優雅的Code

Golang 安裝 筆記

環境：

ubuntu 20.04.2.0 LTS

go 1.16.3

vscode

安裝指令：

先到官網下載壓縮檔

sudo tar -C /usr/local -xzf go1.16.3.linux-amd64.tar.gz

vim ~/.bashrc 

# golang

export GOROOT=/usr/local/go

export GOPATH=$HOME/go

export PATH=$GOPATH/bin:$GOROOT/bin:$PATH

source ~/.bashrc

reboot

go env -w GO111MODULE=off

範例程式：

package main

import "fmt"

 

func main() {

     fmt.Println("Hello, World!")

}

CMLAB server 安裝 Anaconda 教學

df  -h  # 可以看目錄的掛載位置
cd /tmp2
mkdir khaos   # 改成你自己的使用者名稱
cd khaos

# 到anaconda官網 找最新版的script下載網址
curl -O https://repo.anaconda.com/archive/Anaconda3-2021.05-Linux-x86_64.sh

bash Anaconda3-2021.05-Linux-x86_64.sh
>>> [ENTER][ENTER][ENTER]
>>> yes
>>> /tmp2/khaos/anaconda3
>>> yes
source ~/.bashrc

Ref: https://www.digitalocean.com/community/tutorials/how-to-install-anaconda-on-ubuntu-18-04-quickstart

# 安裝 TensorFlow 2+cuda 的環境

conda create --name tf python=3.6 anaconda cudatoolkit cudnn tensorflow-gpu

或

conda env list

conda create --name py37withTF python=3.7 anaconda 

conda activate py37withTF 

nvidia-smi

conda install cudatoolkit=10.1

conda install cudnn=7.6

conda install tensorflow-gpu

測試：

python

import tensorflow as tf

tf.__version__

tf.config.list_physical_devices('GPU')

# tf.test.is_gpu_available()

# 安裝 pytorch+cuda 的環境

conda create --name th python=3.6 anaconda pytorch torchvision torchaudio cudatoolkit -c pytorch

或

conda env list
conda create --name py37withPyTorch python=3.7 anaconda 
conda activate py37withPyTorch

nvidia-smi
conda install pytorch torchvision torchaudio cudatoolkit=10.1 -c pytorch

測試：
python
import torch
torch.cuda.is_available()
torch.version.cuda
x = torch.rand(5, 3)
print(x)

Anaconda指令

建立虛擬環境

    conda create --name envName python=3.6 anaconda

    conda create -n 虛擬環境名稱 python=3.6

    conda create -n envName jupyter     ←↑虛擬環境內預載的套件

    conda create -p 虛擬環境放置路徑 python=3.7.1 anaconda

    conda create -p "C:\Users\Public\.conda\envs\py371" python=3.7.1 anaconda

    conda config --append envs_dirs "C:\Users\Public\.conda\envs"

    conda info --envs

啟動虛擬環境

    activate 虛擬環境名稱

    activate envName

 

關閉虛擬環境

    deactivate      

    deactivate envName

 

安裝套件

    conda install 套件名稱

    conda install python=3.5   #安裝特定版本的python

    pip install tensorflow

    pip install keras

    pip install django   #安裝 django web 框架套件

 

更新套件

    conda update 套件名稱

    conda update conda

    conda update anaconda

 

更新所有套件

    conda update --all

 

執行 python 檔案

    python hello.py

 

啟動 Jupyter Notebook

    cd \pythonwork

    jupyter notebook

 

查看內部的所有的package

    conda list

 

移除package：

    conda remove packeName

 

看有哪些虛擬環境：

    conda env list

    conda info -e

 

刪除虛擬環境：

    conda env remove -n envName

清除安裝包的暫存檔：

    conda clean --tarballs

Windows 自動喚醒 設定

[關閉所有喚醒計時器]

step 1. 列出所有喚醒計時器

# powercfg /waketimers

step 2. 下載 PsTools 

https://docs.microsoft.com/en-us/sysinternals/downloads/psexec

step 3.

