常用小知识点总结

1. pc可以跑通，但是安卓编译死循环，可能是函数声明了返回类型，但是没有真正返回

2. ubuntu下根据关键词杀死所有相关进程。ps -ef | grep code | grep -v grep | cut -c 10-16 | xargs kill -s 9

top和ps基本作用都是显示系统进程状况，但top命令是动态显示，ps命令是静态显示，即ps命令只显示命令执行时的进程状况。

top |grep xxx

adb --vesion

which adb

cp xxx /usr/bin/adb

3. 代码格式化。Alt contr L，Control shift i

4.git忽略权限差异：git config core.filemode false

5.删除本地仓库：rm .git/index

6.显卡GeForce RTX 3090，该显卡仅仅支持使用cuda11以上的版本

https://www.jianshu.com/p/ab2ba5480066

7.cv2.circle画圆圈，输入要求是三通道的，否则报错：python opencv TypeError: Layout of the output array incompatible with cv::Mat

8.RaiDrive，映射网盘到本地

9.Linux操作系统中，set命令主要用于设置shell。set-e，如果code返回结果不上0，就直接退出，set-x，开启输出详细日志。

10. ubuntu添加环境变量。以添加PYTHONPATH为例：

# 使用gedit编辑器打开~/.bashrc文件
sudo gedit ~/.bashrc
# 在文件末尾添加命令
export PYTHONPATH=/home/jhm/caffe/python

export PATH=$PYTHONPATH:$PATH
# 保存退出
source ~/.bashrc

11. source insight,btop,clion

12. sudo find / pycharm.sh

13. adb version

14.ndk_build -v

15.逐像素计算，考虑OpenCL

15.HVX优化

16.strings anaconda2/lib/python2.7/site-packages/ale_python_interface/libstdc++.so.6.0 |grep GLIBCXX

17.Verifying your browser... | myfreax

18.Can't parse 'p'. Sequence item with index 0 has a wrong type。可以看出是变量类型不对，但往往是int的问题，opencv在坐标，长宽等严格要求是int型，注意把数据类型int()转换

19.

19.neon* mus5dSSHFS使用指南_eatlemon的博客-CSDN博客_sshfsm

20.du -h -d 1查看目录下一层的各个文件及其大小

21. 保存shell终端输入到文件：使用标准输出重定向运算符>将输出重定向到文件：command > file.txt，如果file.txt不存在，它会自动创建。如果你使用>再次重定向到相同的文件，文件内容将被替换为新的输出。

22. grep -iEr "ref_is_evn: 1" */Pick-result.txt > ref.txt

23. git commit 时报错，sha1 file no space left，原因是本地空间已满了
24. clang++: error: linker command failed with exit code 1

25.Linux中查看各文件夹大小命令du -h --max-depth=1

df -h

ARM NEON

26. $# 获得shell命令中参数个数，#! /bin/bash 表明使用bash作为该shell的解释器，bash 是Bourne Again Shell, $0表示shell文件名，$1~$n表示第一个到第n个参数

if [$1 -eq 0]，判断第一个参数是否等于0

-gt 运算符，greater than，检测是否大于

27. sorted 排序是按照字典序lexicographical，这样10会排在1之后，2之前。使用natsort可以naturally排序

28.正则表达式，re.findall(pattern, string)

“.*?” 表示非贪心算法，表示要精确的配对。

“.*”表示贪心算法，表示要尽可能多的匹配

“()” 表示要获取括弧之间的信息。

29. 序列解包/列表前加星号*list。可用于将list中元素依次传入函数中

30.可将nn.Conv2d，nn.ConvTranspose2d,nn.BatchNorm2d,ReLu,MaxPool2d等append进list中，然后返回squential(*list)，构成网络的block

31.yuv颜色空间。yuv444表示三个通道完全采样，yuv422是竖直方向完全采样，水平方向uv分别间隔采样，各采样一半，相邻像素的uv互补，所以4+2+2/(4+4+4)=2/3，节约了1/3的存储空间。yuv420是在422的基础上将v的采样放在了下一行，这样四个像素共用一对uv，这对uv分别来自两行，因为420是相对于一行说的，一行之内u或者v没有被采样，所以是420.

