1.学习vue源码（18）三探生命周期之初始化provide与inject
2.学习vue源码（9）手写代码生成器
3.unity urp源码学习一（渲染流程）
4.学习编程｜Spring源码深度解析 读书笔记 第4章：bean的学习加载
5.PyTorch源码学习系列 - 2. Tensor
6.vue3源码学习--编译阶段汇总
学习vue源码（18）三探生命周期之初始化provide与inject
继续深入学习 Vue 源码，我们来到第()讲，源码探索生命周期的大全另一个重要环节——初始化的 provide 和 inject。在讲解了 beforeCreate 钩子函数前的学习实例属性和事件初始化后，我们转向了 created 阶段的源码初始化过程，initInjections 和 initProvide 是大全共享影视pc版源码这个阶段的关键部分。
provide 和 inject 是学习一对功能互补的概念，它们用于实现父组件向子组件传递数据的源码机制。provide 通常在父组件中定义，大全返回一个包含可注入子组件的学习数据的对象，可以使用 ES6 的源码 Symbol 作为键。而 inject 则是大全在子组件中使用，接收父组件提供的学习数据，通过字符串数组或对象的源码 key 搜索。
在实际场景中，大全当组件层级嵌套较深时，子孙组件需要访问祖先组件的数据，单纯依赖 $parent 属性变得复杂。这时，provide 和 inject 就能有效地解决这个问题，实现跨级数据传递，使得代码结构更加清晰。
让我们通过源码来解析它们的工作原理。provide 选项会被传递给 Vue 实例的 _provided 变量，作为全局数据的一部分。例如，父组件提供 foo 数据，值为 bar：
而 inject 则在组件初始化时，通过 resolveInject 方法查找提供者提供的数据。它会先查找与 from 属性匹配的 provide 键，如果找到则添加到结果中，如果没有则检查是否设置了 default 选项，或者提供一个默认获取方法。
正确的 inject 使用方式应包括 default 或者 from 以及可能的默认值或方法。例如：
理解了 provide 和 inject 的工作原理，我们就知道如何在实际项目中优雅地处理组件间的多层数据传递，提升代码的视酷源码市值可维护性和灵活性。
学习vue源码（9）手写代码生成器
深入学习 vue 源码的系列文章中，我们探讨了模板编译的解析器与优化器部分。在本文中，我们将聚焦于代码生成器的实现原理与操作流程，以实现从 AST（抽象语法树）到 render 函数代码字符串的转换。
代码生成器在模板编译流程中承担着至关重要的角色，其核心任务是将由解析器和优化器处理得到的 AST 转换为可执行的 render 函数代码字符串。这一过程主要通过调用一系列预定义的函数（如 _c、_v、_s）来构建动态代码片段，从而实现模板的动态渲染。
具体而言，代码生成器依据 AST 结构，递归地生成代码片段。对于一个简单的模板，代码生成器会调用 _c 来创建元素，_v 来创建文本节点，而 _s 则用于返回字符串值。这些函数的调用构建了 render 函数的核心逻辑，实现了模板的动态渲染。
解析器负责将模板字符串转换为 AST，例如将上述简单的模板转换为对应的 AST 结构。通过调用代码生成器，可以将 AST 转换为可执行的 render 函数代码字符串。生成后的代码字符串中包含了 _c、_v、_s 等函数调用，这些函数对应着动态创建元素、文本节点以及返回字符串值的操作。
理解代码生成器的关键在于，它如何根据 AST 结构构建渲染函数代码。这一过程涉及到对 AST 中元素、文本和属性的遍历与处理，通过调用特定的生成函数（如 genData 和 genChildren）来构建数据和子节点，最终生成完整的 render 函数代码字符串。
在实现细节中，rxbus源码完全解析代码生成器会针对 AST 中的不同节点类型，采用不同的处理逻辑。例如，对于没有属性的节点（el.plain 为 true），代码生成器无需执行数据生成逻辑（genData），而直接跳过该步骤。这种处理方式优化了代码生成效率，确保了渲染函数代码的简洁与高效。
综上所述，代码生成器在模板编译流程中起到了关键作用，通过将 AST 转换为可执行的 render 函数代码，实现了模板的动态渲染。这一过程涉及对 AST 的递归遍历、函数调用构建以及特定逻辑的实现，构成了 vue 模板编译的核心机制。深入理解代码生成器的实现原理有助于开发者更好地掌握 vue 模板编译的底层机制，为开发高质量、高效的应用打下坚实的基础。
unity urp源码学习一（渲染流程）
sprt的一些基础:
绘制出物体的关键代码涉及设置shader标签（例如"LightMode" = "CustomLit"），以确保管线能够获取正确的shader并绘制物体。排序设置（sortingSettings）管理渲染顺序，如不透明物体从前至后排序，透明物体从后至前，以减少过绘制。逐物体数据的启用、动态合批和gpuinstance支持，以及主光源索引等配置均在此进行调整。
过滤规则（filteringSettings）允许选择性绘制cullingResults中的几何体，依据RenderQueue和LayerMask等条件进行过滤。
提交渲染命令是关键步骤，无论使用context还是commandbuffer，调用完毕后必须执行提交操作。例如，context.DrawRenderers()用于绘制场景中的网格体，本质上是执行commandbuffer以渲染网格体。
sprt管线的目标检测文末源码基本流程涉及context的命令贯穿整个渲染流程。例如，首次调用渲染不透明物体，随后可能调用渲染半透明物体、天空盒、特定层渲染等。流程大致如下：