# psexec.exe -i -s %windir%\system32\mmc.exe /s taskschd.msc

step 4.

{找到該工作} > 雙擊 > 條件{頁籤} > {取消勾選}喚醒電腦已執行工作 > 確定

[查看喚醒發起的設備]

{開啟}事件檢視器 > {左邊欄}Windows 紀錄 > 系統 >

                   > {右邊欄}尋找 > "Power-Troubleshooter"

[可喚醒的裝置]

查詢指令

# powercfg /?

查詢所有可喚醒的裝置

# powercfg /devicequery wake_programmable

查詢目前作用中的可喚醒裝置

# powercfg /devicequery wake_armed

關閉可喚醒裝置

# powercfg /devicedisablewake "設備名"

開啟可喚醒裝置

# powercfg /deviceenablewake "設備名"

[網卡喚醒設定]

→ 只允許 Magic 封包喚醒電腦

[其他可能的方案]

在bios里設置usb關機斷電

在bios里設置禁止usb喚醒

[參考資料]

https://www.getit01.com/p20180108548154015/

How to Read a Paper

論文閱讀

Lv 1: 了解作者的idea
[5~10分鐘的鳥瞰]

1. 細讀 title, abstract, and introduction
2. 稍微看一下每個 section 的前面
3. 閱讀 conclusions
4. 掃過 references，在腦子裡把你已經讀過的那些打勾

可以得知以下資訊：
1. 類型：這是什麼類型的論文？  （測量實驗？對現有系統的分析？一種prototype的探討？）
2. 背景：相關論文？ 理論基礎？
3. 正確性：文中的假設看起來有效嗎？
4. 貢獻：論文的主要觀點是什麼？
5. 清晰度：論文寫得好嗎？

此時可以考慮要不要繼續讀這篇論文：
1. 這篇論文可能不吸引我
2. 我的先備知識不足以理解它
3. 作者的假設是錯的

Lv 2: 取得大致上的內容
[約 1 小時]

* 整篇讀過，可以寫一些註解
* 先略過 證明、實驗
* 注意 圖 / 表 （軸的標示？Error Bar？）
* 可標註未讀過的參考資料（等等可以去念）

此時我們已能對該篇論文做出有憑有據的簡介。

有時候，完成了 Lv 2 仍然滿頭問號。可能的原因如下：
1. 該主題對自己來說是新事物（不懂的 術語、縮寫）。
2. 作者使用了自己不了解的證明或實驗技術。
3. 這篇論文可能寫得很差，沒有充分的依據和大量的前瞻性參考。
4. 深夜了、你累了、該睡了......

現在，我們可以選擇：
1. 擱置論文，祈求未來不會用到它
2. 閱讀相關參考資料後，再回來讀
3. 堅持不懈，繼續 Lv 3

Lv 3: 完全理解論文（Reviewer必備）
[初學者 - 5~6小時]
[專家 - 約 1 小時]

◎ 嘗試（重新）實作這篇論文（可能只是在腦海或紙上比劃）：
與作者做出相同的假設，然後重新創建該篇論文。
透過重新創建與實際論文比較，可以發覺論文的創新之處，並找出隱藏的缺陷和假設以及潛在的問題。

◎ 深度思考：
1. 必須非常在意細節。
2. 在每個陳述中確定並挑戰每個假設。
3. 嘗試自己提出一個特定的想法，並進行比較；可以更深入地了解文中的證明和技術。
4. 思考過程中，記下將來的工作思路。


文獻調查(literature survey)
這可能需要在自己不熟悉的領域中閱讀數十篇論文。
重點：Related Work、Key Researchers、Top Conferences

Step 1:
使用學術搜索引擎（Google Scholar、CiteSeer...）找到 3~5 篇最​​新論文。

每篇論文做 Lv 1 的閱讀，然後閱讀其 Related Work 章節；
如此一來，可以獲得近期研究的概要。
（您可能很幸運的，找到近期調查文件的鏈結，那就讀它吧～～   收工!!）

