Fenglielie

学习一下关于 MATLAB 单元测试的内容，为了维护一份健壮的代码库，单元测试是必不可少的，参考官方文档。 MATLAB 提供的测试主要包括三种风格： 基于脚本 基于函数 基于类 基于脚本的单元测试 可以通过一个脚本对指定功能进行测试，脚本名称必须以 test 开头或结尾，不区分大小写，否则测试文件可能被忽略。 每一代码节（%%）作为一个测试单元，随后的文本视作测试单元的名称，否则MATLAB会提供一个默认名称。 如果脚本中不含代码节，那么整个文件会被视作一个测试单元，测试单元的名称为脚本名称。 在测试单元中主要通过 assert...

这篇笔记只为了解决两个问题：如何基于命令行使用MATLAB的帮助文档系统？如何让自己编写的代码（函数和类）适配MATLAB的帮助系统？ 获取帮助 doc & docsearch 打开 MATLAB 文档浏览器（最新版已经改成使用系统浏览器），显示帮助中心对应的完整页面。 打开帮助中心首页 1doc 打开abs对应的页面 1doc abs 在帮助中心搜索关键字 1docsearch abs 这两个命令都是完全基于离线版的MATLAB帮助中心，和在线的MATLAB帮助中心几乎一致（除了版本和语言可能不同），通常不支持对用户自定义代码的帮助。 help help 命令可以在命令行中显示简要帮助信息。 help name 会显示 name 指定的功能的帮助文本，例如函数、方法、类、工具箱、变量或命名空间。 help 则会显示与先前操作相关的内容。 例如查找函数的帮助信息 1help abs 输出内容如下 123456789abs Absolute value. abs(X) is the absolute value of the elements of X....

记录一下 MATLAB 踩过的小坑，MATLAB的各种内置函数的用法实在是太奇怪了，一个小细节就可以搞出各种问题。 矩阵元素个数 除了最常见的size(A)可以获取数组的尺寸，还有如下函数： numel(A) 可以获取（任意维度数组）所有元素个数； length(A) 可以获取向量的长度（也就是元素个数），但是扩展到高维数组的行为是非常反直觉的——返回最大维数长度，相当于max(size(A))。 矩阵偏移 函数 circshift 可以用于向量或矩阵的循环偏移，不会修改原始数据。 向量偏移 123456A = [1, 2, 3, 4, 5];circshift(A, 1)% [5, 1, 2, 3, 4]circshift(A, -1)% [2, 3, 4, 5, 1] 矩阵的偏移就比较复杂了，按照前面的做法会以行为整体进行偏移！！！ 1234567A = [1 2 3; 4 5 6; 7 8 9];circshift(A, 1);% 7 8 9% 1 2 3% 4 5 ...

虽然C++没有直接提供interface，但是却提供了虚函数、模板类型等各种语法，使得我们可以用各种方式实现多态，这里我们不区分动态多态和静态多态，而是从设计一个框架的角度，分别使用四种方案实现： 虚函数（最简单直接的方式） std::function CRTP（最晦涩的方式） deducing this（可以视作CRTP的简化，不再需要将派生类作为模板参数传递，要求C++23） 需求 我们考虑这样一个需求： 基类A包括：（不可实例化） 主方法run：调用func1，func2和func3 实现方法func1 实现方法func2（多态，允许子类修改） 实现方法func3（多态，子类必须实现） 派生类B1：继承A 实现方法func3（多态，允许子类修改） 派生类B2：继承A 实现方法func3（多态，允许子类修改）：调用func4 实现方法func4（多态，允许子类修改） 具体类C1：继承B2 实现方法func4 具体类C2：继承B2 实现方法func3 最终我们直接通过各种对象自身来调用run方法，达到如下效果： 12345678Running B1...

事先声明，下面的各种语法技巧都是炫技式的，刻意降低代码的可读性，只是写着玩，在实际应用中是不会允许这么乱写的。 先来几个开胃菜。 开胃菜 (1) 嵌入网址？ 下面这段代码看起来是在c++中直接嵌入了一个网址 1234567#include <iostream>int main(){ https://www.zhihu.com std::cout << "Hello World!" << std::endl; return 0;} 它确实是合法的c++代码，但是含义却并不是网址： 左半部分https: 是一个标签，可以通过goto跳转； 右半部分由于//的存在，就是一个注释，直接被忽略了。 下面的代码就更利于理解了 123456789#include <iostream>int main() {label: // 这是注释 std::cout << "Hello World!" << std::endl; ...