多相机情况也通过单个context实现渲染。
urp渲染流程概览:
渲染流程始于遍历相机，如果是游戏相机，则调用RenderCameraStack函数。此函数区分base相机和Overlay相机：base相机遍历渲染自身及其挂载的Overlay相机，并将Overlay内容覆盖到base相机上；Overlay相机仅返回，不进行渲染操作。
RenderCameraStack函数接受CameraData参数，其中包含各种pass信息。添加pass到m_ActiveRenderPassQueue队列是关键步骤，各种pass类实例由此添加至队列。
以DrawObjectsPass为例，其渲染流程在UniversialRenderer.cs中实现。首先在Setup函数中将pass添加到队列，执行时，执行队列内的pass，并按顺序提交渲染操作。
学习编程｜Spring源码深度解析 读书笔记 第4章：bean的加载
在Spring框架中，bean的加载过程是一个精细且有序的过程。首先，当需要加载bean时，Spring会尝试通过转换beanName来识别目标对象，可能涉及到别名或FactoryBean的识别。
加载过程分为几步：从缓存查找单例，Spring容器内单例只创建一次，若缓存中无数据，会尝试从singletonFactories寻找。接着是bean的实例化，从缓存获取原始状态后，可能需要进一步处理以符合预期状态。
原型模式的移情别恋源码依赖检查是单例模式特有的，用来避免循环依赖问题。然后，如果缓存中无数据，会检查parentBeanFactory，递归加载配置。BeanDefinition会被转换为RootBeanDefinition，合并父类属性，确保依赖的正确初始化。
Spring根据不同的scope策略创建bean，如singleton、prototype等。类型转换是后续步骤，可能将返回的bean转换为所需的类型。FactoryBean的使用提供了灵活的实例化逻辑，用户自定义创建bean的过程。
当bean为FactoryBean时，getBean()方法代理了FactoryBean的getObject()，允许通过不同的方式配置bean。缓存中获取单例时，会执行循环依赖检测和性能优化。最后，通过ObjectFactory实例singletonFactory定义bean的完整加载逻辑，包括回调方法用于处理单例创建前后的状态。
PyTorch源码学习系列 - 2. Tensor
本系列文章同步发布于微信公众号小飞怪兽屋及知乎专栏PyTorch源码学习-知乎(zhihu.com)，欢迎关注。
若问初学者接触PyTorch应从何学起，答案非神经网络（NN）或自动求导系统（Autograd）莫属，而是看似平凡却无所不在的张量（Tensor）。正如编程初学者在控制台输出“Hello World”一样，Tensor是PyTorch的“Hello World”，每个初学者接触PyTorch时，都通过torch.tensor函数创建自己的Tensor。
编写上述代码时，我们已步入PyTorch的宏观世界，利用其函数创建Tensor对象。然而，Tensor是如何创建、存储、设计的？今天，让我们深入探究Tensor的微观世界。
Tensor是什么？从数学角度看，Tensor本质上是多维向量。在数学里，数称为标量，一维数据称为向量，二维数据称为矩阵，三维及以上数据统称为张量。维度是衡量事物的方式，例如时间是一种维度，销售额相对于时间的关系可视为一维Tensor。Tensor用于表示多维数据，在不同场景下具有不同的物理含义。
如何存储Tensor？在计算机中，程序代码、数据和生成数据都需要加载到内存。存储Tensor的物理媒介是内存（GPU上是显存），内存是一块可供寻址的存储单元。设计Tensor存储方案时，需要先了解其特性，如数组。创建数组时，会向内存申请一块指定大小的连续存储空间，这正是PyTorch中Strided Tensor的存储方式。
PyTorch引入了步伐（Stride）的概念，表示逻辑索引的相对距离。例如，一个二维矩阵的Stride是一个大小为2的一维向量。Stride用于快速计算元素的物理地址，类似于C/C++中的多级指针寻址方式。Tensor支持Python切片操作，因此PyTorch引入视图概念，使所有Tensor视图共享同一内存空间，提高程序运行效率并减少内存空间浪费。
PyTorch将Tensor的物理存储抽象成一个Storage类，与逻辑表示类Tensor解耦，建立Tensor视图和物理存储Storage之间多对一的联系。Storage是声明类，具体实现在实现类StorageImpl中。StorageImp有两个核心成员：Storage和StorageImpl。
PyTorch的Tensor不仅用Storage类管理物理存储，还在Tensor中定义了很多相关元信息，如size、stride和dtype，这些信息都存在TensorImpl类中的sizes_and_strides_和data_type_中。key_set_保存PyTorch对Tensor的layout、device和dtype相关的调度信息。
PyTorch创建了一个TensorBody.h的模板文件，在该文件中创建了一个继承基类TensorBase的类Tensor。TensorBase基类封装了所有与Tensor存储相关的细节。在类Tensor中，PyTorch使用代码自动生成工具将aten/src/ATen/native/native_functions.yaml中声明的函数替换此处的宏${ tensor_method_declarations}
