AngelLover2017的博客

【代码】How to generate CFG of C program using llvm toolchain？

Hi,We’ve been working for the last two years on support for ARM’s Scalable Vector Extension in LLVM, and we’d like to upstream our work. We’ve had to make several design decisions without community input, and would like to discuss the major changes we’ve m

这篇指南描述如何入门并使用Arm指令模拟器（Arm Instruction Emulator, ArmIE）。Arm指令模拟器是一款跑在AArch64（也就是Arm64）平台上的软件工具，用来模拟SVE（Scalable Vector Extension）指令集。想了解SVE可以去看看，我翻译的另一篇《SVE(Scalable Vector Extension)简介》。Arm指令模拟器使你可以在没有SVE支持的硬件上跑编译好的SVE应用的二进制程序。本节介绍如何安装和开始使用 Arm® 指令仿真器。Arm

这里写自定义目录标题概述开始之前SVE 简介SVE 架构基础可扩展的向量寄存器`Z0-Z31`可扩展的谓词寄存器`P0-P15`可配置的向量长度SVE 汇编语法SVE架构特性SVE 编程软件和库支持如何用SVE编程写汇编使用SVE指令函数（Instrinsics）自动向量化使用优化的库如何运行SVE应用相关信息概述这篇指南是对Arm AArch64架构可伸缩向量扩展（SVE）的一篇简介。这在篇指南中，你可以学到SVE的主要特性，SVE的应用领域以及SVE和NEON的区别。我们也会描述对一个支持SVE的目

目录AArch64浮点与NEON技术AArch64中NEON和浮点的新特性NEON和浮点架构AArch64浮点与NEON技术ARM高级SIMD架构，其相关实现和支持软件通称为NEON技术。AArch32（相当于ARMv7 NEON指令）和AArch64都有NEON指令集。两者都可以显著加速对大型数据集的重复操作。这在媒体编解码器等应用程序中很有用。AArch64的NEON架构使用了32×128bit的寄存器组（是ARMv7的两倍）。这些寄存器同样可以被浮点指令集使用。所有编译的代码和子程序都符合EAB

目录NEON简介SIMD是什么?ARM SIMD 指令集NEON是什么？NEON架构概览支持的数据类型NEON寄存器NEON指令NEON开发汇编器IntrinsicsNEON简介这篇文章介绍了ARM NEON技术，这项技术首次实现是在ARM Cortex-A8 处理器上。这篇文章将讲述通用的SIMD概念以及NEON架构，并给出如何利用此技术的概要描述，包含以下章节：SIMD是什么？NEON是什么？NEON的架构概览NEON开发技术SIMD是什么?一些现代软件，尤其是多媒体编解码软件和图形

需求在我们编写C/C++代码时，我们希望VIM可以帮助我们插入文件整体开头注释，标注时间，作者等信息插入常用的库文件的#include头那么这篇文章帮助你在你的vimrc中配置满足你自己需要的文件头自动插入功能！配置autocmd BufNewFile *h,*.cpp,*.c,*.sh,*.java exec ":call SetTitle()"func SetTitle() if expand("%:e") == 'sh' call setline(1,"\###########

WSL环境下VIM的剪切板无法与Windows共享这是一个由来已久的问题，今天看到StackOverflow上一个堪称惊艳的解决方案，即便是VIM版本不支持clipboard特性（vim --version | grep clipboard查看是否支持），依然可以将VIM中的文本共享到Windows的剪贴板上。使用clip.exe完美解决Answer is, do a vim visual selection then do the command::'<,'>w !clip.exe

Windows下vim的CTRL-V的冲突问题在VIM中使用CTRL+V块选择功能来做批量编辑和删除，是一个很强大的功能。具体就不介绍了，相信查这个问题的读者肯定是了解其功能的。Windows下CTRL+V是粘贴，导致了和VIM快捷键的不兼容。我的需求是要在WSL2环境下，在Windows Terminal中使用VIM，但是我常用的块选择功能一直不兼容，网上也查了一些解决方案，大都是让修改 mswin.vim 下的某行设置（传送门）。后来发现，这个方法是用来解决Windows版本Vim的冲突问题，而我这

因为python是一门动态语言，所以python初始化没有C/Java这类静态语言方便。通常来说，我们想要初始化NNN行MMM列的二维数组，可以这样写：arr = [[0 for j in range(M)] for i in range(N)]但是网上有一种更为简单的写法：arr = [[0]*M]*N乍一看没啥问题，但是第二种写法有一个隐蔽的坑，看下面例子：dp = [[0]*2]*2print(dp)dp[0][0] = 100dp[0][1] = 100print(dp)dp