整理一下 jupyter notebook 的各种使用方式。 本地部署 直接在本地主机上启动 jupyter notebook 服务是最简单的用法 1jupyter notebook 需要说明的是： jupyter服务默认监听本机的 8888 端口，如果本机的 8888 端口已经被占用，在启动时会自动递增，例如改为 8889 端口等，也可以使用--port选项指定； jupyter 在启动时会尝试打开本地浏览器，或者手动通过http://localhost:8888/访问即可，可以加上选项阻止自动开启浏览器 --no-browser； 默认只允许接收来自localhost的请求，可以使用 --ip 选项指定，例如--ip=0.0.0.0代表允许所有的ip访问； 默认的工作目录是执行命令时所处的目录，可以在后面加上工作目录作为位置参数，例如jupyter notebook...

之前主要使用的都是conda的虚拟环境，图的是方便省事，但是始终无法理解虚拟环境的底层逻辑， 这里选择学习最简单的、也是python基础的venv虚拟环境。 venv 虚拟环境是Python提供的一个工具，用于创建隔离的环境来管理不同项目的依赖关系，每一个虚拟环境实际存储于一个目录下， 但是可以在任何其它位置激活和使用这个虚拟环境。 在Linux中即使有 Python，也可能不包括 venv，需要额外下载 python3-venv 。 创建虚拟环境 在当前目录下创建一个名为 myenv 的虚拟环境（但是按照惯例，虚拟环境的名称通常为venv或.venv） 1python -m venv...

简单学习一下 Docker。 基本概念 Docker 是一种轻量级的容器化技术，与传统虚拟机相比，它更加高效，能够快速部署和运行应用程序。传统虚拟机需要完整的操作系统，每个虚拟机通常占用多个 GB，而 Docker 容器共享宿主机内核，镜像通常只有 MB 级别，占用更少的资源，启动速度更快。 首先需要区分 Docker 的两个核心概念： Docker Image（镜像）：Docker 镜像是一个只读的模板（实质是宿主系统中的一个文件），包含了运行应用程序所需的所有文件和环境（包括代码、运行时、依赖项、系统工具等）。镜像可以被用来创建容器，基于一个镜像可以创建多个容器。 Docker Container（容器）：容器是基于镜像创建的运行实例（实质是宿主系统中的一个进程），它提供了一个隔离的轻量级 Linux...

关于计算机网络以及Socket编程相关的概念性知识，可以参考相关资料，这里只列举了常见函数的用法，以及两个简单的例子。 Socket 相关函数 socket 函数 创建socket（套接字） 123#include <sys/socket.h>int socket(int family, int type, int protocol); 参数： family：协议族，通常取 AF_INET（IPv4） 或 AF_INET6（IPv6） type：套接字类型，通常取 SOCK_STREAM（TCP） 或 SOCK_DGRAM（UDP） protocol：协议，可以取IPPROTO_TCP、IPPTOTO_UDP，但是更建议直接取0，表示自动使用默认的协议 返回值： 创建成功：返回一个新的套接字文件描述符sockfd 创建失败：返回 -1，通过errno获取错误信息 因此最常见的两种用法以及错误处理如下 12345678910111213// TCPint sockfd = socket(AF_INET, SOCK_STREAM, 0);if (sockfd...

记录一下当前 Python 涉及的一些环境配置。 基本信息 当前本地以及服务器的Python和CUDA的基本信息如下： Windows（以及WSL）： 系统 Windows 11 miniconda Python 版本为 3.12.1 CUDA 驱动最高支持版本 12.8 CUDA Toolkit 版本 12.4（nvcc --version） GPU服务器： 系统 Ubuntu 20.04 anaconda Python 版本为 3.12.7 CUDA 驱动最高支持版本 12.4 CUDA Toolkit 版本 12.1 为了尽量保持本地和服务器的版本一致，选择使用 Python 3.12.x，CUDA 12.4。 这里并没有刻意保证Python的小版本号一致，直接使用默认的Python版本，反正不同系统的包实际上也有很多区别。 常用包 记录一些常用的包 12345678# 必备conda install numpy scipy pandas matplotlib seaborn scikit-learn sympy jupyter# 支持import...