值 IndexError: list index out of range

\d*", rain_list.text) if len(match_result) > 0: rain[a - 1] = match_result[0] else: # 处理无法匹配到任何结果的情况 这样，如果 re.findall() 返回的列表不为空，那么就将第一个元素存入 rain[a - 1...

pytorch部分代码如下：train_loss, train_acc = train(model_ft, DEVICE, train_loader, optimizer, epoch,model_ema) if use_amp: with torch.cuda.amp.autocast(): # 开启混合精度 loss = torch.nan_to_num(criterion_train(output, targets)) # 计算loss scaler.scale(loss).backward() # 梯度放大 torch.nn.utils.clip_grad_norm_(model.parameters(), CLIP_GRAD) if not (self._backward_hooks or self._forward_hooks or self._forward_pre_hooks or _global_backward_hooks or _global_forward_hooks or _global_forward_pre_hooks): return forward_call(*input, **kwargs) class LDAMLoss(nn.Module): def __init__(self, cls_num_list, max_m=0.5, weight=None, s=30): super(LDAMLoss, self).__init__() m_list = 1.0 / np.sqrt(np.sqrt(cls_num_list)) m_list = m_list * (max_m / np.max(m_list)) m_list = torch.cuda.FloatTensor(m_list) self.m_list = m_list assert s > 0 self.s = s self.weight = weight def forward(self, x, target): index = torch.zeros_like(x, dtype=torch.uint8) index.scatter_(1, target.data.view(-1, 1), 1) index_float = index.type(torch.cuda.FloatTensor) batch_m = torch.matmul(self.m_list[None, :], index_float.transpose(0,1)) batch_m = batch_m.view((-1, 1)) x_m = x - batch_m output = torch.where(index, x_m, x) return F.cross_entropy(self.s*output, target, weight=self.weight) 报错：Traceback (most recent call last): File "/home/adminis/hpy/ConvNextV2_Demo/train+ca.py", line 279, in <module> train_loss, train_acc = train(model_ft, DEVICE, train_loader, optimizer, epoch,model_ema) File "/home/adminis/hpy/ConvNextV2_Demo/train+ca.py", line 46, in train loss = torch.nan_to_num(criterion_train(output, targets)) # 计算loss File "/home/adminis/anaconda3/envs/wln/lib/python3.9/site-packages/torch/nn/modules/module.py", line 1051, in _call_impl return forward_call(*input, **kwargs) File "/home/adminis/hpy/ConvNextV2_Demo/models/utils.py", line 621, in forward index.scatter_(1, target.data.view(-1, 1), 1) IndexError: scatter_(): Expected dtype int64 for index.

看起来问题出在 LDAMLoss 中的 scatter_() 函数上。根据报错信息，scatter_() 期望的 dtype 是 int64...index.scatter_(1, target.data.view(-1, 1).type(torch.int64), 1) 这样应该可以解决这个问题。

class Level(): def __init__(self, Adr,i) -> None: self.Adr = Adr self.node = Node(Adr) self.level = i+1 self.Len = lib.Nodes_size(self.Adr) def __getitem__(self, i): L = self.Len if i>=L or i<-L: raise IndexError('Vector index out of range') if i<0: i += L return lib.Nodes_get(self.Adr,i).contents def __len__(self): return lib.Nodes_size(self.Adr)

- __getitem__(self, i): 获取指定索引 i 处的节点，首先获取节点的长度 L，然后判断索引是否超出范围，如果超出则抛出 IndexError 异常，如果索引为负数，则将其转换为正数。最后调用 lib.Nodes_get() 函数获取指定...