题目描述给定一个二维整数矩阵，要在这个矩阵中选出一个子矩阵，使得这个子矩阵内所有的数字和尽量大，我们把这个子矩阵称为和最大矩阵，子矩阵的选取原则是原矩阵中一块连续的矩形区域，单独一行、单独一列、整个矩阵，都算子矩阵。解答要求：时间限制：C/C++ 1000ms,其他语言: 2000ms内存限制：C/C++ 256MB,其他语言：512MB输入：输入的第一行包含2个整数n,m(1<=n,m<=10),表示一个n行m列矩阵，下面有n行，每行m个整数，同一行中，每两个数字之间一个空格，

引言在上一篇《入门机器学习——从线性回归开始理解机器学习》中，我们大概讲述了机器学习的一般流程和通用的框架，并以线性回归为例子一步一步实现了让模型自动“回归”的能力。事实上，逻辑回归和线性回归非常相似，逻辑回归本质上就是把线性回归的值域通过logistic−functionlogistic-functionlogistic−function放缩到了[0,1][0,1][0,1]之间。每个样本将得到一个概率值，整体样本将得到样本类别的概率分布，根据这个概率分布我们就可以得到一个样本是某个类别的概率。理想情况

引言从2016年AalphGO横空出世，惊艳众人到现在2021世界魔幻，吴签大碗牢饭已经4年多时间，这四年是机器学习，深度学习的AI智能算法蓬勃兴盛的4年，未来怎么样，大佬们各有分说，作为普通人，还是好好踏踏实实抓住潮流提升自己，才是应对这魔幻世界的真道理。笔者今年研一，从本科搞前端到现在转型搞智能，痛苦与快乐并行，今天这篇文章作为之后转型开始的处女之作，感谢各位赏光垂阅拙作。今天这篇文章以线性回归为例，带领读者入门机器学习领域，机器学习是AI领域的一个子范畴，所有可以实现机器自学习的算法都属于这个领域

Numpy数组创建方式速查接口参数描述np.arraynp.array(object, dtype,ndmin)从列表中创建ndarraynp.arangenp.arange([start, ]stop, [step, ]dtype)创建等差一维数组np.linspacenp.linspace(start, stop, num, endpoint, retstep=False,dtype=None)创建等差一维数组，接收元素数量作为参数np.logspa

划重点1：没有下载安装cuda和cudnn库参考 Tensorflow在Windows下使用踩坑 ，安装CUDA和CuDNN。我建议先参考划重点2中的版本，然后再考虑下载安装那个版本。划重点2：tensorflow，python，cuda，cudnn版本不对应参考 tensorflow官方文档——windows下gpu版本的各个库版本对应表 ，至少大版本号要对应上，基本上没有问题了。划重点3：如何查看自己的cuda和cudnn版本cuda版本号： nvcc -V ，前提是配置好了环境变量cudn

antlr4是什么？antlr4是一个开源的词法、语法分析程序生成器，仅需要配置词法和语法规则，即可自动生成语言编译器所需的词法、语法分析程序。问题：antlr4官方给出了jar包，可以命令行运行使用，但是要是想把源码直接融合到自己的编译器项目中去，如何做呢？1 下载源码git clone https://github.com/antlr/antlr4.git2 寻找程序主入口官方给出的jar包运行方式是：java -jar antlr-xxx.jar Hello.g4或java or

今天遇到一个比较傻的问题，其实就是思维的问题。一时间没有反应过来。刚上手用Python Selenium做自动化测试的同学应该会遇到类似这样的问题Unabletolocateelement:"method":"cssselector","selector":".oRhbg"Unable to locate element: {"method":"css selector","selector":".oRhbg"}Unabletolocateelement:"method":"cssselector"

遇到一个小坑，记录一下我们知道 Jupyter Notebook 是做数据科学任务的神器，整合文档、代码为一体的交互式开发环境。Jupyter Notebook默认是支持一些快捷键操作的（Default Keymaps ），但是不好的地方是编辑模式下的快捷键远远不够便捷，还得频繁使用鼠标，为了彻底摆脱鼠标，得搬出 Vim 神器（jupyter-vim-binding插件安装）。jupyter-vim-binding启用状态下，Jupyter分为了三个模式。Jupyter模式 （就是 Jupyter

回来了很久没有更新博客了，上了研究生之后，科研任务蛮重的，还要兼顾学习任务，有时候想写写博客记录记录学习内容，总结总结学习心得什么的，都难有时间。本科的时候博客大部分内容偏向于实践，尤其是Web方面的实践内容，因为当时想着好找工作，又比较喜欢就自己有事没事钻研学习。现在读研了，不太想继续搞前端了，目前正在努力的方向是大数据、数据分析、数据挖掘之类的方向（属于算法方向，对我来说还是比较困难，不过没关系，把时间花在做上就好了）。所以前端、Web相关的博客可能会减少了，但是实践风格依然不变，我还是喜欢做做东西