1.VScode搭建Verilog源码开发环境记录【2023年6月】
2.图文鲲鹏916-ARM64架构源码gcc编译完整记录
3.slate.js源码分析（四）- 历史记录机制
4.从源码build Tensorflow2.6.5的源码记录记录
5.[技术随笔]🛠🛠从源码安装Pytorch3D详细记录及学习资料
6.Ubuntu20.04源码编译CARLA0.9.14全过程记录

VScode搭建Verilog源码开发环境记录【2023年6月】

       为了在VScode中成功地开发Verilog源码，首先从官网下载并安装VScode。源码记录如果你已经拥有GitHub或Microsoft账户，源码记录记得登录以同步数据（可能存在登录账户切换的源码记录限制）。

       安装过程中，源码记录需关注以下步骤：

       安装中文汉化包，源码记录美国维生素d3没有溯源码确保软件界面显示为中文，源码记录便于理解和操作。源码记录

       选择一个适合的源码记录文件管理器图标包，提升文件类型识别的源码记录直观性。

       安装Verilog-HDL/systemVerilog插件，源码记录提供基本的源码记录Verilog开发功能。

       安装Verilog Highlight插件，源码记录增强代码高亮显示。源码记录

       安装CTags Support插件，源码记录虽然它不包含ctags，但有助于整合ctags功能。

       选择Verilog Testbench插件，用于生成更完善的测试代码，但可能需要Python3环境和调试。

       如果你希望获得更高级的开发体验，需要进行以下配置：

       确保文本编码格式正确，避免中文乱码。

       根据系统安装ctags（Windows或Linux），并将其路径配置到VScode的插件设置中。

       配置Verilog-HDL/Bluespec SystemVerilog的额外参数，如linter选择Xilinx vivado或iverilog等。

       最终，这套VScode配置能够实现大部分Verdi端的常用功能，如代码高亮、代码跳转和静态语法检查，适合学习和科研使用。如果想亲身体验，可以在网上搜索相关教程或博客。

       以上就是关于年6月VScode搭建Verilog源码开发环境的详细记录。

图文鲲鹏-ARM架构源码gcc编译完整记录

       以下是关于ARM架构源码gcc编译的详细步骤记录：

       首先，确保已经准备就绪，如果cmake未安装，需要进行安装。检查cmake版本以确认其是产品管理源码否满足需求。

       安装必要的依赖包，如isl、gmp、mpc、mpfr等，检查它们是否已成功安装。

       针对gcc版本过低的问题，需下载并更新到7.3版本。下载并解压gcc7.3的安装包。

       在gcc-7.3.0目录下，确认已下载和安装了所有依赖包。

       利用多核CPU的优势，通过“-j”参数加速编译过程。原先是按照官方文档使用make -j，但速度缓慢，后来调整为make -j以提升效率。

       依次执行编译目录创建、gcc编译、安装以及确认“libstdc++.so”软连接在正确的目录（/usr/lib）。

       编译完成后，通过查看gcc版本来确认安装是否成功。

       以上就是完整的gcc编译安装流程。如果您觉得这些信息对您有所帮助，欢迎分享和关注我们的更新。更多技术内容敬请期待，感谢您的支持！

slate.js源码分析（四）- 历史记录机制

       应用中常见撤销与重做功能，尤其在编辑器中，其实现看似简单却也非易事。为了更好地理解这一机制，本文将深入探讨 MVC 设计模式，并聚焦于 slate.js 如何巧妙地实现撤销与重做功能。

       MVC 模式是一种经典的软件架构模式，自 年提出以来便广为应用。在 MVC 模式中，模型（Model）负责管理数据，视图（View）展示数据，而控制器（Controller）则负责处理用户输入与模型更新。

       在撤销与重做功能的段子模板源码设计中，通常有两种实现思路。其中一种是通过 Redux 等状态管理库实现，而 slate.js 则采用了一种更为直接的方法。本文将重点介绍 slate.js 的实现策略。

       撤销功能允许用户回溯至之前的页面状态，而重做功能则让用户能够恢复已撤销的操作。在执行操作后，当用户请求撤销时，系统会抛弃当前状态并恢复至前一状态。对于复杂的操作，如表格的复制与粘贴，系统的处理逻辑则更为精细，能够跳过不需要记录在历史记录中的状态，确保撤销操作的精准性。

       slate.js 的状态模型主要基于树状的文档结构，通过三种类型的操作指令来管理文档状态：针对节点的修改、光标位置的调整以及文本内容的变更。对节点与文本的修改，可通过特定指令来实现，而光标操作则通常直接修改数据。借助这九种基本操作，富文本内容的任何变化都能被准确地记录与恢复。