程序运行提示IndexError: list index out of range，修改程序with open('image_skeleton_1.txt', 'r') as f: data = [] data_1 = [] for line in f: if line.strip(): # 去掉空行 line = line.strip().split()[0] # 只取第一列数据 if line not in data: data.append(line) for line_1 in f: if line_1.strip(): # 去掉空行 line_1 = line_1.strip().split()[1] # 只取第一列数据 if line_1 not in data_1: data_1.append(line_1) data = sorted([float(d) for d in data]) range_length = data[-1] - data[0] interval_length = range_length / 2 interval_1 = (data[0], data[0] + interval_length) interval_2 = (interval_1[1], data[-1]) data_1 = sorted([float(c) for c in data_1]) range_length_1 = data_1[-1] - data_1[0] interval_length_1 = range_length_1 / 3 interval_4 = (data_1[0], data_1[0] + interval_length_1) interval_5 = (interval_4[1], interval_4[1] + interval_length_1) interval_6 = (interval_5[1], data_1[-1])

问题出现在第二个for循环中，因为在第一个for循环中，f文件指针已经到达了文件末尾，所以在第二个for循环中没有数据可以读取，导致了IndexError: list index out of range错误。可以将第一个for循环读取的数据保存到...

帮我看看这段代码报错原因：Traceback (most recent call last): File "/home/bder73002/hpy/ConvNextV2_Demo/train+.py", line 272, in <module> train_loss, train_acc = train(model_ft, DEVICE, train_loader, optimizer, epoch,model_ema) File "/home/bder73002/hpy/ConvNextV2_Demo/train+.py", line 48, in train loss = torch.nan_to_num(criterion_train(output, targets)) # 计算loss File "/home/bder73002/anaconda3/envs/python3.9.2/lib/python3.9/site-packages/torch/nn/modules/module.py", line 889, in _call_impl result = self.forward(*input, **kwargs) File "/home/bder73002/hpy/ConvNextV2_Demo/models/losses.py", line 37, in forward index.scatter_(1, target.data.view(-1, 1), 1) IndexError: scatter_(): Expected dtype int64 for index. 部分代码如下：cls_num_list = np.zeros(classes) for _, label in train_loader.dataset: cls_num_list[label] += 1 criterion_train = LDAMLoss(cls_num_list=cls_num_list, max_m=0.5, s=30) class LDAMLoss(nn.Module): def __init__(self, cls_num_list, max_m=0.5, weight=None, s=30): super(LDAMLoss, self).__init__() m_list = 1.0 / np.sqrt(np.sqrt(cls_num_list)) m_list = m_list * (max_m / np.max(m_list)) m_list = torch.cuda.FloatTensor(m_list) self.m_list = m_list assert s > 0 self.s = s self.weight = weight def forward(self, x, target): index = torch.zeros_like(x, dtype=torch.uint8) index.scatter_(1, target.data.view(-1, 1), 1) index_float = index.type(torch.cuda.FloatTensor) batch_m = torch.matmul(self.m_list[None, :], index_float.transpose(0,1)) batch_m = batch_m.view((-1, 1)) x_m = x - batch_m output = torch.where(index, x_m, x) return F.cross_entropy(self.s*output, target, weight=self.weight)

根据报错信息，可以看出问题出在这一行代码上：index.scatter_(1, target.data.view(-1, 1), 1)，报错信息中指出 scatter_() 函数期望得到的是 int64 类型的索引，但是目前传入的 target.data.view(-1, 1) ...

File "/root/autodl-tmp/project/tools/../lib/datasets/kitti_rcnn_dataset.py", line 793, in get_proposal_from_file roi_obj_list = kitti_utils.get_objects_from_label(proposal_file) File "/root/autodl-tmp/project/tools/../lib/utils/kitti_utils.py", line 11, in get_objects_from_label objects = [object3d.Object3d(line) for line in lines] File "/root/autodl-tmp/project/tools/../lib/utils/kitti_utils.py", line 11, in objects = [object3d.Object3d(line) for line in lines] File "/root/autodl-tmp/project/tools/../lib/utils/object3d.py", line 17, in __init__ self.trucation = float(label[1]) IndexError: list index out of range

这个错误通常表示在代码中访问了一个列表（或其他序列）中不存在的索引位置。在您的情况下，这个错误可能是由于 "label" 列表没有足够的元素导致的。您可以打印 "label" 列表，查看它包含的元素数量是否正确。...

mask_file = list(mask_dir.glob(idx + mask_suffix + '.*'))[0] ，报错IndexError: list index out of range如何改

