Just for Life.

利用下班时间学完了 CUDA，Anyway 忙起来真的很大程度能缓解焦虑，能忘记和忽略很多烦恼。所以寻思着结合这一年来所学，写了一个简单的 CUDA 计算框架：CUFX。

对于 C++ 中的匿名函数，除了写 auto 外，还可以使用 std::function 作为类型接受匿名函数：

1
2
3

std::function<void(int)> func = [](int x) {
    std::cerr << x << "\n";  
};

问题来了，刚开始的时候我以为 std::function<void(int)> 就是匿名函数的返回类型，在 github 上给别人发送 PR 时就发生了笑话。

实际上这两个类型并不相同，function 是一个类型擦除容器，而 lambda 匿名类型简单来说就是重载了 operator() 的类。由于 std::function 有转换构造函数，lambda 表达式得以调用这个转换构造函数，构造出这一个 std::function对象，所以这个赋值发生了隐式类型转换。

在一些代码中，我们可能无法保留原有的数据类型，上面的匿名函数就是典型的例子。这个时候需要用一种通用的类型去使用它们，需要去掉对象原有的数据类型，也就是类型擦除 (Type Erasure)。

C++ 漫游的第一部分，起因源于项目中错误的使用 std::ref 和 std::fowrad 导致了一些神奇的 bug。而 std::ref 又涉及到了引用，左右值引用又会联想到移动语义，std::forward 又常用于模板。所以以此为契机，不如仔细学习一下 C++ 中的新特性。

2018 年计算机组成原理的大作业，五级流水不会写，三级流水写不出来。竟然没想不到多年后还会用到多级流水的思路去设计代码。

移动端算法优化是个很庞大的话题。从计算机体系到指令，涉及到非常广而深的东西。本文尝试以常见的算法为例，阐述算法在单线程场景下的加速与优化，多线程是最后的收尾，没啥可说的。而至于具体的场景，如金字塔、滤波、降噪等，优化的思路都是相同的：减少 IO，一次 IO 完成尽可能多的计算。

本文会使用 Neon, OpenCL 来优化算法，如果有可能也会引入 DSP。本文持续更新，整理算法优化相关的经验。额外的，确保打开了 O3 编译选项，打开 release 模式等，否则会影响算法的执行时间。

之前对 C 语言中宏定义的认知十分简单，包括但不限于停留在以下浅薄的层面：

1
2

#define PI 3.14
#define add(a, b) a + b

上述代码完全是大学课本中的用法。但当我看到实际项目中宏的用法后完全是一头雾水，所以自己也要写出那种高逼格让别人看不太懂的代码。宏远远比我想象的要强大，所以本文为每个宏技巧都配备了一个实用场景。

• 字符串化操作符，实现一个简单的自动化测试样例
• 字符串连接，实现一个具备计时功能的宏
• X 宏，实现根据输入执行不同的函数
• 特殊宏 __VA_ARGS__，实现一个简单的日志函数

整体的开发感受是：缺乏一个合理的、完整的软件开发流程或规范。