四、YUV图像基础_yuv420_future_sky_word的博客-CSDN博客

YUV 的存储格式，有两种：

planar 平面格式
- 指先连续存储所有像素点的 Y 分量，然后存储 U 分量，最后是 V 分量。
packed 打包模式
- 指每个像素点的 Y、U、V 分量是连续交替存储的

32 git reset 回到指定版本，默认是mixed，本地的还在。

33.yeild生成斐波那契数列。下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的

34. 栈空间是有限的，假如频繁大量的使用就会造成因栈空间不足而导致程序出错的问题。用inline修饰函数，调用的时候集直接用函数内部的代码替换。inline 函数仅仅是一个对编译器的建议，所以最后能否真正内联，看编译器的意思，它如果认为函数不复杂，能在调用点展开，就会真正内联，并不是说声明了内联就会内联，声明内联只是一个建议而已

35.C++的inline成员函数自带static属性。用static修饰的函数，限定在本源码文件中，不能被本源码文件以外的代码文件调用。而普通的函数，默认是extern的，也就是说它可以被其它代码文件调用。

36.正则表达式()来分段，*要求前面的有任意个。search只要有匹配的就返回true。匹配的时候要严格按照格式，区分字母和数字。\\d{10}表示10个数字，.*表示任意个字母，

正则表达式（regex)入门_码农行者的博客-CSDN博客

正则表达式 C++_std::regex_search_生活需要深度的博客-CSDN博客

37.math.gamma(n)计算n-1的阶乘。用于多项式回归的实现，

38.如果图像出现上部分正常，或者间隔行列有值，很可能是数据连续弄错了。注意memcpy要sizeof判断数据类型。

39.new是关键字，对编译器有特殊含义。关键字分为数据类型关键字，int等；控制语句关键字，for，siwtch；存储类型关键字，auto，extern，static等；其他类型，sizeof，const；

40. c++默认变量是private。private变量不能直接通过类的实例去取，设值或者取值必须通过成员函数。protected变量和private类似，但是可以继承，在派生类的成员函数可以访问。

41.std::sort自定义排序方式。默认是从小到大，默认快排？自定义可以构造函数，也可以使用lambda匿名函数

std::vector<int> v{3, 5, 1}; std::sort(v.begin(), v.end(), [&v](size_t a, size_t b){return v[a] < v[b];});

利用lambda函数的捕获参数,避免了在比较函数中需要传递v的麻烦。

总结一下,这个lambda表达式生成了一个比较v向量元素的小函数,利用捕获参数引用了外部变量,非常方便地用于诸如排序等算法中。C++笔记之STL的sort使用第三个参数来自定义排序_std::sort 自定义_笑鸿的学习笔记的博客-CSDN博客

42. 利用指针对vector初始化。

43。数组的初始化和分配。int a[5] = {1, 2, 3, 4, 5};//静态初始化，//动态数组 int *pia2 = new int[10] (); // 类似于int pia2[10] ,每个元素初始化为0。

静态分配在栈上，由编译器为对象在栈空间中分配内存。静态分配可以使代码更简单，因为不需要显式释放内存，对象的生命周期由编译器自动管理。但是，静态分配的对象无法在运行的时候改变大小或释放。而且如果对象生命周期比当前作用域范围长，可能导致过早释放或者内存泄漏。

动态分配在堆上

44. addr2line -e xxx.so addr

45.vector ,push_back时如果空间不够，重新申请2倍的空间，同时把用来的拷贝过来，析构旧空间。非常费内存。

vector对象本身存在栈中，其数据是在堆中的。

vector的成员函数size()，表示容器中实际存放元素的个数。capacity()函数表示vector此刻总共可以容纳元素的个数。其中capacity()函数的返回值才是vector实际占用空间的大小。

46. git reset 到某一commit，默认是Mixed，keep working tree，but reset index。

index是缓存区，缓存区是reset到指定commit的内容，而working directory还是reset之前的内容，git branch插件显示的就是working相对于index的变化，右侧就是working directory的改变。

47. fsanitize=address，内存检查

add_definitions("-g")

add_definitions("-fsanitize=address")

add_definitions("-fno-omit-frame-pointer")

link_libraries("-fsanitize=address")

Address Sanitizer 用法 - 简书

48.

