Fenglielie

寄存器 Vim 提供了许多寄存器⽤于存放内容，可以理解为剪贴板， ⼀个字符对应⼀个寄存器（例如a-z，0-9），不同的寄存器有对应的功能，具体细节非常复杂，下表只列举常用的寄存器。 名称 标识 内容或功能 无名寄存器 " 默认寄存器（上一次复制或删除的内容） 删除寄存器 0-9 文本复制和删除历史 小写寄存器 a-z 手动指定用于保存文本 大写寄存器 A-Z 用于追加内容到同名的小写寄存器 剪切板寄存器 + / * 系统剪贴板（需要 Vim 支持） 空寄存器 _ 删除但不存储（黑洞） 此外，还有一些存放特殊信息的只读寄存器： %：当前文件名 .：上一次插入的内容 :：上一次执行的命令 通过 :reg {register} 可以查看对应寄存器的内容，使用 :reg...

前一篇只是 vim 的极简使用，现在正式进入 vim 的学习笔记。 参考：【Vim】可能是B站最系统的Vim教程 工作模式 vim 包括三种主要模式 Normal 模式 Insert 模式 Command 模式 以及一个临时的 Visual 模式。 启动 vim 会直接进入 Normal 模式，此时的按键不会被视作输入字符，而是视作命令，例如输入i会切换到 Insert 模式，进行正常的文本编辑状态；输入英文冒号:会切换到 Command 模式，此时光标会留在最底行，可以输入复杂的命令。 几个模式的转换如下图，Normal 模式作为转换的中枢，在其他模式中可以通过 <Esc> 键可以返回 Normal 模式，也可以使用 <Ctrl+[> 替代（默认情况下，它和<Esc>键功能完全等价）。 从 Normal 模式出发 光标移动基础 在 Normal 模式中，为了保证操作的高效连贯，我们不希望双手离开主键区，主要使用按键 hjkl...

vim 被称为编辑器之神，学习难度很大，但是熟练掌握后可以更高效地敲代码，因此有必要学一下，但是没必要鼓捣各种插件， 为了便于内容组织，计划分成几个阶段： 极简使用 基本使用 进阶使用 第一部分的内容非常简单，只够用来临时修改一些服务器上的配置文件，但是如果不写的话，感觉笔记还是不够完整。 vim 介绍与版本 vim 是古董编辑器 vi 的升级版，在现代的 Linux 发行版中通常自带 vim，无需手动安装，虽然版本通常不是最新的，但是也足够使用。在很多发行版中都将 vi 命令链接到 vim 命令，因此 vi 命令和 vim 命令通常是等价的，都是在调用 vim 编辑器。 在 vim 中输入 :version 可以查看版本信息，例如 123VIM - Vi IMproved 8.2 (2019 Dec 12, compiled Nov 22 2021 19:31:05)Included patches: 1-3582Compiled by...

Marp 简单介绍 Markdown → 幻灯片 可导出 PDF / HTML 适合讲义、科研展示、课程分享 使用方式 VS Code 安装 Marp 插件（推荐） npm 安装 Marp CLI 基本语法 基于现有的 Markdown 文件略微修改即可 使用 --- 分页，前后最好有单独空行 在头部添加元信息进行全局配置 1234567---marp: truetheme: gaiapaginate: true---... 配置 Marp 支持的配置包括全局配置和局部配置，前者出现在头部，后者出现在对应的分页。 在Markdown头部支持添加如下形式的元信息进行全局配置 12345---marp: truetheme: gaiapaginate: true--- 具体含义为： marp：true 开启 Marp 渲染（这是唯一的必选项） theme: default、gaia、uncover 几个内置主题 paginate：true、false 是否显示页码 在具体分页则可以使用html注释形式添加对应的局部配置，例如： 用大字体样式（通常用于封面）...

NumPy 提供了比较丰富的线性代数运算功能，主要集中在 numpy.linalg 模块中，下面罗列一些基础的操作，主要针对一维和二维数组，对于其它高维数组的语义可能不太符合直觉。 重要函数 点积 np.dot np.dot() 函数可以计算两个向量的点积，最基本的用法例如 1234a = np.array([1, 2, 3], dtype=np.float64)b = np.array([4, 5, 6], dtype=np.float64)np.dot(a, b) # np.float64(32.0)# 1*4 + 2*5 + 3*6 = 32 np.dot(a, b)的完整语义需要根据两个数组的维度来区分： 第一类情况： 如果其中一个是标量，那么就是进行（逐元素的）乘法，等效于 np.multiply(a, b) 或 a * b。 第二类情况： 如果 a 是 \(N\) 维数组，b 是一维数组，那么会沿着两者的最后一个轴求和，得到 \(N-1\) 维数组。 （特例，标准情况）如果两者都是尺寸为...