       在实现撤销功能时，关键在于如何根据操作指令中的信息推导出相应的撤销操作。例如，撤销对节点的修改操作，只需对记录的操作进行逆向操作即可。相比之下，重做功能则相对简单，只需在撤销操作时记录下指令，以便在后续操作中恢复。

       操作的记录以数组形式进行，便于后续的撤销与重做操作。通过合理的指令与数据模型设计，复杂的操作最终被拆解为简单且可逆的原子操作，确保了功能的高效与稳定。

       总结而言，通过精心设计的指令与数据模型，撤销与重做功能得以实现，仿云打包源码使应用在面对用户操作时能够灵活应对，提供无缝的用户体验。此外，本文还附带了一个招聘信息，百度如流团队正面向北京、上海、深圳等地招聘，欢迎有志之士加入。

       参考资料包括：Web 应用的撤销重做实现、slatejs。

从源码build Tensorflow2.6.5的记录

       .从源码编译Tensorflow2.6.5踩坑记录，笔者经过一天的努力，失败四次后终于成功。Tensorflow2.6.5是截至.时，能够从源码编译的最新版本。

       0 - 前期准备

       为了对Tensorflow进行大规模修改并完成科研工作，笔者有从源码编译Tensorflow的需求。平时更常用的做法是在conda环境中pip install tensorflow，有时为了环境隔离方便打包，会用docker先套住，再上conda + pip安装。

       1 - 资料汇总

       教程参考：

       另注：bazel的编译可以使用换源清华镜像（不是必要）。整体配置流程的根本依据还是官方的教程，但它的教程有些点和坑没有涉及到，所以多方材料了解。

       2 - 整体流程

       2.1 确定配置目标

       官网上给到了配置目标，和对应的版本匹配关系（这张表里缺少了对numpy的版本要求）。笔者最后（在docker中）配置成功的版本为tensorflow2.6.5 numpy1..5 Python3.7. GCC7.5.0 CUDA.3 Bazel3.7.2。

       2.2 开始配置

       为了打包方便和编译环境隔离，在docker中进行了以下配置：

       2. 安装TensorFlow pip软件包依赖项，其编译过程依赖于这些包。

       3. Git Tensorflow源代码包。

       4. 安装编译工具Bazel。

       官网的介绍：（1）您需要安装Bazel，才能构建TensorFlow。您可以使用Bazelisk轻松安装Bazel，并且Bazelisk可以自动为TensorFlow下载合适的Bazel版本。为便于使用，请在PATH中将Bazelisk添加为bazel可执行文件。.net框架模板源码（2）如果没有Bazelisk，您可以手动安装Bazel。请务必安装受支持的Bazel版本，可以是tensorflow/configure.py中指定的介于_TF_MIN_BAZEL_VERSION和_TF_MAX_BAZEL_VERSION之间的任意版本。

       但笔者尝试最快的安装方式是，到Github - bazelbuild/build/releases上下载对应的版本，然后使用sh脚本手动安装。比如依据刚才的配置目标，笔者需要的是Bazel3.7.2，所以下载的文件为bazel-3.7.2-installer-linux-x_.sh。

       5. 配置编译build选项

       官网介绍：通过运行TensorFlow源代码树根目录下的./configure配置系统build。此脚本会提示您指定TensorFlow依赖项的位置，并要求指定其他构建配置选项（例如，编译器标记）。

       这一步就是选择y/N基本没啥问题，其他参考里都有贴实例。笔者需要GPU的支持，故在CUDA那一栏选择了y，其他部分如Rocm部分就是N（直接按enter也可以）。

       6.开始编译

       编译完成应输出

       7.检查TF是否能用

       3 - 踩坑记录

       3.1 cuda.0在编译时不支持sm_

       笔者最初选择的docker是cuda.0的，在bazel build --config=cuda //tensorflow/tools/pip_package:build_pip_package过程中出现了错误。所以之后选择了上面提到的cuda.3的docker。

       3.2 问题2: numpy、TF、python版本匹配

       在配置过程中，发现numpy、TF、python版本需要匹配，否则会出现错误。

       4 - 启示

       从源码编译Tensorflow2.6.5的过程，虽然经历了多次失败，但最终还是成功。这个过程也让我对Tensorflow的编译流程有了更深入的了解，同时也提醒我在后续的工作中要注意版本匹配问题。