set -e（或set -o errexit）是Shell脚本中的一个选项设置，表示在任何命令执行失败（返回非零退出状态码）时立即退出脚本。这意味着如果某个命令执行失败，脚本会立即停止执行后续命令，并返回一个非零的退出状态码。set -e通常用于在脚本中快速检测错误并终止脚本执行，以避免错误继续传播。

import xml.etree.ElementTree as ET

tree = ET.parse(file_path) # 解析xml或者xtml文件，tree是elementTree对象。用来爬虫
root = tree.getroot()

root.findall('object') #ET支持部分的Xpath语法,XPath 使用路径表达式在 XML 文档中进行导航，Xpath有内建函数。

Python系列，网络爬虫Xpath解析入门教程（教学详细、语法基础、附实例代码） - 知乎

50. scipy.Stats.linregress( )线性回归

51. opencl本质是c语言？只能调用c语言中的函数，但是c语言中没有std::sort。有qsort，但是报错。实现冒泡排序，每次移动最小的到正确位置。

52.在 Linux 下使用 cp/mv/rm 等命令时，经常会碰到 Argument list too long 错误。

方法1：通过命令，find和xargs来解决。

方法2：通过命令，find和exec来解决。

find dusays/ -name "*.com" | xargs -i cp {} 7bu/
find dusays/ -name "*.com" -exec cp {} 7bu/ \;

find dusays/ -name "*.com" | xargs -i rm -f {}
find dusays/ -name "*.com" -exec rm -f {} \;

53.文件流类提供了许多不同的成员函数，可以用来在文件中移动。其中的一个方法如下:

seekg(offset, place);

54. tensorflow1.15之后没用tensorflow.contrib:

pip install tf_slim

55.nano保存并退出快捷键 nano是一款基于命令行的文本编辑器,它最常用的快捷键是Ctrl+O和Ctrl+X,用于保存并退出或退出而不保存

56.苹果 iOS 使用 Shadowsocks 设置教程 | Shadowsocks

57. 第一行：“#!/bin/bash” 是一行特殊的脚本说明，表示此行以后的语句通过/bin/bash程序来解释执行；

58. set -x 与 set +x命令的作用实际是用于输出详细日志，是Shell脚本中使用echo命令输出的替代方案。更适用于输出大量日志的场景使用
set -x 是开启，set +x是关闭，set -o是查看 (xtrace，追踪一段代码的显示情况）

set -e（或set -o errexit）是Shell脚本中的一个选项设置，表示在任何命令执行失败（返回非零退出状态码）时立即退出脚本

59. 模板函数，貌似只能直接实现在头文件中？

60. python中main函数传参，可以是一个dict，在函数内部也构造一个包含缺省值的dict，然后通过.update更新使用传入的参数。

调用argparse的静态方法Namespace，自动将dict的键值对转化为argparse对象：arg=argparse.Namespace(**dict)

torch的模型也以字典的形式保存在pkl中，torch.load读取后也可以转换成argparse。

61.re.compile做正则匹配，数字和字母要区分开，数字\d+，字母.*。匹配使用fullmatch

IMG_2101023_1934_259_VT_in_4086x3072_00_EV[0].RGGB

re.compile(r'(IMG_\d+_\d+_\d+)_.*_in_(\d+)x(\d+)_EV\[0\].RGGB')

re.compile返回一个SRE_Pattern对象，可以调用search或者match函数。

>>> n = re.match('foo','hello,foo!')
>>> if n is not None:ngroup()
...
>>>
>>> n = re.search('foo','hello,foo!')
>>> if n is not None:n.group()
...
'foo'

earch()的工作方式和match()完全一致，只是search()会用他的字符串参数，在任意位置对给定正则表达式模式搜索第一次出现的匹配情况

match()方法视图从字符串的起始位置部分对模式进行匹配

62. list使用insert插入到指定位置，list.index("xxxx")获得指定字符串在list中的索引

63. ctrl+P查找文件，ctrl+G定位行号

64. linux 下查询之前用过的命令。
history|grep “ls -a”

65. 使用lsb_release工具Linux Standard Base (LSB)输出Ubuntu版本信息

lsb_release -a

66.docker load --input xxxx.gz，这样就会把里面的各种layer识别解析出来，得到这个docker的名称

【Docker系列】从头学起 Docker——docker run 命令详解-CSDN博客

docker load -i xxx.tar

查看一下 docker images，可以看到TAG，IMAGE ID，SIZE等属性

docker run --gpus all -it -v

为了在容器中也能使用gpu资源，需要安装nvidia-container-toolkit

报错找不到libnvidia-ml.so.1，原因可能是打包docker时把驱动和cuda打包进去了，实际调用的时候物理机的不匹配。

Ubuntu彻底解决apt-get代理设置问题（取消代理设置）_程序员_IT虾米网

取消apt代理，env | grep -i proxy 没输出不一定真的没有代理了。

加了第三方源，public key not available，apt-key添加公钥

67. nohup指令，no hang up，退出终端也不会影响程序的执行

68. tmux，terminal multipleXer，一个终端可以操作多个会话；ctrl+b之后，激活控制台，具体发生什么和接下来的按键相关：按下t显示时间，按下？列出所有快捷键，q退出控制台

