AI 程序一般至少包含 AI 模型和推理逻辑。
如果涉及到加密场景，则还要实现模型加密、模型解密以及调用计数加密。

1
2
3

AI 程序 = AI 模型 + 推理逻辑
AI 程序 = 加密模型 + 解密模型 + 推理逻辑 + 计数逻辑
AI 程序 = 加密模型 + 加密“解密模型” + (加密)推理逻辑 + 加密计数逻辑

本文从软件工程的角度对常见 Python AI 程序加密的方法做一些代码攻防演示，并做出以下结论：

• 在 Python 代码内做软件加密意义不大，因为 Python Interpreter 很容易被拦截
• PyArmor 结合 C/C++ 是一个兼顾开发成本和保护力度的可行方案，适合早期的项目推动
• 软件加密不是万能的，任何加密都可以被破解，难度取决于运行时机器对 Hacker 的透明度

Read More

QGraphicsScene::items and QGraphicsScene::itemAt does not return clicked item of customized class class Item: public QGraphicsTextItem even thought Item::shape and Item::boundingRect method has been overriden properly and Item::mouseHoverEnter works with customized shape.

今天又遇到一个 Qt5.12.12 的坑： QGraphicsScene::itemsAt(event->scenePos(), QTransform()) 死活不能正确检测到被点击的 class Item: public QGraphicsTextItem 元素。

一般而言，这类问题都是因为没有正确使用 event->scenePos 或者没有正确 override 自定义 Item 的 shape 方法。
之所以叫疑难杂症，就是因为以上一般方法都没用。

Read More

本文目标：

• 一台主机部署多个 Gitlab Runner
• 实现互相隔离且互不影响的 Gitlab Runner 环境
• 使用 compose.yaml 持久化配置和数据，快速复制部署
• 在 Gitlab Runner 中使用 docker, helm 以及 kubectl

前置要求：

• 宿主机上安装了 docker 和 docker compose
• 【可选】宿主机上安装了 kubectl 和 helm

方案限制：

• 只能使用 shell 作为 Gitlab Executor
  • 由于 Gitlab Runner 本身运行在 docker container 中，所以几乎没有影响

Read More

This is the notes of the second chapter of the book Python Machine Learning.  
In this chapter, three linear classification algorithms with detailed explanation and python implementation are taught.

• perceptron classification
• adaline with batch gradient descent
• adaline with stochastic gradient descent

Read More

This is the notes of the first chapter of the book Python Machine Learning.
It introduces three types of machine learning tasks and the common pre-steps of these tasks.

Read More

在开始阅读前，可以先尝试这道选择题，测试自己对开源协议的理解😊。
答案在文章最后。

【选择题】以下受开源软件协议约束的场景包括：

• [ ] A. 包含某个开源软件库，开发一个安卓程序并上架应用商城
• [ ] B. 包含某个开源软件库，搭建一个后端服务程序并封装为 SaaS 对外服务
• [ ] C. 包含开源软件库，开发浏览器前端界面并部署上线给用户使用
• [ ] D. 使用一个开源脚手架工具构建项目并上线应用商城
• [ ] E. 包含某个开源软件库，开发一个后端服务程序，提供私有化部署
• [ ] F. 基于某开源编程语言开发的软件，进行分发
• [ ] G. 基于某个开源编程语言编译器定制开发语言编译器，实现定制编程语言并进行分发
• [ ] H. 包含某个自己贡献了代码的开源库，开发一个软件并进行分发

Read More

这是我的《C 拓展 Python 实战》系列的第五篇，也是这个系列最后一篇。
在之前的文章中，我们的模块需要和 Python 一起编译，这次我们来看看如何使用 setup.py 来随时编译我们的模块。
在此之上，我们再来看看如何结合 CMake 把复杂的 C/C++ 项目打包成 Python Package。

Read More

C++ Class 对象的数据布局和 C Struct 数据布局遵循同样的原则，按顺序排布并考虑内存对齐的要求。
但是 C++ Class 对象相比于 C Struct 有其创新之处。C++ Class 添加了两个新的 access section，支持在类内声明函数，最重要的是，添加了“继承”的特性。
这其中有什么可怕的陷阱吗？直接公布答案有什么意思，你得自己一步一步趟过去才行。
小心，别中招了！

Read More

如果我们把进程比作一个工人的话，那线程就是工人的四肢。怎么理解这个比喻呢？

• 工人拥有四肢，进程拥有线程
• 工人干活要依靠手脚来做事，进程干活也是依靠线程来做事
• 工人和工人之间只能通过工头调度或者相同的操作手册(大脑中的知识)来协作，进程和进程之间只能通过操作系统内核调度或者共享内存来协作
• 工人的四肢用工人自己的大脑来协调，进程的线程用进程自己的虚拟内存空间来协作
• 一个工人的四肢的协调效率比多个工人之间的协调效率高，一个进程的线程之间的协作效率比多个进程之间的协作效率要高

Read More

之前在《基于异常控制流的进程协作》一文中我们从操作系统和硬件的角度简单分析了单核 CPU 上多进程的并发和协作的实现机制。这次我们换个角度，从使用方式的角度来分析并发编程。

Read More