先放资料：
How to use boost::property_tree to load and write JSON
How to iterate a boost property tree?
不出现key的方法遍历一个json文件：
详细代码 1 /* *********************************************** 2 Author :111qqz 3 mail: renkuanze@sensetime.com 4 Created Time :2018年08月17日 星期五 15时29分23秒 5 File Name :ptree.cpp 6 ************************************************ */ 7 #include <boost/property_tree/ptree.hpp> 8 #include <boost/property_tree/json_parser.hpp> 9 #include <bits/stdc++.h> 10 #include <vector> 11 using namespace std; 12 using boost::property_tree::ptree; 13 14 string indent(int level) { 15 string s; 16 for (int i=0; i<level; i++) s += " "; 17 return s; 18 } 19 20 void printTree (ptree &pt, int level) { 21 if (pt.empty()) { 22 cerr << "\""<< pt.data()<< "\""; 23 } 24 25 else { 26 if (level) cerr << endl; 27 28 cerr << indent(level) << "{" << endl; 29 30 for (ptree::iterator pos = pt.begin(); pos != pt.end();) { 31 cerr << indent(level+1) << "\"" << pos->first << "\": "; 32 33 printTree(pos->second, level + 1); 34 ++pos; 35 if (pos != pt.end()) { 36 cerr << ","; 37 } 38 cerr << endl; 39 } 40 41 cerr << indent(level) << " }"; 42 } 43 44 return; 45 } 46 int main() 47 { 48 ptree root; 49 read_json("terr.json",root); 50 printTree(root,0); 51 52 53 return 0; 54 55 }
编译某代码，发现报错某函数未定义的引用。该函数的是先前编译得到的动态库中。
先去check了该函数的实现，还有接口与头文件中的声明是否统一。发现没有问题。
然后怀疑.cpp文件没有被编译到，于是在该函数中添加
import os
1import math 2ave_err=0.0 3max_err=0.0 4max_err_rate=0.0 5length=0 6with open("cpu_result.txt","r") as fp1, open("cuda_ppl_result.txt","r") as fp2: 7 for l1 in fp1: 8 l2 = fp2.readline() 9 l1=l1[:-2] 10 l2=l2[:-2] 11 lst = l1.split(' ') 12 lst2 = l2.split(' ') 13 #print lst 14 lst = [float(x) for x in lst ] 15 length = length + len(lst) 16 lst2 = [float(x) for x in lst2] 17 #print (lst) 18 #print (lst2) 19 20 for index,x in enumerate(lst): 21 y = lst2[index] 22 ave_err = ave_err + abs(x-y) 23 max_err = max(max_err,abs(x-y)) 24 max_err_rate = max(max_err_rate,abs(x-y)/x) 25 26 print("len=",length) 27 print("max_err=",max_err) 28 print("max_err_rate=",max_err_rate*100,"%") 29 print("ave_err=",ave_err/length) 需要提供两个文件，并且两个文件的数据格式相同。
C++11 std::function 是一种通用、多态的函数封装，它的实例可以对任何可 以调用的目标实体进行存储、复制和调用操作
见下面的例子
1 /* *********************************************** 2 Author :111qqz 3 mail: renkuanze@sensetime.com 4 Created Time :2018年07月19日 星期四 17时41分00秒 5 File Name :bind.cpp 6 ************************************************ */ 7 #include <functional> 8 #include <iostream> 9 using namespace std; 10 float foo( int x,int y,int z){return x+y+z+1.;} 11 int main() 12 { 13 function<int(int,int)>func = foo; 14 int y = 10; 15 function<int(int)>fun = [&]( int value)->int 16 { 17 return 1+value+y; 18 }; 19 cout<<func(15,4,9)<<endl; 20 cout<<fun(8)<<endl; 21 return 0; 22 } std::bind 则是用来绑定函数调用的参数的，它解决的需求是我们有时候可 能并不一定能够一次性获得调用某个函数的全部参数，通过这个函数，我们可以将 部分调用参数提前绑定到函数身上成为一个新的对象，然后在参数齐全后，完成调 用
tbb是**Threading Building Blocks library的缩写，**是一个为开发者提供并行解决方案的库.
