logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

Python: 使用pytest进行代码测试

本篇记录使用pytest对python工程进行测试的方法。一般而言,一个完整的python项目需要把暴露出的接口进行测试,pytest是一个写测试用例的工具。

#python#pytest#开发语言
C++模板函数报错:undefined reference to ‘xxxxxxxxx‘

错误日志在写一个BA优化函数时,把模板函数的声明写在了.h中,定义在.cpp中,编译时报错:undefined reference to 'xxxxxx'xxxxxx是模板函数的名字。解决方法undefined reference这个报错太常见了,意思就是找不到这个函数的定义在哪。一般来说是因为链接库错误的原因。但是这个模板函数不一样,模板函数的声明和定义要放在一起,如果分开写在.h和.cpp中,

#c++#开发语言
ffmpeg学习: 视频压缩

ffmpeg学习: 视频压缩前言ffmpeg压缩命令ffmpeg截取命令前言最近常做录屏演示,录屏的存储太大了,所以需要ffmpeg做视频压缩。ffmpeg压缩命令# 指定帧率ffmpeg -i myvid.mp4 -r 10 outvid.mp4# 指定码率ffmpeg -i myvid.mp4 -b:v 2000k outvid.mp4ffmpeg截取命令# -ss 截取开始 -t 截取多久f

#音视频
数值计算之 插值法(2)多项式插值——牛顿插值法

数值计算之 插值法(2)多项式插值——牛顿插值法拉格朗日插值法牛顿插值的递推差商牛顿插值法拉格朗日插值法上篇指出函数f(x)f(x)f(x)的插值可以用一个多阶多项式P(x)P(x)P(x)表示:P(x)=a0+a1x+a2x2+⋯+anxnP(x)=a_0+a_1x+a_2x^2+\dots+a_nx^nP(x)=a0​+a1​x+a2​x2+⋯+an​xn拉格朗日插值法将一个多阶多项式拆分为多

#线性代数#矩阵#几何学
git使用学习七、解决报错error: Your local changes to the following files would be overwritten by merge

git使用学习七、解决报错error: Your local changes to the following files would be overwritten by merge前言方法一,丢弃本地改动方法二,暂存到堆栈区前言本篇记录git merge时的一个报错error: Your local changes to the following files would be overwrit

#git
Debug:pytorch Warning: Error checking compiler version for cl: ‘utf-8‘ codec

报错日志:windows下使用python setup.py install包含pytorch组件时报:cpp_extension.py:237: UserWarning: Error checking compiler version for cl: 'utf-8' codec can't decode byte 0xd3 in position 0: invalid continuation

#pytorch#python#人工智能
英伟达显卡一、ubuntu18显卡驱动安装

目录前言本地安装(使用.run文件)1.下载驱动2.删除原有的英伟达驱动3.禁用nouveau驱动4.安装驱动5.测试驱动6.碰到的问题线上安装(推荐)1.准备工作2.安装驱动前言最近买了一块RTX A4000,需要在Ubuntu里跑建模仿真和深度学习,因此肯定要安装nvidia的驱动、cuda和cudnn。因为Ubuntu对Nvidia独显的支持没有windows系统那么好,踩了不少坑,因此做个

#深度学习#ubuntu
Matlab学习一、Ubuntu安装Matlab,Failed to load module ‘canberra-gtk‘等

Matlab学习一、Ubuntu安装MatlabMatlab安装Matlab安装后启动报错Matlab安装到Matlab官网下载matlab linux的在线安装文件(200M左右),然后解压到matlab/文件夹下,进行安装:cd matlab/sudo sh install然后一步一步跟着指引走就行了。Matlab安装后启动报错打开matlab时命令行报warning:报错1Failed to

#matlab#ubuntu
控制算法学习 一、卡尔曼滤波(3)卡尔曼增益推导

控制算法学习 一、卡尔曼滤波(3)卡尔曼增益推导前言系统建模状态预测最优估计问题卡尔曼增益后记前言前两次卡尔曼滤波,分别写了卡尔曼滤波的两大流程(预测、更新)两个方程五个公式,和卡尔曼滤波与贝叶斯滤波的关系。本次将着重于从概率角度上推导卡尔曼滤波的五个公式,以及卡尔曼增益。系统建模设线性系统状态X=(x1,x2,...…,xn)X=(x_1,x_2,...\dots,x_n)X=(x1​,x2​,

#线性代数#概率论#机器学习
    共 36 条
  • 1
  • 2
  • 3
  • 4
  • 请选择