- 整理用Matlab、Octave、Python-MNE处理EEG信号数据的相关技术流程
- TensorFlow2 的 Eager 模式，去掉了 TF 定义的变量或张量需要借助 Session 来实现向 Python 变量的转换的过程，是对 Session 模式的去枷锁，不要从 Session 模式开始学习如何去掉 Session，直接
认为 TF 定义的变量或张量可以被直接调用就好了，即在 TensorFlow2 中定义了变量或张量，像 Numpy 变量或数组一样直接调用就可以了。
MNE-Python出现于2014年，是Python在神经科学方面的三方库，用Python处理大量EEG数据时，代码式的操作方式会大大提高“数据流”处理效率。
后面在学习深度学习框架的同时要兼顾该三方库的学习。
sudo pip install mne即可安装该库，项目首页在：https://mne.tools/stable/index.html.
另查到该三方库存在正在开发的GUI项目MNELAB，基于MNE-Python和Pyside2图形库，构建了初步可用的MNE界面。项目地址在：
https://github.com/cbrnr/mnelab.
该GUI项目暂时不作为重点学习的内容，因为GUI操作不利于与深度学习框架的融合和后期项目的扩展能力。
这意味着MNE-Python这个EEG处理库与“深度学习”结合的紧密程度将会更高。
- 安装VScode编辑器，官方方案太慢，推荐下载最新安装包自己手动安装（windows下推荐软件内升级）。
- 安装Python扩展。
- 创建新的Notebook笔记本，
Ctrl + Shift + p打开命令栏，输入jupyter，选择creat new blank jupyter notebook创建笔记本。
Octave是Matlab社区化的产物，官方介绍能兼容Matlab99%的代码，除了不具有Matlab优良的GUI界面以及商业化的三方库，基本的代码是完全可以跑通的，数据分析、处理、可视化方面完全可以替代Matlab。
未来也许会出现Octave的GUI项目，以及三方库的繁荣，届时该产品的商业和开源社区将会出现相辅相成、互相促进的局面。