Step 2:
在參考資料（書目）中找到共通的citation和重複的Researchers。
這些是該領域的關鍵論文和研究人員，下載關鍵論文並先擱置。

Step 3:
訪問 Key Researchers 的網站，查看他們最近發表的論文。
（這項工作將使我們知道該領域的 Top Conferences 有哪些）

Step 4:
造訪這些 Top Conferences 的網站，並瀏覽它們最近的會議記錄。
快速掃描通常會了解到最近的高質量相關工作。

Step 5:
這些論文以及您先前保留的論文構成了調查的第一版。
將這些文件進行 Lv 1 和 Lv 2 的閱讀。
如果他們都引用了您之前沒有找到的關鍵論文，請獲取並閱讀，必要時進行迭代。


相關工作：

做Review

※ T. Roscoe, “Writing Reviews for Systems Conferences,”
https://people.inf.ethz.ch/troscoe/pubs/review-writing.pdf

寫 Paper

※ H. Schulzrinne, “Writing Technical Articles,”
https://www.cs.columbia.edu/~hgs/etc/writing-style.html

※ G.M. Whitesides, “Whitesides’ Group: Writing a Paper,”
https://www.tulane.edu/~lamp/whiteside.pdf


參考資料：
S. Keshav, “How to Read a Paper,” at ACM SIGCOMM Computer Communication Review, 2007.

Ubuntu 快速管理防火牆 (使用 ufw 指令)

# 啟用防火牆
    $ sudo ufw enable
# 停用防火牆
    $ sudo ufw disable


# 允取所有連入
    $ sudo ufw default allow
# 不允許任何的連入
    $ sudo ufw default deny


# 新增防火牆規則
    $ sudo ufw allow ssh  ( 允許服務連入 )

    $ sudo ufw allow 3306  (  )
    $ sudo ufw allow in 80   ( 允許Port連入 )
    $ sudo ufw deny out 60000  ( 拒絕Port連出 )
    $ sudo ufw deny in 60000/udp ( 拒絕Port之UDP連入 )


# 刪除防火牆規則
#先查詢
    $ sudo ufw status numbered
#再刪除
    $ sudo ufw delete <規則號碼>


# 查看狀態
    $ sudo ufw status
    $ sudo ufw status verbose

啟用 Docker Remote API 遠端呼叫

Docker Remote API 是以 Unix Socket 作連接
想要透過遠端請求的話，就必須設定監聽的 port

step 1

創建 /etc/systemd/system/docker-tcp.socket 檔案，內容如下：

[Unit]
Description=Docker Socket for the API  
[Socket]
ListenStream=8888  
Service=docker.service  
[Install]
WantedBy=sockets.target 

step 2

執行以下指令，(重新)啟動服務：

systemctl stop docker

systemctl enable docker-tcp.socket
systemctl enable docker.socket

systemctl start docker-tcp.socket
systemctl start docker

step 3

測試與驗證：

curl -X GET http://localhost:8888/info

參考資料：

在運行systemd的Linux上啟用對Docker API的遠程訪問

Docker开启Remote API 访问 2375端口

Windows 解除非預期的喚醒

1. 關閉 網路喚醒

2. 關閉 USB喚醒

3. 設定電源選項

將電源計劃設為預設值

停用喚醒計時器

禁用喚醒定時器

參考資料：

https://answers.microsoft.com/en-us/insider/forum/all/how-to-prevent-startmenuexperiencehostexe-waking/537b6473-83b3-49ee-a11d-312c9c44a36b

4. 關閉 排程 的 喚醒

指令powercfg /waketimers

確認有哪些排程喚醒

使用PSTools，可以在微軟網站上下載。
https://docs.microsoft.com/zh-cn/sysinternals/downloads/pstools