[技术随笔]🛠🛠从源码安装Pytorch3D详细记录及学习资料

       在启动安装Pytorch3D之前，首要任务是选择合适的pytorch基础镜像。我选择了包含CUDA组件和驱动的pytorch 1.9的devel版本，以确保满足Pytorch3D对于pytorch和cuda版本的要求。我使用的是python 3.7、pytorch 1.9和cuda.2，前提是你已经在宿主机上配置好了显卡驱动和nvidia-docker，以便在容器内映射宿主机的显卡信息。

       在安装前，确保nvcc编译器、CUDA工具箱和驱动正常运行，并且安装了git、vim、sudo和curl等基础工具。

       下一步是配置CUB工具。按照Pytorch3D的安装文档，为了支持CUDA，需要先配置CUB，并设置CUB_HOME环境变量。由于选择的镜像包含CUDA，编译过程中会自动包含cuda。为保险起见，可以指定FORCE_CUDA环境变量为1。

       从源码编译Pytorch3D时，避免了使用conda可能遇到的依赖冲突问题。在确认前两步没有问题后，编译过程通常顺利。安装完成后，检查日志和pytorch3d的版本信息。

       为了验证Pytorch3D的正常运行，从ARkit中导出BS系数，尝试使用它渲染一个简单的白模，并利用GPU。观察到显卡被充分利用，表明设置正确，可以进行后续操作。

       在完成安装并验证Pytorch3D的功能后，可以参考收集的资料来探索其更高级的用法。以下是几个示例：

       从Pytorch3D文档中获取的教程和代码示例。

       开源社区的讨论和问题解答，特别是与Pytorch3D相关的话题。

       个人经验分享和案例研究，可以在GitHub、Stack Overflow等平台找到。

       通过这些资源，您可以深入学习Pytorch3D的功能和应用，进一步拓展其在计算机图形学、三维重建和深度学习等领域的应用。

Ubuntu.源码编译CARLA0.9.全过程记录

       本文详尽记录了在Ubuntu .上通过源码编译CARLA 0.9.的全过程，特别强调了Linux系统环境的配置以支持与ROS和Autoware的协同仿真，并且允许自定义场景和车辆配置。

       步骤一：系统基础配置

       首先，确保安装Ubuntu .并配置Nvidia显卡驱动，参考链接：win + Ubuntu . LTS 双系统安装（UEFI + GPT）。

       步骤二：安装依赖

       参考Linux build - CARLA Simulator -branch 0.9.，逐步安装必要的软件，如遇到下载问题，可考虑使用阿里源或新华源，推荐查阅：ubuntu安装软件依赖问题。

       步骤三：Unreal Engine 4. 安装与配置

       由于CARLA 0.9.以上版本使用UE4.，需先安装并编译。确保Github账户已与Unreal Engine账户关联，如需Personal Access Token，参考Github - 使用新的Personal Access Token进行仓库认证。

       步骤四：下载与编译CARLA

       从官方仓库下载CARLA源代码，更新时可能遇到官方资产Url变化，需修改Update.sh文件。编译过程中，PythonAPI部分网络需求较高，make launch可能需要设定UE4_ROOT环境变量，具体步骤见BuildCarlaUE4.sh。

       步骤五：运行测试

       在完成上述步骤后，进行测试并欢迎在评论区交流问题，如有任何疑问，欢迎留言。如果你对内容满意，请别忘了收藏和关注。

偷偷跟我学这个看源码的小技巧，早日解放双手

       大家好！

       在看源码的过程中，查看 Git 提交记录是了解文件演变过程的有效途径。对于如何在 IDEA 中查看这些记录，可能有些同学感到困惑。这篇文章将分享一些实用的小技巧，帮助大家更直观地进行源码学习。

       首先，确保你的本地环境配置了 Git。如果还没有安装 Git，强烈建议你先完成安装并熟悉基本操作。

       接下来，使用 Git 克隆一个感兴趣的开源项目，例如 Redssion。在 IDEA 中导入项目并查看文件右键菜单，确认是否能找到“Git”选项。如果找不到，可能是 Git 配置问题，进入 IDEA 设置中进行相应的调整。

       在 IDEA 的“Version Control”标签页中，你可以看到项目的提交历史。通过这个界面，你可以快速浏览文件的变更情况，了解代码的演变过程。

       在日常工作中或撰写文章时，使用 IDEA 的 Git 功能主要关注提交记录，而不是直接在 IDEA 中进行代码提交。这种方式提供了可视化的代码历史，有助于理解代码的变更轨迹。

