Fenglielie

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 6 如果希望以列进行...

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 /path/to/notebooks，还可以使用 --notebook-dir 选项指定，例如--notebook-dir=/path/to/notebooks。 除了直接在前台运行，在Linux中还可以使用...

分成如下几个部分： pip：包下载安装 venv：虚拟环境管理 conda：包下载安装和 conda 环境管理 这些内容在不同的系统（Windows/Linux）中的实现细节各有不同，在不同的 shell（pwsh/bash/fish）中，对应的脚本实现也有差异，下面以 Linux + bash 为主，也会考虑 Windows + pwsh 的情况。 为了便于区分，本文中的虚拟环境特指使用 venv 创建的虚拟环境，conda 创建的虚拟环境则称为 conda 环境。 现在还有一些新的替代工具，例如 uv，但是它们只是简化使用，并没有本质区别。 pip 基本使用 使用 pip 可以安装 Python 包，常见形式为 1pip install <package_name> 例如安装进度条工具 tqdm 1pip install tqdm pip 会自动处理包的版本要求和依赖关系，依赖关系在不同系统下可能存在差异，例如： 在 Linux 上只会安装 tqdm 自身； 在 Windows 上会自动安装两个包：colorama, tqdm，前者是 tqdm 的依赖。...

学习一下如何根据指定的年月日快速计算星期几，由于公历的规律性很强，将所有规律整理并不断简化就可以得到这种简便算法，有很多不同的变形算法，例如蔡勒公式，康威裁决日算法等，本文主要学习蔡勒公式。 公历 简要回顾一下公历：每年12个月，每个月可能有28、29、30、31天。 区分普通的年和闰年，非闰年有365天，闰年有366天，年份满足以下情况时为闰年： 年份除以100的余数不为0，除以4的余数为0 年份除以100的余数为0，并且除以400的余数为0 非闰年的12个月的天数依次为： 28天：2月 30天：4月、6月、9月、11月 31天：1月、3月、5月、7月、8月、10月、12月 闰年的12个月的天数依次为： 29天：2月 30天：4月、6月、9月、11月 31天：1月、3月、5月、7月、8月、10月、12月 由于公历于1582年10月正式建立，在这段时间以及更早的年份可能存在日期修正，细节比较复杂，不作讨论。 蔡勒公式 公式如下 \[ w = \left( y + \left[ \frac{y}4 \right] + \left[ \frac{c}4 \...

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 环境，可以在其中独立运行应用程序。 容器可以被创建、启动、暂停、停止、删除等，多个容器可以在同一个主机上运行，并且它们彼此之间是相互隔离的。容器在运行过程中产生的更改通常不会影响外部系统（除非使用专门的方式，包括数据卷和绑定宿主目录等），更不会影响镜像文件。 镜像的构造过...

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 &l...

相关插件 VSCode 与 Python 有关的插件如下：（巨硬把这些插件拆分的实在太细了） Python Python Debugger Python Environments Pylance：Python语言服务器，支持自动补全、代码提示等 Black Formatter：代码格式化（需要通过 conda/pip 下载对应模块） Flake8：代码静态分析（需要通过 conda/pip 下载对应模块） Jupyter 插件包： Jupyter Jupyter Keymap Jupyter Cell Tags Jupyter Notebook Renderers Jupyter Slide show 注意需要单独下载 black 和 flake8 包，例如 1conda install black flake8 如果语法高亮等出现问题，最好先清理相关的配置缓存并重启VSCode，可以解决不少问题。 VSCode 插件配置 下面是目前VSCode关于Python的配置（2025年7月） 编辑器配置 12345678"[python]": {...

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）： Windows 11 miniconda Python 版本为 3.12.1 CUDA 驱动最高支持版本 12.8（nvidia-smi） GPU服务器： Ubuntu 20.04 anaconda Python 版本为 3.11.7 CUDA 驱动最高支持版本 12.4 两者存在很多差异，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。 说明： 指定 Python 版本是 conda 相比于 venv 的一大优势，另一个优势是 conda 包不局限于 Python。 很多库并不支持这么高版本的 Python，到时候再说，反正版本问题是避免不了的。 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impor...