69. torchrun命令，防止训练中断，定期保存snapshot，可以从中断的地方训练。这就是弹性容错。

在xxx.py之前，控制多机多卡训练。

--standalone表示单机，--nproc_per_node表示gpu个数，

--nodes表示节点，指主机或者容器。

--rdzv_backend=c10d，用来给eladticAgent指定共享存储，以供节点失败时的重新动态组网。

70. python内置函数，globals()，以字典的方式返回全局变量及其对应的值。结合字典的get函数，得到想要变量的值。

71. os.environ["LOCAL_RANK"]，双机16卡分布式训练，每台机器8卡，worldsize=16，rank编号为0-15，但是localrank还是0-7（对应的是单个gpu上）。

72.python的printf不仅可以打印到屏幕，也可以打印至文件中。

1、print()函数可以输出一个值，也可以同时输出多个值，如果输出多个值，这多个值之间用半角逗号隔开；

2、sep参数指定输出的多个值之间的间隔符，如不指定，则默认间隔符是一个半角空格；

3、end参数指定输出所有的值之后再输出什么符号，如不指定，则默认输出一个换行符；

4、file参数指明输出到文件还是到屏幕，默认是输出到屏幕；

73. Pytorch并行主要有两种方式，DataParallel（DP）和DistributedDataParallel（DDP）

DistributedSampler获得采样器

DataLoader的时候使用采样器对数据集进行采样

数据集Dataset类继承自Dataset，

74. Nvidia 3090-torch 1.12+cu116+python3.9.12

75. dataloader是一个迭代器，返回前向传播需要的batch。在迭代的过程中，dataloader会自动调用dataset中的__getitem__ 函数，以获取一帧数据(item)

76. find / -name libpython3.8.so.1.0

cp /usr/local/python3/lib/libpython3.6m.so.1.0 /usr/lib/

77 addr2line -f -e xxx.so 1f2dc 定位地址在库中的位置，得到文件名和行号，ctrl+P输入行号快速跳转；

78.

将所有的int转换为str

lst1=list(map(lambda x:str(x),lst))

79. export 可新增，修改或删除环境变量

export MYENV=7 //定义环境变量并赋值

要想永久生效，需要把这行添加到环境变量文件里。有两个文件可选：“/etc/profile”和用户主目录下的“.bash_profile”，“/etc/profile”对系统里所有用户都有效，用户主目录下的“.bash_profile”只对这个用户有效。

> source ~/.bashrc # 使修改生效
> echo $PATH | grep ' keyword ' #查看是否有返回以及返回是否正确来判断是否设置正确

80. md5sum xxx.so

81. cp -rv

82. CI（Continuous Integration，持续集成）/CD（Continuous Delivery，持续交付/Continuous Deployment，持续部署）属于DevOps的概念，指将传统开发过程中的代码构建、测试、部署以及基础设施配置等一系列流程的人工干预转变为自动化。

83. python中的装饰器，顾名思义就是不改变原来的函数，在原来函数基础上封装了一层，执行原来函数的同时也会执行新装饰的部分。https://www.cnblogs.com/huageyiyangdewo/p/17322678.html

Pytorch注册器机制Registry - 知乎

在pytorch中经常使用注册器来支持不同的模型结构和训练策略，注册就是通过装饰器来实现的。注册之后就可以自由选择不同的模型结构和训练策略。注册时用register函数记录在dict中，使用时调用get函数重构。

84. __name__='__main__‘，当py文件是导入的时，__name__值是文件名称，只有py文件是正在测试的代码时满足这个判断条件。__main__ 是最高层级代码运行所在环境的名称。这样把测试代码放在这个条件下面，就可以避免导入文件后错误运行一些测试代码，

85. os.name——name指操作系统的名字，主要作用是判断目前正在使用的平台，并给出操作系统的名字，如Windows 返回 'nt'; Linux/mac 返回posix

os.environ------获得一些有关系统的各种信息，有很多关键字段。

rank = int(os.environ['RANK'])  //当前进程的序号，用于进程之间的通信，rank=0的主机为master节点。
local_rank =  int(os.environ['LOCAL_RANK']) //当前进程对应的gpu号。
args.world_size =  int(os.environ['WORLD_SIZE'])
torch.cuda.set_device(local_rank)
torch.distributed.init_process_group(backend="nccl",world_size=args.world_size,rank=rank)

