[TOC]

系统设置：

  1. 修改 ~/.bashrc,末尾添加，每次登陆会自动运行：
1
2
source /home/apps/script/vasp.sh
source /home/apps/script/ase.sh
  1. 修改 ~/.bash_profile,末尾添加，把脚本文件添加到路径
1
export PATH=$PATH:/home/zhouzm/mysh
  1. mysh目录下脚本：
1
2
batch_vasp_normal  cl_vaspfile        _runvasp_mynpar   test.sh
batch_vasp_npar    getmypbe           _runvasp_mysmall  getmyenergy  batch_vasp_small   _runvasp_mynormal  test2.sh getmyfrenquency

各个脚本简介：

getmypbe

1
2
自动获取POSCAR第一行，添加POTCAR
# 必须是ase保存的，VESTA保存的POSCAR第一行不是元素符号

_runvasp_mynormal

1
2
3
4
5
6
使用方法：
_runvasp_mynormal jobname(自己随便写)
默认参数设置：
0 "IBRION != 777"
Enter VASP build 0 for standard
normal 节点

_runvasp_mysmall

1
2
3
4
5
6
使用方法：
_runvasp_mynormal jobname(自己随便写)
默认参数设置：
0 "IBRION != 777"
Enter VASP build 0 for standard
small 节点

_runvasp_mynpar

1
2
3
4
5
_runvasp_mynpar jobname(自己随便写)
默认参数设置：
0 for default
Enter VASP build 0 for standard
small 节点

批量提交：batch_vasp_normal,batch_vasp_small,batch_vasp_npar

1
2
3
4
5
6
7
8
batch_vasp_normal采用_runvasp_mynormal提交，其他类似
使用方法： 
	batch_vasp_normal opt-c111-ts2-h2coo  opt-c111-ts4-h-h2co ...
    # 任务名称使用文件夹名字
opt-c111-ts2-h2coo:目录下面可以没有POTCAR,会使用getmypbe自动获取。
normal:提交到normal节点
small:是提交到small节点
npar: 计算频率

cl_vaspfile

1
# 删除当前目录下文件，保留输入文件POSCAR INCAR KPOINTS POTCAR

getmyenergy

1
2
3
4
使用方法：
	getmyenergy  opt-c111-ts2-h2coo  opt-c111-ts4-h-h2co ...
	# 没有添加检测相关OUTCAR是否正确结束在获取能量，没有输出正常结束信息为异常结束
获取OUTCAR 的能量，并保存到 ENERGYFILE 文件中

getmyfrenquency

1
2
3
4
使用方法：
	getmyfrenquency  opt-c111-ts2-h2coo  opt-c111-ts4-h-h2co ...
	# 读取OUTCAR的频率信息，并保存到 FREQUENCYFILE 文件中,终端输出虚频和零点能
	# FREQUENCYFILE 不保存虚频，频率按行输出，以逗号隔开

ase-gui

1
2
ase-gui CU.cif -o Cu.poscar
ase convert Cu.cif  Cu.poscar

批量获取POTCAR, POSCAR，cif

1
2
3
4
5
6
7
8
9
#!/bin/env bash
FILENAMELIST=$@
for file in $FILENAMELIST
    do
        cd $file
			getmypbe 
			# ase convert Cu.cif  Cu.poscar #ase-gui POSCAR/CONTCAR -o Cu.cif
		cd ../
    done

直接修改源文件

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
#!/bin/env bash
FILENAMELIST=$@
for file in $FILENAMELIST
    do
       cd $file
            cp POSCAR old_POSCAR
            sed -i '$a    6.8920794341203466  8.2498237913018961 10.6854462174986473' POSCAR   
            # POSCAR 最后一行后添加新行‘6.8920794341203466  8.2498237913018961 10.6854462174986473’
            # sed -i 's/\.$/\!/g'  #.结尾的，换成！结尾 
            sed -i '/In/s/$/  H/' POSCAR  # 行中有 In的 末尾插入 H
        #	sed -i '/32/s/$/ 1/' POSCAR # 行中有 32的 末尾插入 1
            sed -i '6s/$/ 1/' POSCAR       # 第六行末尾插入 1
            sed -i '/NPAR/d' INCAR   # 行中有NPAR 则删除 该行
		cd ../
    done
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
#!/bin/env python3.7
# Perceptron algorithm
import numpy as np


def  perceptron(X, y, eta=1, max_step=100000):
	"""
	X :   feature array contain intercept
	y:    lables  0 or 1
    eta:   step length
	max_step: maximum iterations

	"""


	n, d = X.shape  # array shape , n rows d columns
	w = np.zeros(d)  # initial weights assigned to the features
	step = 0 # initial iteration step
	row = 0 # initial from first row of X
	while step < max_step:  # 判断是否到达最大迭代次数
		if np.sign(X[row, :].dot(w) * (y[row]-0.5)) <=0:  # 判断第i行是否分类正确
            step += 1  # step+1
            w += eta * y[row] * X[row, :]  # 更新weights
		if row == n: # 检测是否到最后一行，是的话从第一行开始
            row = 0
		if np.sum((X.dot(w) == y)) == n: # 判断是否全部分类正确，是则终止循环
			break
	return w # 返回 weights

# decision tree
import matplotlib.pyplot as plt
import pandas as pd
from sklearn import tree
import numpy as np

data = pd.read_csv('classfication-regression.csv')
data_coloums_name = data.columns.tolist()

#!/bin/env python3.7
# DecisionTreeClassifier

def Tree_test():

    data_x = data[['H-In', 'coord', 'O_v', 'bi-HCOO', 'H_2COO', 'CH_2O']]
    data_y = data['ts2-c']
    clf = tree.DecisionTreeClassifier(max_depth=1)
    clf = clf.fit(data_x, data_y)

    import graphviz
    dot_data = tree.export_graphviz(clf, out_file=None,
                                    feature_names=['H-In', 'coord', 'O_v', 'bi-HCOO', 'H_2COO', 'CH_2O'],
                                    class_names=['TS3', 'TS2'],
                                    filled=True, rounded=True,
                                    special_characters=True)
    graph = graphviz.Source(dot_data)
    graph.render("ts2-c")
    graph.view()