Python中的Tensor继承于基类_TensorBase，该类是用Python C API绑定的一个C++类。THPVariable_initModule函数除了声明一个_TensorBase Python类之外，还通过torch::autograd::initTorchFunctions(module)函数声明Python Tensor相关的函数。
torch.Tensor会调用C++的THPVariable_tensor函数，该函数在文件torch/csrc/autograd/python_torch_functions_manual.cpp中。在经过一系列参数检测之后，在函数结束之前调用了torch::utils::tensor_ctor函数。
torch::utils::tensor_ctor在文件torch/csrc/utils/tensor_new.cpp中，该文件包含了创建Tensor的一些工具函数。在该函数中调用了internal_new_from_data函数创建Tensor。
recursive_store函数的核心在于
Tensor创建后，我们需要通过函数或方法对其进行操作。Tensor的方法主要通过torch::autograd::variable_methods和extra_methods两个对象初始化。Tensor的函数则是通过initTorchFunctions初始化，调用gatherTorchFunctions来初始化函数，主要分为两种函数：内置函数和自定义函数。
vue3源码学习--编译阶段汇总
从vue-loader开始，我们逐步探索vue/compiler-core包的源码，完成了编译阶段的解析（忽略了compiler-ssr部分）。 涉及的包包括：vue-loader：基于webpack的入口
vueLoaderPlugin：处理核心操作
@vue/compiler-sfc：处理script、template和style
compiler-dom：处理template，与compiler-core协同工作
compiler-core：处理template的核心部分
vue-loader首先安装vueLoaderPlugin，主要负责匹配资源并调用相应方法。script部分通过@vue/compiler-sfc的compileScript处理，其他如template和style则根据其类型调用相应处理函数。 编译流程中，script通过babel将JavaScript转换为AST节点，然后进行处理。template则通过compiler-dom和compiler-core转换为浏览器可识别的JavaScript代码。CSS变量和scopeId也是在这个阶段进行处理的。 在dev模式下，render function会被分离出来以支持热模块替换（HMR），而prod模式下，这些代码会被整合到setup函数中，以提高代码效率。 最后，总结整个编译阶段，对Vue源码有了深入理解，不再是神秘的魔法，而是清晰的流程。希望这些内容对您有所帮助，祝大家新春快乐！有哪些开源的源码网站?
开源源码网站为开发者提供了丰富的资源和交流平台。下面列举了一些知名的开源源码网站：
一、CSDN - 专业开发者社区，提供原创博客、问答、培训、论坛和资源下载服务。
二、OSCHINA - 中文开源技术交流社区，传播开源理念，推广开源项目，提供开源技术交流平台。
三、SegmentFault - 中国领先的新一代开发者社区和技术媒体，提供问答、专栏、课程和资讯。
四、v2ex - 创意工作者社区，讨论编程、设计、硬件、游戏等话题。
五、有穹 - 专注开源软件源码分享与交流的平台，发布、收藏和下载源码作品。
六、LearnKu - 终身编程者知识社区，定制编程知识。
七、掘金 - 技术文章社区，提供技术筛选和干货分享。
八、博客园 - 开发者知识分享社区，帮助开发者分享和学习。
九、Gitee - Git代码托管和协作平台，提供代码托管服务。
十、GitHub - 全球最大的开源社区，聚集众多开源项目。
这些网站为开发者提供了丰富的资源和交流机会，是学习和分享编程知识的重要平台。
STL源码学习（3）- vector详解
STL源码学习（3）- vector详解
vector的迭代器与数据类型：vector内部的连续存储结构使得任何类型的数据指针都可以作为其迭代器。通过迭代器，可以执行诸如指针操作，如访问元素值。 vector定义了两个迭代器start和finish，分别指向元素的起始和终止地址，同时还有一个end_of_storage标记空间的结束位置。vector的容量保证大于等于已分配元素空间，提供了获取空间大小的函数，如front和back的值以引用返回，更高效。 空间配置原理：STL中的vector使用SGI STL容器的二级空间配置器。vector头部包含配置信息，如data_allocator作为空间配置器的别名。简单配置器（simple_alloc）是封装了高级和低级配置器调用的抽象类。 构造函数与内存管理：vector通过空间配置器创建元素。构造函数允许预分配并初始化元素，fill_initialize用于调整空间范围，allocate_and_fill则分配空间并填充。这个过程涉及data_allocator的allocate函数，分配空间并返回起始地址。 vector析构时，调用deallocate函数释放空间。pop_back和erase方法会移除元素并销毁相应空间，clear则清除全部元素。insert操作复杂，根据元素数量和容器状态可能需要扩容。 插入与扩展操作：push_back在末尾插入元素，如果空间不足，可能需要扩容。insert接受三个参数，根据情况处理插入操作，可能抛出异常并销毁部分元素。