       以 Redssion 为例，通过在 GitHub 的 issues 页面搜索关键词（如“死锁”），可以找到相关的问题讨论和代码修复。关注这些信息能帮助你更快定位问题和学习关键代码变更。

       使用 IDEA 的 Git 插件，可以方便地查看特定日期的提交记录。在“Version Control”标签页中，通过过滤功能找到目标日期的提交，这样可以快速定位到关键变更。

       通过查看提交记录，你可以了解代码的具体修改内容，这对于深入理解代码实现和调试问题非常有帮助。例如，在 Redssion 中，可以追踪到特定类的修改历史，了解其功能演进。

       此外，通过查看项目的首次提交记录，可以了解项目的起源和发展历程。例如，Dubbo 的首次提交记录反映了项目早期的状态和开发团队的辛勤工作。这些历史记录不仅展示了技术演变，也蕴含了项目发展的故事。

       总的来说，利用 IDEA 的 Git 功能探索代码历史，不仅可以帮助你更高效地学习和理解源码，还能深入了解项目的开发背景和演进过程。通过这种方式，源码阅读将变得更具趣味性和实用性。

[Dev] Xcode的记录

       构建过程可以分为预处理(preprocess) -- 编译(build) -- 汇编(assemble) -- 连接(link)这几个大的过程。

       LLVM(Low Level Virtual Machine)是强大的编译器开发工具套件，其核心思想是通过生成中间代码IR，分离前后端（前端编译器，后端目标机器码）。这样做的好处是，前端新增编译器，不用再单独去适配目标机器码，只需要生成中间代码，LLVM就可以生成对应的目标机器码。下面就是LLVM的架构。

       预处理：头文件引入、宏替换、注释处理、条件编译等操作；

       词法分析：读入源文件字符流，组成有意义的词素（lexeme）序列，生成词法单元（token）输出；

       语法分析：Token流解析成一颗抽象语法树(AST)；

       CodeGen：遍历语法树，生成LLVM IR代码，这是前端的输出文件；

       汇编：LLVM对IR进行优化，针对不同架构生成不同目标代码，以汇编代码格式输出；

       汇编器生成.o文件：将汇编代码转换为机器代码，输出目标文件（object file）；

       连接器：将目标文件和(.dylib、.a、.tbd、.framework)进行连接，生成可执行mach-o文件。

       dwarf：debugging with attribute record formats，一种源码调试信息的记录格式，用于源码级调试；

       dSym：debug Symboles，调试符号，即符号表文件。符号对应着类、函数、变量等，是内存与符号如函数名、文件名、行号等的映射，崩溃日志解析非常重要。可以用dwarfdump 命令来查看dwarf调试信息。

       DW_AT_low_pc表示函数的起始地址 DW_AT_high_pc表示函数的结束地址 DW_AT_frame_base表示函数的栈帧基址 DW_AT_object_pointer表示对象指针地址 DW_AT_name表示函数的名字 DW_AT_decl_file表示函数所在的文件 DW_AT_decl_line表示函数所在的文件中的行数 DW_AT_prototyped为一个 Bool 值, 为 true 时代表这是一个子程序/函数(subroutine) DW_AT_type表示函数的返回值类型 DW_AT_artificial为一个Bool值，为true时代表这是一个由编译器生成而不是源程序显式声明

       使用symbolicatecrash命令行

       使用dwarfdump和atos工具

       xcode-project-file-format这里对xcodeproj文件格式进行了说明。

       xcodeproj文件包含以下元素

       总体说明

       结合上面的说明，对project.phxproj文件结构进行说明

       项目中setting有2处，project和target中都有，那么他们之间的关系是怎样的？

       在Xcode中添加代码块步骤

       1、选择代码，右键选择 create code snippet，或者在顶部导航，选择Editor-create code snippet；

       2、编辑信息和代码即可，其中completion表示输入的快捷方式；

       3、需要修改的参数用形式添加 ；

       4、所在目录~/Library/Developer/Xcode/UserData/CodeSnippets 。

       还需要注意xcshareddata目录下

       参考

       Xcode build过程中都做了什么 Xcode编译疾如风-3.浅谈 dwarf 和 dSYM iOS崩溃日志解析&原理 - 掘金 LLVM编译流程 & Clang插件开发 8. Xcode 工程文件解析 - 掘金 XCode工程文件结构及Xcodeproj框架的使用( 二 ) XCode: Target Settings和Project Settings的区别 Xcode-项目重命名