Python 命令行脚本模板
在日常经常写一些 Python 命令行脚本来简化操作，有一些代码逻辑是通用的，直接让 AI 生成的话，风格不够统一，还需要不断调整，这里提供一个命令行脚本的初始模板，包括日志（支持彩色）和命令行参数解析。 template_script.py123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116import loggingimport argparseimport os__version__ = "0.1.0"class Colors: RED = "\033[31m" GREEN = "\033[3...
Cpp 练习——基于模板编程的通用数据读写
在日常编程中，我们可能需要处理以分隔符（如逗号、空格或制表符）分割的文本数据，例如 CSV 文件、几何数据文件等，每一行可能有多个整数或浮点数数据。为各种不同的数据结构写专门的解析器会非常繁琐，我们可以利用模板编程中的递归模板和元组来实现通用的数据读写： 读取 / 写入任意类型字段组合的数据记录； 支持自定义分隔符； 支持忽略注释和多余空格。 实现代码： data_record_io.hpp123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105#pragma once#include <algorithm>#include <cctype>#include <iostream>...
LLM 代码练习——调用 API 进行简单聊天
一个简单的调用 LLM API 的大模型单次对话脚本，通过 --input 和 --prompt 参数提供输入文件和系统提示文件，输出到标准输出流。 脚本调用 LLM 的方式不依赖 openai 等提供的第三方库，完全使用 Python 标准库实现。 chat-with-prompt.py1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071727374757677787980818283848586878889909192939495969798991001011021031041051061071081091101111121131141151161171181191201211221231241251261271281291301311321331341351361371381391401411421431441451461471481491501511521531...
Cpp 练习——模仿Qt的信号槽
基本概念首先定义如下的概念： 接收元件：Receiver<Y,Ym> 发送元件：Sender<Ym> 接收者：拥有至少一个接受元（公开成员）的类 发送者：拥有至少一个发送元件（公开成员）的类 中转者：既是发送者也是接收者的类 其中：Ym是信息类型, Y是接收者类型，接收元件和发送元件必须使用同样的信息类型Ym, 才能建立联系进行信息传递。 信息会从建立连接的发送元件传递到接收元件，发送元件和接收元件之间可以是一对多或多对多地建议联系。 具体说明元件之间的连接发送元件和接收元件之间的连接是双向且对等的（与QT的信号和槽函数机制不同），它们都可以与对方绑定与解绑（一对多，多对多） 1234567sender.bind(receiver); // 发送元件可以绑定接收元件sender.unbind(receiver); // 发送元件可以解绑接收元件sender.unbind_all(); // 发送元件可以解绑所有的接收元件, 在析构时会自动调用receiver.bind(sender); // 接收元件可以绑定发送元件receiver.unbind(se...
Cpp 练习——编译期异类词典
代码参考：《C++模板元编程实战：一个深度学习框架的初步实现》。 实现代码如下 var_type_dict.hpp12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697989910010110210310410510610710810911011111211311411511611711811912012112212312412512612712812913013113213313413513613713813914014114214314414514614714814915015115215315415515615715815916016116216316416516616716816917017117217317417517617717817918018118218...
Cpp 练习——侵入式的调用栈追踪
基于 C++20 的 std::source_location 和宏实现侵入式的函数调用栈追踪。 mtracer.hpp12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970#pragma once#include <algorithm>#include <cstddef>#include <source_location>#include <stack>#include <string>class MTracer {public: // NOLINTNEXTLINE(fuchsia-default-arguments-declarations) explicit MTracer(const std::source_location &location = ...
基于 SVD 实现图片压缩
图像本质上就是一个或多个矩阵，并且通常具有低秩结构，可以利用SVD分解舍弃低奇异值的部分来实现图片的压缩存储。 SVD 压缩可以用在图像中展示低秩近似的效果，但是实际工程中并不会这么用，有两个原因：首先，大部分图像不是低秩的，低秩会丢失图像细节；其次，图像的有损压缩的评价指标是人的感受，而不是矩阵范数差异小。实际的压缩算法例如 JPG 是对图片切分小块，然后对每一块进行离散傅里叶变换（离散余弦变换），同时利用了人的视觉特点，使其去除的信息尽量是人眼不敏感的信息。 简单的 Python 示例实现如下 1234567891011121314151617181920212223242526import numpy as npimport matplotlib.pyplot as pltfrom PIL import Imagedef compress_img_first_k(img_array, k): if img_array.ndim == 2: img_array = img_array[:, :, np.newaxis] m, n, c = i...
Cpp 练习——INI 文件解析
INI 文件是一种常见的配置文件，相比 json 等文件格式简单得多，对 INI 文件的解析适合练手。 实现代码如下，其中使用了 std::ranges ini_parser.hpp123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163#pragma once#include <...
Python 单元测试 unittest / pytest
整理一下 Python 单元测试的内容，包括： 内置的单元测试模块 unittest 第三方测试工具 pytest 除此之外，其实还有直接解析源码注释，获取测试用例的内置模块 doctest。 准备为了便于描述，下面准备两个函数和一个类作为测试目标，构成 my_module.py my_module.py1234567891011121314151617181920def my_add(a, b): return a + bdef my_divide(a, b): return a / bclass MyDict(dict): def __init__(self, **kw): super().__init__(**kw) def __getattr__(self, key): try: return self[key] except KeyError: raise AttributeError(r"'MyDict' object has...
Python conda 使用笔记
Anaconda 是一个用于科学计算的开源 Python 发行版，集成了包和 conda 环境管理器，包括了很多数据科学中常用的包，特别适合数据科学和机器学习。 与之类似的还有 Miniconda，它和 Anaconda 的主要区别就是：Miniconda 在安装时只包括了必要部分，并没有附带很多科学计算常用的包，因此本身的安装包很小，在使用时需要手动下载很多包，除此之外没什么区别。 事实上，Anaconda 和 Miniconda 之间还可能存在一些差别，并且不同版本之间，在不同的系统上的行为都可能存在差异。 Miniconda 默认不包含很多科学计算常用的基础库，可以在 base 环境中进行下载安装，例如： 1conda install numpy scipy matplotlib sympy jupyter tqdm Anaconda 公司对 defaults 仓库的商用行为存在限制，开源社区提供的替代品为 miniforge，与 miniconda 的主要区别是修改了默认的 channel 为开源社区的 anaconda.org，此外还额外提供了 mamba 可以...