本来我已经不想再写什么装个什么软件，配个什么环境的东西了，网上一搜一大堆，跟着搞搞也没什么了，再差就去看看官方的文档，也很容易解决遇到的问题。但这次装confluence既没有了官方的支持（官方文章仅作为一个参考吧），网上找的教程虽然一大堆，但基本也都是复制粘贴的，而且还不太能用，折腾了一个周末才好不容易达到一个比较满意的效果。如果你也遇到这种问题，那算是找对地方了。

很早的时候手上买了群晖的918作为家里的nas，平时放一些文档，深度学习的数据，最重要的还充当我个人的开发环境及服务器。在DSM6.X的时代，Synology上有gitlab组件，可以方便的搭建gitlab托管自己代码。虽然网上有很多吐槽他不稳定的，但在6.x上我用的还是一直很稳定，包括备份等做的都很不错。性能反正个人用是足够的。但升级DSM7.0后，gitlab组件就没有了。无奈我又想办法降级回6.x使用，但升级这种大趋势我们是没办法阻挡的，作为个人玩家，还是要想办法找到替代方案，于是我就研究了下DSM6.x的gitlab是怎么做的，发现还是很简单的，只要有docker，我们也可以在DSM7上装回熟悉的gitlab。这个方法可以让你继续使用DSM6.x的gitlab数据库，我们就可以放心大胆的升级到DSM7了。

近期跟着《LLVM Cookbook》学习了一下LLVM相关的内容，趁着学完还算熟悉，赶紧写一下笔记和总结，方便以后的回顾。LLVM的全称是Low Level Virtual Machine，名字已经解释了好多内容。作为一个编译器的基础框架，提供了各种工具和编译的基础设施，允许我们自定义前端，实现特定的优化方法，并绑定自己的后端。特别是MLIR和IREE的发布，加上当下芯片行业越来越热，LLVM在社区和产业界的影响力也随之扩大，了解和学习LLVM还是很有必要的。

多线程编程, 找到了一个非常简洁又有效的网站，本来这个事情简单说一下就可以知道了，找了好多介绍发现都会讲一大堆。。终于在这里找到了想要的东西，这里安利一波：https://segmentfault.com/a/1190000016330017

前段时间为了测试，了解过libtorch，里面有些坑，这里简要记一下。

libtorch包的选择

下载libtorch的地方会有两种包。。看名字完全不知道要怎么选，测了一把，应该是按照下面逻辑去选。后面再来补充原因。

就在写这篇文章的时候，yolo作者Joseph Redmon宣布停止CV研究，很可能yolov3将成为yolo系列的终局。想到这个感觉还是要好好写一下yolo啊。本来只想写一篇来介绍一下yolov3并记录下我是如何用到自己数据集上，写完后发现篇幅很长，遂拆成两部分。

此篇为目的是要记录如何使用自己的数据集训练yolov3模型，并最终得到能够上线的检测模型。这里训练不是学术目的，而是面向生产环境。理论篇见http://blog.throneclay.top/2020/02/19/yolo-learning/。

就在写这篇文章的时候，yolo作者Joseph Redmon宣布停止CV研究，很可能yolov3将成为yolo系列的终局。想到这个感觉还是要好好写一下yolo啊。本来只想写一篇来介绍一下yolov3并记录下我是如何用到自己数据集上，写完后发现篇幅很长，遂拆成两部分。

此篇为理论部分，实战部分见http://blog.throneclay.top/2020/03/05/yolo-learning2/。

因为前段时间急需一个能够搞定通信问题，所以调研了一下，找到了mosquitto适配后效果非常好，但他的例子比较少，我写了一个简单的示例，通信采用了mqtt协议，mosquitto搭建的服务器，通信的内容采用了protobuf进行序列化和反序列化，基本能够应付常见的各类情况。

mqtt是一种轻量级的通信协议，基于服务器和客户端，能够订阅和发布消息。网上的介绍非常多，mqtt能够很好的胜任信息通信任务，支持的平台也非常广泛。mqtt功能强大，占资源少，特别适合在车上进行一些通信和数据的传输。利用protobuf对数据进行封装，既能很好的完成编解码，又能广泛支持不同设备。网上的教程其实很多，但都没有示例代码，这里顺便写了个小的example，能方便学习和开发。

人手还是不够啊，好多活都有积攒，随着开发的不断进行，越来越感觉要加上CI的流程了，至少稍微规范一下自己的开发，在这个人比机器贵的时代，能让机器干的事就还是让机器去干吧。

目的很简单，其实就是想稍微控制下代码质量，一旦出问题，能方便查找问题，而且对版本也做一下控制和管理。然后我还懒，只想自动化完成。这里给出最简单的例子，能够迅速让你从0到1。

作为老牌的集编解码等于一体的视频库，ffmpeg功能十分强大，而且ffmpeg被编译到了多种设备上面，几乎各个平台都能看到他的身影。虽然功能强大，但强大的背后带来的就是复杂的命令和选项。实际的视频场景没有那么多，而且相对比较固定，这里记录了几种用到的ffmpeg的使用方法，如果有类似需求，改一下就可以用啦。

从Google第一篇AutoDL的论文开始，在这方面的论文层出不穷，目测已经成为一个很活跃的研究方向，从一开始上千块TPU发展到现在一天内就能搜到SOTA的结果。NAS已经火了有段时间了，近期才有时间系统的看一下AutoDL相关的内容，SNAS是我最近看的一篇论文，这里做下简单的整理和总结，主要也是为自己留下一份知识储备，方便以后快速回顾。

实现一个大而美的kernel往往是不现实的，在各种硬件上针对特定case下的kernel很容易能够突破针对通用case实现的kernel，所以实现的kernel在某些case下表现好，某些case下表现的就不是那么好，如何快速正确的找到各个kernel的性能曲线，既能更好的了解这个kernel的优势和不足，也能为后续kernel选择重要的参考。这里的这篇就是针对kernel选择而做的一个尝试。