数组的拷贝 Python 本身有深拷贝和浅拷贝等复杂的概念，对于多层列表等数据结构，对应的行为差异非常明显。 但是 Numpy 的 ndarray 数组无论形状如何，在内存中始终是连续存储的，高维数组并不是数组的数组， 因此并没有深拷贝和浅拷贝的明显差异。 和其它 Python 数据一样，在函数传参过程中对 ndarray 数组的传递并不会触发任何的拷贝行为。 为了获取一个 ndarray 数组的完整拷贝，可以使用 ndarray.copy() 方法，例如 12345a = np.array([1, 2, 3])b = a.copy()b[0] = 100a # array([1, 2, 3]) 上述测试代码表明，拷贝得到的是完全独立的数组，修改不会相互影响。 也可以使用numpy.copy()函数，例如 12a = np.array([1, 2, 3])b = np.copy(a) ndarray.copy() 方法和...

Numpy 是一个用于科学计算的 Python 扩展库，虽然不是 Python 标准库，但是已经是 Python 在科学计算、机器学习等领域毋庸置疑的基础库，很多主流的 Python 库都依赖 Numpy。 1import numpy as np 一个循序渐进的入门笔记的内容组织比较麻烦，我也并不打算这么做，这个笔记的内容会围绕一些关键点展开， 主要参考 Numpy 的官方资料。 ndarray 基本概念 np.ndarray （别名 np.array）是 Numpy 的核心数据类型，可以用于存储 n 维数组，并提供了大量相关操作方法。 它与 Python 的 list 类型类似，但是存在更多限制：只能存储同类型数据，并且尺寸是固定且规则的，即不允许各个元素长短不一的数组。 这些限制使得 ndarray 的运算非常高效（直接调用底层的 C/C++ 实现）。 但是有一点不足的是：Numpy 没有提供稀疏矩阵的数据结构，需要时可以使用其它包提供的稀疏矩阵。 我们主要关注一维数组和二维数组，例如 123array([1, 2, 3]) # shape=(3,)array([[1,...

记录一些常用的MATLAB编程技巧/规范，目标是写出高效并且可维护的MATLAB代码。主要参考官方文档中的提升性能的方法。 这里的讨论只关注运算效率，假设内存总是足够的，并且不涉及并行计算和GPU。 关于代码结构 我们有很多方式执行代码：命令行 vs 脚本 vs 函数，虽然绝大多数代码在不同方式中执行都是等效的，但是考虑优化就不是一回事了，通常的运行效率关系为：命令行 < 脚本 < 函数，也就是说函数的执行速度通常是最快的。 基于模块化编程的思维，避免使用过大的单一文件，考虑将其中重复使用的功能拆分为简洁的函数文件，这种做法可以降低首次运行的成本。 优先使用局部函数而非嵌套函数，嵌套函数可以直接访问外层函数的变量（按照引用捕获），这会影响效率，更好的做法是将所有需要的变量以函数参数的形式显式传递。 关于数组操作 预分配+向量化 两个核心原则：预分配 + 向量化 预分配数组：提前分配数组大小，避免在循环中动态扩展数组。 向量化计算：尽可能使用矩阵和向量运算，避免 for 循环。 我们可以对 for 循环中的几种常见写法进行简单的对比：...

在学习 Python 的字符串和列表所支持的切片操作，以及 Numpy 所支持的各种花式索引操作时，总是会感到非常困惑， 究其原因，就是没有理解这背后的底层原理，因此有必要专门学习一下。 __getitem__ 和 __setitem__ 方法 Python 为类型的 [] 操作提供支持的方法是 __getitem__ 方法和 __setitem__ 方法，分别提供读写的功能。 例如我们可以实现一个支持 [] 读操作的实验类型： 1234class Demo: def __getitem__(self, index): print(f"type(index) = {type(index)}") print(f"index = {index}") 尝试一下基本的索引操作 12345678910111213a = Demo()a[0]# type(index) = <class 'int'># index = 0a[-1]#...

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...