1. 基础知识

静态库和动态库

首先说一下，库的导出分为静态库和动态库。

导出静态库的话，会生成一个.lib文件，其实就是.obj的集合，.obj又是.cpp编译得到的，所以，静态库里有函数的实现。不过这些实现是二进制的，是不带源码的。使用静态库的时候，需要链接.lib，包含.h。

导出动态库的话，会生成.dll文件和.lib文件，动态库生成的.lib文件会很小，因为这里的.lib只需要指明函数在.dll中的位置就可以了。使用的时候，需要把.dll和程序将要生成的.exe放在一个位置（双击exe运行），或者放在“调试 - 工程目录”指定的位置（在IDE中运行）。当然，如果你把“调试 - 工程目录“设置成$(OutDir)，就和exe的输出位置一致了，调试也能运行，双击exe也能运行。

符号文件.pdb

.pdb文件就是所谓的符号文件。在库的编译过程中一同产生，pdb的生成位置和文件名由“链接器 - 调试 - 生成程序数据库文件”决定。这个名字是会写进.dll的，也可以和.dll的名字不一样。例如，dll的名字是a.dll，生成时的符号文件是b.pdb，你在调试时把b.pdb强行改成a.pdb，调试器是不认的。所以，为了调试方便不混淆，我建议把.pdb的文件名设置成和.dll一样。否则debug版和release版的pdb都一个名字，就无法区分了。

.pdb文件里面记载了函数名称和对应的.cpp文件名称，.cpp文件的md5信息。所谓“符号文件”，就是在你调试时用来查找函数对应于哪个.cpp文件哪一行的，好告知调试器跳转过去。

2. 加载符号

现在假设你已经有一个工程了，可以编译运行。你调用了在.lib中的函数，下了断点，按F11想要步入。

这时有两种情况，第一种是你直接跳转到库的源码了。这里的原理很简单，因为你的pdb已经加载（你把pdb放在调试目录了），pdb里记载了函数所在的cpp，而这个库是你在本机编译的，绝对路径没有改动，调试器直接就找到了对应的cpp，所以就直接跳转了。

而第二种情况，按F11并不能进入到源码，而是直接步过了。如果想进入.lib的源码，需要怎么做呢？

首先需要准备.pdb文件，还有库的源码。

之后要检查符号是否加载。下断点，F5调试。然后“<font color=red>调试 - 窗口 - 模块</font>”打开模块窗口。

找到第三方dll的名字，我这里是DuiLib_ud.dll，看“符号文件”一栏是空的。说明这个dll的符号文件没有加载。

把.pdb和.dll放在一起。

再次调试。可以看到符号文件已经加载了。

其实不和dll放一起也可以。“工具 - 选项 - 符号”，在符号文件位置下面增加路径也可以。不过我不喜欢改动没有移植性的环境选项，更喜欢凡事都用相对路径。顺带一提，通过上面的模块界面，可以加载系统dll的符号文件，调试时可以进入系统dll的汇编。

3. 加载源码

现在符号文件已经加载了。再次开始调试，在断点处按F11步入。弹出了查找源码的选项。

在这里你就可以手动指定源码的位置了，不用担心版本出错，有md5校验的，你指定的.cpp如果不是这个库当初生成时的.cpp是通不过的。

不过我不喜欢这种硬编码绝对路径的做法，不优雅。我们点取消，就会看见未找到XXX.cpp界面。展开“源搜索信息”，可以看到调试器都从哪些地方在寻找这个.cpp文件。记住这个界面，如果我们之后指定.cpp路径时不正确，可以在这里来查看。

之后，把库的源码复制到我们自己的工程目录里。工程文件什么的不用带，只需要.cpp就可以了，理论上.h都不需要。

之后，在解决方案上右键“属性”，注意是解决方案上右键，不是工程。选择“通用属性 - 调试源文件”，在“包含源代码的目录”里增加我们刚拷进来的库的源代码目录。

微软说这里的查找源文件功能是不能识别子目录的，所有子目录都要手动加进来。

这里修改了之后，我实验发现要重启VS才生效。再次调试，可以进到库的源码了。在库的源码上悬停，我这里是在UIBase.cpp上悬停，可以看到它找到的源码的文件路径。确认是找到了我们刚放进去的源码。

本来我还想实验一下。我改了lib_src文件夹的名字，发现它还是能找到源码；我删掉debug文件夹下的内容，它还是能找到；我删掉和exe一块儿生成的.ilk和.pdb，它还是能找到；我删掉.vs隐藏文件夹，它还是能找到；我改动工程路径，它还是能找到。

这就很迷茫了。总之，也许它找到一次之后，查找文件功能就突然逆天了，知道寻找解决方案下面的所有cpp文件吧。

参考

如何调试静态库的代码（libeay32.lib和ssleay32.lib）

在 Visual Studio 调试器（C#、C++、Visual Basic、F#）中指定符号 (.pdb) 和源文件

前言

我们在平时的服务器运维工作中,要经常安装一些软件,经常会看到下面这种进度条,咱们就用C语言来实现这种进度条。

相关知识

1. 用fflush函数强行让屏幕刷新。
2. printf格式控制
3. stdout即屏幕的文件流

截图

程序代码包

cmd_loading.zip

相关代码

#include <stdio.h>
#include <string.h>
#include <ctime>
#include <windows.h>        // window下用Sleep
// #include <unistd.h>      // linux下用sleep

void loader(int rate)
{
    char proc[102];
    memset(proc, '\0', sizeof(proc));
    
    for (int i = 0; i < rate; i++)
    {
        proc[i] = '#';
    }
    
    printf("[%-100s] [%d%%]\r", proc, rate);        //C语言格式控制时默认右对齐，所以要在前面加-变成左对齐
    fflush(stdout);                                 //刷新屏幕打印
}

int main()
{
    int i = 0;
    while(i <= 100)    
    {
        loader(i);
        Sleep(200);                                 //以微秒为单位的sleep
        i++;  
    }
    return 0;
}