先放个文档https://www.threadingbuildingblocks.org/intel-tbb-tutorial
以前用的办法太老土啦
看到一个since C++11的方法，我觉得比较优雅
1 #include <iostream> 2 #include <chrono> 3 //#include <ratio> 4 #include <thread> 5 6 void f() 7 { 8 std::this_thread::sleep_for(std::chrono::seconds(1)); 9 } 10 11 int main() 12 { 13 auto t1 = std::chrono::high_resolution_clock::now(); 14 f(); 15 auto t2 = std::chrono::high_resolution_clock::now(); 16 17 // floating-point duration: no duration_cast needed 18 std::chrono::duration<double, std::milli> fp_ms = t2 - t1; 19 20 // integral duration: requires duration_cast 21 auto int_ms = std::chrono::duration_cast<std::chrono::milliseconds>(t2 - t1); 22 23 // converting integral duration to integral duration of shorter divisible time unit: 24 // no duration_cast needed 25 std::chrono::duration<long, std::micro> int_usec = int_ms; 26 27 std::cout << "f() took " << fp_ms.count() << " ms, " 28 << "or " << int_ms.count() << " whole milliseconds " 29 << "(which is " << int_usec.count() << " whole microseconds)" << std::endl; 30 }
用gdb调试c++的时候，需要添加-g编译选项add_compile_options(-g)，并且关掉各种编译优化
如果是多线程程序，可以用info threads 查看每个线程的信息
资料推荐这个：MySQL C API programming tutorial
环境为ubuntu 14.04 lts
需要安装mysql 和mysql 开发包
sudo apt-get install libmysqlclient15-dev mysql-server mysql-client
先在mysql 中建立test数据库和test表格
mysql>create database test; mysql>use test; //切换到test数据库中 mysql> create table test(name varchar(255),num int(10) ); //创建一个叫test的表 mysql>show create table test; //显示刚才创建的表信息 mysql> select * from test; //查询test表中数据 mysql>quit 然后用如下cpp代码连接
一个国内vps，一个国外vps.
前提是国外vps已经配置好。
接下来，我们在国内vps上安装haproxy
yum -y install haproxy 或者 apt-get install haproxy
然后修改配置文件，位置在/etc/haproxy/haproxy.cfg
20190511更新：
证书到期了，写一下更换证书的流程.
重新申请好证书之后，直接把 Apache 里对应的 1、2、3 放到 /data/cert 文件夹。
其中 1 对应 server-ca.crt，2 对应 server.crt，3 对应 server.key。
迫于拙劣的cpp水平，这次来记录一些关于STL算法部分的内容。
参考内容是CS106L的course reader
Iterator Categories # Iterators分为以下五种：
迫于拙劣的cpp水平，来补补以前忽略掉的cpp细节。
老规矩，先放资料。
参考资料：
A Gentle Introduction to C++ IO Streams
“Designing and implementing a general input/output facility for a programming language is notoriously difficult”
Bjarne Stroustrup Stream的基本认识 # 说说我的理解。stream(流)可以看做输入输出的抽象。我们通过流可以忽略掉device的细节，采取同样的输入输出方式。
迫于要在服务器上写cpp代码，又由于各种原因，没办法把同步到本地。因此要在服务器上配置一个cpp的环境orz.
我是用vim-plug来管理插件的，只需要添加
Plug ‘scrooloose/nerdtree’, { ‘on’: ‘NERDTreeToggle’ } 就好了。 下面记录一些会用到的快捷键：
gRPC 是 google 最新发布的开源 RPC 框架， 声称是"一个高性能，开源，将移动和HTTP/2放在首位的通用的RPC框架.". 技术栈非常的新， 基于HTTP/2, netty4.1, proto3, 拥有非常丰富而实用的特性， 堪称新一代RPC框架的典范.
现在用的vim配置还是2015年7月的时候写的。
三年过去了，vim到了8.0，很多功能也有了更多选择。因此打算来更新一波vim配置。目前还在更新过程中…等差不多折腾完再来记录一些信息。
protobuf 是一种轻便高效的结构化数据存储格式，可以用于结构化数据序列化。它很适合做数据存储或 RPC 数据交换格式。可用于通讯协议、数据存储等领域的语言无关、平台无关、可扩展的序列化结构数据格式。
2022-02-26 update:
说学习笔记听起来像在分析代码…但是实际上什么都没干，还是写“使用笔记”好了
大三的时候看过一点 leveldb 的源码，不过没有怎么用过。
最近有个需求是存人脸的 feature 到硬盘，似乎使用 leveldb 比较合适，因此来学习一下使用。
记录一下，一个之前没有接触过 caffe/caffe2 的人为了添加自定义 op 到 caffe2 需要做的工作。
首先参考 caffe2 tutorial，随便跑个 op 来试试，不妨以比较简单的 Accumulate_op 为例子。
这个 op 的作用就是计算 Y=X+gamma*Y，其中 X 为输入，Y 为输出，gamma 是参数。
接触 Eigen 的原因是最近在看 caffe/caffe2 源码，caffe2 中使用了 Eigen 库。Eigen 是一个基于 C++ 模板的线性代数库，直接将库下载后放在项目目录下，然后包含头文件就能使用，非常方便。对于 Linux 用户，只需要把头文件放到 /usr/include 下即可。此外，Eigen 的接口清晰，稳定高效。