该错误IndexError: list index out of range通常表示你在尝试访问列表的一个元素，但是列表的实际长度小于你指定的索引位置。这行代码的意思是遍历mask_dir目录下以idx结尾并包含mask_suffix的文件，并取第...

runfile('D:/pythonstudy/Map_weibofusheji.py', wdir='D:/pythonstudy') Traceback (most recent call last): File D:\ProgramData\anaconda3\lib\site-packages\spyder_kernels\py3compat.py:356 in compat_exec exec(code, globals, locals) File d:\pythonstudy\map_weibofusheji.py:107 height_layer = find_height_layer(data_arr[height_layer_localhost][column_localhost:]) File d:\pythonstudy\map_weibofusheji.py:31 in find_height_layer height_layer.append(util.get_number(i)) File D:\pythonstudy\完整代码\util.py:14 in get_number number = re.findall(pat, str)[0] IndexError: list index out of range

根据你提供的信息，这是一个代码错误，具体来说是索引越界（list index out of range）错误。可能是因为在 util.py 文件的 get_number 函数中，没有匹配到符合要求的数据，导致 re.findall(pat, str) 函数返回...

class Vec: def __init__(self, lst): self.lst = [0, 0, 0] if isinstance(lst, list): self.lst[:] = lst[:] def __mul__(self,V2): if isinstance(V2, Vec): if len(self.lst) != len(V2.lst): raise ValueError("向量长度必须相等") result = Vec([]) for i in range(len(self.lst)): result.lst[i] = self.lst[i] * V2.lst[i] return result else: raise TypeError("不支持操作的数据类型") def __imul__(self, val): if isinstance(val, (int, float)): for i in range(len(self.lst)): self.lst[i] *= val return self else: raise TypeError("不支持操作的数据类型") def __repr__(self): return "Vec:"+str(self.lst) def __str__(self): return "Vec:"+str(self.lst) V1=Vec([1,2,3]) V2=Vec([2,3,4]) print(V1) print(V2) print('V1*V2',V1*V2) V1*=0.5 print('V1*0.5:',V1) #出现IndexError: list assignment index out of range

在你提供的代码中，出现了 IndexError: list assignment index out of range 的错误。这是因为在 __init__ 方法中，你初始化了 self.lst 为一个固定长度的列表 [0, 0, 0]，而在 __mul__ 方法中，你试图...

File "D:\lstnet_keras-master\Train_Batch_a1.py", line 11, in <module> tf.config.experimental.set_memory_growth(physical_devices[0], True) IndexError: list index out of range

print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU'))) 如果输出结果为0，则表示您的系统没有正确识别GPU设备。您需要确保已经正确安装和配置了GPU驱动程序和CUDA / cuDNN...

class Node(): def __init__(self,Adr) -> None: self.nodeAdr = Adr self.Len = lib.Nodes_size(Adr) def __getitem__(self, i): L = self.Len if i>=L or i<-L: raise IndexError('Vector index out of range') if i<0: i += L return lib.Nodes_get(self.nodeAdr,i).contents def __len__(self): return lib.Nodes_size(self.nodeAdr)

- __getitem__(self, i): 获取指定索引 i 处的节点，首先获取节点的长度 L，然后判断索引是否超出范围，如果超出则抛出 IndexError 异常，如果索引为负数，则将其转换为正数。最后调用 lib.Nodes_get() 函数获取指定...

url = '/' + ss[3] + '/' + ss[4] + '/' + ss[5] IndexError: list index out of range

这个错误通常表示索引超出了列表的范围，也就是尝试访问列表中不存在的元素。有可能是因为你的列表ss的长度不足以支持你的操作，或者你尝试访问的索引值大于等于列表长度。你可以先打印一下ss的长度和内容，检查...