事情的缘由

所里的电脑突然间卡的要死，看了眼任务管理器，磁盘占用100%，再一找，是个wxappx个东西一直在往盘里写东西，不知道干啥呢，直接停掉吧，要不一时半会占用下不来。

解决办法

win+R -> regedit 进注册表
HKEY_LOCAL_MACHINE\SYSTEM\ControlSet001\Services\AppXSvc
点击start
把3改成4

最后重启一下就可以了

一、HDF5简介

HDF 是用于存储和分发科学数据的一种自我描述、多对象文件格式。HDF 是由美国国家超级计算应用中心（NCSA）创建的，以满足不同群体的科学家在不同工程项目领域之需要。HDF 可以表示出科学数据存储和分布的许多必要条件。HDF 被设计为：

1. 自述性：对于一个HDF 文件里的每一个数据对象，有关于该数据的综合信息（元数据）。在没有任何外部信息的情况下，HDF 允许应用程序解释HDF文件的结构和内容。
2. 通用性：许多数据类型都可以被嵌入在一个HDF文件里。例如，通过使用合适的HDF 数据结构，符号、数字和图形数据可以同时存储在一个HDF 文件里。
3. 灵活性：HDF允许用户把相关的数据对象组合在一起，放到一个分层结构中，向数据对象添加描述和标签。它还允许用户把科学数据放到多个HDF 文件里。
4. 扩展性：HDF极易容纳将来新增加的数据模式，容易与其他标准格式兼容。
   跨平台性：HDF 是一个与平台无关的文件格式。HDF 文件无需任何转换就可以在不同平台上使用。

1. HDF5的组织结构

• File 文件。相当于根目录
• Groups 组。类似于文件夹
• Datasets 数据集。数据的集合
• Dataspace 数据空间给出原始数据的秩 (Rank) 和维度 (dimension)
• Datatype 数据类型
• Properties 说明该 dataset 的分块储存以及压缩情况
• Chunked: 待摸索
• Chunked & Compressed: 待摸索
• Attributes 为该 file/gourps/dataset 的其他自定义属性

2. 相关网站

HDF5官网
HDF5 View 下载地址
HDF5 相关下载地址
官方文档地址

二、HDF5下载与安装

1. cmake形式引入

待完善

2. window下安装

下载官方安装包直接安装或下载下方压缩包（官网下载需要登录，内陆访问很慢）

hdf5-1.12.1-Std-win10_64-vs16.zip

3. linux下安装

待完善

需求

在家呆的时间打算学习一下AI，在网上查了挺多机器学习的，最后选择了TensorFlow。主要目的是给自己生成一套神经网络，留着以后用。

基础

本身电脑Win10 1660显卡一张。

环境

Python: 3.8.1
TensorFlow-GPU: 2.6.0
CUDA: 11.4.1
CUDNN: 11.4

环境安装过程

1. Python

python是开发人员的必备品，已经安装过了，这里就不做介绍了，自行百度。

1. TensorFlow-GPU

开源的计算机学习平台，安装比较简单，python下的pip可直接安装：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade tensorflow-gpu

命令解析：

pip python包管理器
install 安装
-i 临时指定安装源，这里选的是清华的源，要不下载太慢
--upgrade 顺带更新
tensorflow-gpu 软件包名称

然后尝试使用tensorflow，python命令行模式下引入此库。

import tensorflow as tf

没有安装CUDA和CUDNN的情况下会出现报错，如下图：

1. 安装CUDA
   进入英伟达开发者中心下载：CUDA Toolkit Archive 或 阿里云盘

下载后点击会先把安装文件解压到指定目录，之后才会真正的安装。

安装图示：

1. 安装CUDNN
   进入英伟达开发者中心下载：cuDNN Archive

下载后需要解压到CUDA的安装目录中。

1. 环境变量配置
   右键此电脑-》高级系统设置（右边小字）-》高级-》环境变量-》系统变量Path

检查变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\libnvvp
C:\Program Files\NVIDIA Corporation\Nsight Compute 2021.2.1\
// C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\lib\x64

头三个是安装完CUDA时候自动添加，最后一个需要手动添加

最后所有环境处理完毕，入门就是Hello World

代码：

import tensorflow.compat.v1 as tf   #解决 module ‘tensorflow’ has no attribute ‘Session’
#import tensorflow as tf

tf.compat.v1.disable_eager_execution()  #解决报错：runtimeerror: the session graph is empty. add operations to the graph before calling run()
hello = tf.constant('Hello world')

sess = tf.Session()

with tf.Session() as sess:
    print(sess.run(hello).decode())

sess.close()