指令
psexec -i -s -d mmc.exe /s taskschd.msc

參考資料：
https://zhuanlan.zhihu.com/p/67930133

※ 註：

powercfg -lastwake 可以查看最近喚醒電腦的原因

Visual C++/CLR 之 Json.NET 範例

安裝教學

Visual C++/CLR 使用 NuGet 套件 - 以Json.Net 為例
https://youtu.be/WujKlfNyL8I

 序列化 

#include <string>
using namespace std;

using namespace System;

using namespace Newtonsoft::Json;

public ref class Account : Object
{
public:
bool Active;
String^ Email;
};

int main()
{
Account^ account = gcnew Account();
account->Email = "kaihao@example.com";
account->Active = true;

String^ json = JsonConvert::SerializeObject(account, Formatting::Indented);

Console::WriteLine(json);
Console::ReadKey();

return 0;
}

 反序列化 

#include <string>
using namespace std;

using namespace System;
using namespace System::IO;
using namespace System::Collections::Generic;

using namespace Newtonsoft::Json;

public ref class PeopleData : Object
{
public:
String^ Part;
List<List<float>^>^ Points;
};

int main()
{
String^ jsonFile = File::ReadAllText(R"(C:\Users\KaiHao\Desktop\1GM318J6\size.txt)");

List<PeopleData^>^ peopleDatas = JsonConvert::DeserializeObject<List<PeopleData^>^>(jsonFile, (JsonSerializerSettings ^)nullptr);

Console::ReadKey();

return 0;
}

linux 新增使用者 bash script

#!/bin/bash

for i in {1..100};
do
num=$( printf '%03d' $i )

echo -e '1234\n1234\nstu$num\n\n\n\n\ny\n' | adduser "stu$num"
done

visual studio 2017 建置 openpose 專案 (GPU版)

版本：

OpenPose v1.5.1
visual studio 2017

Python 3.7.4

CMake 3.15.4

cuda 10.0
cudnn 7.5

step1 下載專案

https://github.com/CMU-Perceptual-Computing-Lab/openpose

step2 下載並安裝CMake

step3 下載並安裝CUDA與CUDNN

注意版本!!

CUDA 10.0 / cuDNN 7.5 for VS2017

CUDA就是一般程式的安裝方式 (下一步 下一步 ... 確定 ... 完成)

CUDNN解壓縮後，將bin、include、lib三個資料夾
複製到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0下
覆蓋原有的bin、include、lib

step4 執行相關批次檔

不用以系統管理員身分執行全選 按 Enter 即輕鬆搞定~~
C:\openpose\3rdparty\windowsgetCaffe.batgetCaffe3rdparty.batgetFreeglut.batgetOpenCV.batC:\openpose\modelsgetModels.bat

step5 開啟CMake 產生 vs2017專案

等等等.............

沒裝過 git ，要裝一下

然後

cd "C:\openpose\3rdparty"

git clone https://github.com/pybind/pybind11.git

step6 開啟、編譯與執行

按綠色箭頭就可以執行了

其他執行指令(點我)

若沒有webcam

則到 OpenPoseDemo的專案 屬性中

組態屬性 > 偵錯 > 命令引數

輸入 --image_dir examples\media\

step7 執行python範例

 注意：不保證成功 注意路徑問題 與python版本問題

python -m pip install --upgrade pip

pip install opencv-python

或

conda create --name py374 python=3.7.4 anaconda

y

activate py374

conda install -c conda-forge opencv

y

cd "C:\openpose\build_GPU\examples\tutorial_api_python"

python 01_body_from_image.py

VC++啟用CLR支援

屬性頁  >  組態屬性  >  一般  >  Common Language Runtime 支援 (/clr)  >  打開!!

然後

//#using <System.Windows.Forms.dll>
#using <System.Drawing.dll>
//#using <System.Drawing.Common.dll>

using namespace std;
using namespace System;
using namespace System::Collections;
//using namespace System::Windows::Forms;
//using namespace System::ComponentModel;
//using namespace System::Data;
using namespace System::Drawing;
using namespace System::Drawing::Imaging;