86.pytorch支持多线程和分布式训练。相比于Torch.multiprocessing，torch.distributed的processes可以跑在不同的backends上，不必在同一个机器上。

Writing Distributed Applications with PyTorch — PyTorch Tutorials 2.2.0+cu121 documentation

Distributed Data Parallel — PyTorch master documentation

要想分布式，需要先初始化：

dist.init_process_group(backend,rank,word_size)

关于backend的种类，有gloo,nccl,MPI。他们就是不同的通信库。可以在pytorch手册中查看他们的区别，什么时候选取什么：如果是windows平台使用gloo，如果使用的是CUDA就使用nccl

Distributed communication package - torch.distributed — PyTorch 2.1 documentation

87.globals() 函数会以字典类型返回当前位置的全部全局变量。

一个py文件中所有导入的module，class，function都会是全局变量。还有__name__,__file__

dict.get(a,b):a是键值key，如果存在dict存在键值a，则函数返回dict[a]；否则返回b，如果没有定义b参数，则返回None。

88.inspect.stack()可以获得一个数组，依次表示从内到外调用inspect.stack()的函数名称和行号等信息。比如说有好几个函数都调用了这个，就可以知道是哪个函数调用的。

89.python中{}完成引用/字符串格式化：

name = "Alice"
age = 30# 使用双引号
message1 = f"Hello, my name is {name} and I am {age} years old."
print(message1)# 使用单引号
message2 = f'Hello, my name is {name} and I am {age} years old.'
print(message2)

90. 训练指定使用GPU：

device = torch.device('cuda')

【Pytorch】torch.backends.cudnn.benchmark - 知乎

torch.backends.cudnn.benchmark=True，进一步可以加快训练时间。因为cudnn里面有多种前向卷积的算法实现，可以自动地为每层卷积选取最优的算法实现。这就要求网络结构和输入尺寸不变，不过大部分情况下都是满足的。

91.便于管理，需要修改多进程（包括子进程）的名称:

setproctitle.setproctitle('python3 main--')

92. pytorch数据集加载：

from torch.utils.data import DistributedSampler,DataLoader
from torchvision import datasetsdataset = datasets.ImageFolder(data_path, transform) // 也可以自己定义类
sampler = DistributedSampler(dataset，shuffle=True, // 打乱数据drop_last=True, // 丢弃最后一组数据)
loader = DataLoader(dataset = dataset,sampler = sampler,shuffle =False， // 设定了采样策略sample，shuffle就必须是falsebatch_size=batch_size，num_workers= num_workers， //进程数pin_memory =True，// 返回之前，将tensor拷贝到cudadrop_last =True， // 丢弃最后不足一个batch的数据)

93. ln -s target link_name

创建软链接

其中，target是现有文件或目录的名称，而link_name则是符号链接的名称。

如果不提供link_name，ln将使用target的基本名称作为链接的名称。

94. 计算均值和方差的 CUDA kernel 具体实现是实现采用的 Welford迭代计算算法

95.PWD是英文Present Working Directory的缩写,意为当前工作目录

96.os.path.splitext(path)[0] 去除后缀名

97.np.array_split

import numpy as nparr = np.array([1, 2, 3, 4, 5, 6])newarr = np.array_split(arr, 3)print(newarr)

np.cumsum()是numpy库中的一个函数，表示对数组元素进行累加并存储结果。

一般用来记录分段的起始点。[0]+list(np.cumsum(v1))[:-1]

98. 多进程

pool = multiprocessing.Pool(processes = 3)
pool.map(func, (msg,))  //使进程阻塞直到结果返回
pool.apply_async(func, (msg,))   //非阻塞的且支持结果返回后进行回调

和多线程

99. lmdblmdb数据库的读取与转换(二) —— 数据集操作-腾讯云开发者社区-腾讯云

env = lmdb.open('./data/train/CVPR2016')with env.begin(write=False) as txn:# 获取图像数据image_bin = txn.get('image-000004358'.encode())# 将二进制文件转为十进制文件（一维数组）image_buf = np.frombuffer(image_bin, dtype=np.uint8)# 将数据转换(解码)成图像格式# cv2.IMREAD_GRAYSCALE为灰度图，cv2.IMREAD_COLOR为彩色图img = cv2.imdecode(image_buf, cv2.IMREAD_COLOR)cv2.imwrite('show.jpg',img)

100. ssh登陆主机，或者在文件浏览器add other locations，使用sftp:://10.11.11.11

默认进入的是~/，表示的是/home/用户名，但在home同级也可能有文件。