最新推荐

recommend-type

(175797816)华南理工大学信号与系统Signal and Systems期末考试试卷及答案

内容来源于网络分享，如有侵权请联系我删除。另外如果没有积分的同学需要下载，请私信我。
recommend-type

深圳建设施工项目安全生产奖惩管理制度.docx

深圳建设施工项目安全生产奖惩管理制度
recommend-type

离散数学课后题答案+sdut往年试卷+复习提纲资料

离散数学课后题答案+sdut往年试卷+复习提纲资料
recommend-type

自考04741计算机网络原理真题及答案及课件

04741计算机网络原理 2018(尚德）.pdf 13年试题（2套）.pdf 2015年10月自考计算机网络原理04741试题及答案解析.docx 2021年4月自考04741计算机网络原理真题及答案.docx 2021年4月自考04741计算机网络原理试卷.bak.docx 计算机网络原理 课后题答案 全 李全龙版 自考04741.zip.zip 计算机网络原理课件 计算机网络原理课件.rar
recommend-type

Java毕业设计项目：校园二手交易网站开发指南

资源摘要信息:"Java是一种高性能、跨平台的面向对象编程语言，由Sun Microsystems（现为Oracle Corporation）的James Gosling等人在1995年推出。其设计理念是为了实现简单性、健壮性、可移植性、多线程以及动态性。Java的核心优势包括其跨平台特性，即“一次编写，到处运行”（Write Once, Run Anywhere），这得益于Java虚拟机（JVM）的存在，它提供了一个中介，使得Java程序能够在任何安装了相应JVM的设备上运行，无论操作系统如何。 Java是一种面向对象的编程语言，这意味着它支持面向对象编程（OOP）的三大特性：封装、继承和多态。封装使得代码模块化，提高了安全性；继承允许代码复用，简化了代码的复杂性；多态则增强了代码的灵活性和扩展性。 Java还具有内置的多线程支持能力，允许程序同时处理多个任务，这对于构建服务器端应用程序、网络应用程序等需要高并发处理能力的应用程序尤为重要。 自动内存管理，特别是垃圾回收机制，是Java的另一大特性。它自动回收不再使用的对象所占用的内存资源，这样程序员就无需手动管理内存，从而减轻了编程的负担，并减少了因内存泄漏而导致的错误和性能问题。 Java广泛应用于企业级应用开发、移动应用开发（尤其是Android平台）、大型系统开发等领域，并且有大量的开源库和框架支持，例如Spring、Hibernate、Struts等，这些都极大地提高了Java开发的效率和质量。 标签中提到的Java、毕业设计、课程设计和开发，意味着文件“毕业设计---社区（校园）二手交易网站.zip”中的内容可能涉及到Java语言的编程实践，可能是针对学生的课程设计或毕业设计项目，而开发则指出了这些内容的具体活动。 在文件名称列表中，“SJT-code”可能是指该压缩包中包含的是一个特定的项目代码，即社区（校园）二手交易网站的源代码。这类网站通常需要实现用户注册、登录、商品发布、浏览、交易、评价等功能，并且需要后端服务器支持，如数据库连接和事务处理等。考虑到Java的特性，网站的开发可能使用了Java Web技术栈，如Servlet、JSP、Spring Boot等，以及数据库技术，如MySQL或MongoDB等。"
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本：布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学，1996年。法语。NNT：电话：00345357HAL ID：电话：00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆，用于存放和传播科学研究论文，无论它们是否被公开。论文可以来自法国或国外的教学和研究机构，也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【MVC标准化：肌电信号处理的终极指南】：提升数据质量的10大关键步骤与工具

![MVC标准化](https://img-blog.csdn.net/20160221141956498) # 摘要 MVC标准化是肌电信号处理中确保数据质量的重要步骤，它对于提高测量结果的准确性和可重复性至关重要。本文首先介绍肌电信号的生理学原理和MVC标准化理论，阐述了数据质量的重要性及影响因素。随后，文章深入探讨了肌电信号预处理的各个环节，包括噪声识别与消除、信号放大与滤波技术、以及基线漂移的校正方法。在提升数据质量的关键步骤部分，本文详细描述了信号特征提取、MVC标准化的实施与评估，并讨论了数据质量评估与优化工具。最后，本文通过实验设计和案例分析，展示了MVC标准化在实践应用中的具
recommend-type

能否提供一个在R语言中执行Framingham数据集判别分析的详细和完整的代码示例？

当然可以。在R语言中，Framingham数据集是一个用于心血管疾病研究的经典数据集。以下是使用`ggfortify`包结合` factoextra`包进行判别分析的一个基本步骤： 首先，你需要安装所需的库，如果尚未安装，可以使用以下命令： ```r install.packages(c("ggfortify", "factoextra")) ``` 然后加载所需的数据集并做预处理。Framingham数据集通常存储在`MASS`包中，你可以通过下面的代码加载： ```r library(MASS) data(Framingham) ``` 接下来，我们假设你已经对数据进行了适当的清洗和转换
recommend-type

Blaseball Plus插件开发与构建教程

资源摘要信息:"Blaseball Plus" Blaseball Plus是一个与游戏Blaseball相关的扩展项目，该项目提供了一系列扩展和改进功能，以增强Blaseball游戏体验。在这个项目中，JavaScript被用作主要开发语言，通过在package.json文件中定义的脚本来完成构建任务。项目说明中提到了开发环境的要求，即在20.09版本上进行开发，并且提供了一个flake.nix文件来复制确切的构建环境。虽然Nix薄片是一项处于工作状态（WIP）的功能且尚未完全记录，但可能需要用户自行安装系统依赖项，其中列出了Node.js和纱（Yarn）的特定版本。 ### 知识点详细说明： #### 1. Blaseball游戏： Blaseball是一个虚构的棒球游戏，它在互联网社区中流行，其特点是独特的规则、随机事件和社区参与的元素。 #### 2. 扩展开发： Blaseball Plus是一个扩展，它可能是为在浏览器中运行的Blaseball游戏提供额外功能和改进的软件。扩展开发通常涉及编写额外的代码来增强现有软件的功能。 #### 3. JavaScript编程语言： JavaScript是一种高级的、解释执行的编程语言，被广泛用于网页和Web应用的客户端脚本编写，是开发Web扩展的关键技术之一。 #### 4. package.json文件： 这是Node.js项目的核心配置文件，用于声明项目的各种配置选项，包括项目名称、版本、依赖关系以及脚本命令等。 #### 5.构建脚本： 描述中提到的脚本，如`build:dev`、`build:prod:unsigned`和`build:prod:signed`，这些脚本用于自动化构建过程，可能包括编译、打包、签名等步骤。`yarn run`命令用于执行这些脚本。 #### 6. yarn包管理器： Yarn是一个快速、可靠和安全的依赖项管理工具，类似于npm（Node.js的包管理器）。它允许开发者和项目管理依赖项，通过简单的命令行界面可以轻松地安装和更新包。 #### 7. Node.js版本管理： 项目要求Node.js的具体版本，这里是14.9.0版本。管理特定的Node.js版本是重要的，因为在不同版本间可能会存在API变化或其他不兼容问题，这可能会影响扩展的构建和运行。 #### 8. 系统依赖项的安装： 文档提到可能需要用户手动安装系统依赖项，这在使用Nix薄片时尤其常见。Nix薄片（Nix flakes）是一个实验性的Nix特性，用于提供可复现的开发环境和构建设置。 #### 9. Web扩展的工件放置： 构建后的工件放置在`addon/web-ext-artifacts/`目录中，表明这可能是一个基于WebExtension的扩展项目。WebExtension是一种跨浏览器的扩展API，用于创建浏览器扩展。 #### 10. 扩展部署： 描述中提到了两种不同类型的构建版本：开发版（dev）和生产版（prod），其中生产版又分为未签名（unsigned）和已签名（signed）版本。这些不同的构建版本用于不同阶段的开发和发布。 通过这份文档，我们能够了解到Blaseball Plus项目的开发环境配置、构建脚本的使用、依赖管理工具的运用以及Web扩展的基本概念和部署流程。这些知识点对于理解JavaScript项目开发和扩展构建具有重要意义。
recommend-type

"互动学习：行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动，互动学习以行动为中心的强化学习学会互动，互动学习，以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授：智囊团论文联合主任菲利普·普雷教授，大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授，Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士，Deepmind对于那些及时看到自己错误的人...3谢谢你首先，我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔，"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲，你知道在这篇论文的（许多）错误中，你是我可以依