使用Linux的软路由实战02：基础网络配置
配置双网卡、开启 IP 转发、设置防火墙规则，让 Fedora Server 成为一台真正的路由器
阅读全文 →技术笔记
-
-
使用Linux的软路由实战01：搭建实验环境
本系列基于Fedora Linux + Podman，采用容器技术搭建家用软路由，本章使用Hyper-V搭建实验环境
阅读全文 → -
Rust线程
Rust 并发编程入门：线程、消息传递与共享状态，以及竞态、死锁这些需要注意的问题。
阅读全文 → -
conda环境部署
介绍 conda、mamba、micromamba 等跨平台包管理工具的区别，以及如何创建和管理 Python 虚拟环境。
阅读全文 → -
Rust引用循环和内存泄漏
Rc<T> 与 RefCell<T> 组合可能造成引用循环，从而让内存永远无法释放；这里记录如何识别并避免它。
阅读全文 → -
Rust智能指针RefCell<T>
Rust 的内部可变性：RefCell<T> 如何在运行时检查借用规则，以及 Box、Rc、RefCell 该如何选择。
阅读全文 → -
Rust智能指针Rc<T>
Rust 的 Rc<T> 引用计数：如何让一个值拥有多个所有者，以及它为什么只能用于单线程场景。
阅读全文 → -
Tauri项目搭建
使用 Tauri 和 Rust 构建跨平台桌面应用：从环境准备到创建第一个项目。
阅读全文 → -
Rust智能指针Box<T>
Rust 智能指针入门：Box<T> 的堆分配，以及 Deref 与 Drop trait 的工作方式。
阅读全文 → -
matplotlib简单入门
简单介绍matplotlib的使用方法
阅读全文 → -
Rust性能对比：循环 VS 迭代器
对比循环与迭代器的性能，理解 Rust 的零成本抽象——放心使用迭代器和闭包。
阅读全文 → -
Rust迭代器
本文围绕Rust中迭代器展开，阐述其特性与用法。
阅读全文 → -
Rust闭包
本文粗略介绍了闭包。
阅读全文 → -
Rust测试组织结构
文本主要介绍了 Rust 中的单元测试和集成测试。
阅读全文 → -
Rast运行测试
本文主要介绍了 Rust 中`cargo test`命令的一些用法和特性。包括通过传递参数改变测试行为，可控制并行或连续运行测试、显示函数输出、通过指定名字运行部分测试、运行单个或多个测试以及使用ignore属性忽略特定测试和运行被忽略的测试。
阅读全文 → -
Rast编写自动化测试
本文主要介绍了 Rust 中的测试函数，包括其作用、编写方式以及多种测试方法。测试函数用于验证非测试代码是否按期望运行，一般执行设置数据或状态、运行测试代码、断言结果三步操作。
阅读全文 → -
Rust生命周期
文本主要介绍了 Rust 中的生命周期概念
阅读全文 → -
Rust的Trait（定义共同行为）
本文主要介绍了 Rust 中的 trait，包括 trait 的定义、为类型实现 trait、默认实现、trait 作为参数、trait bound 语法、指定多个 trait bound、通过 where 简化 trait bound、返回实现 trait 的类型以及使用 trait bound 有条件地实现方法等内容。
阅读全文 → -
Rust泛型
本文主要介绍了在 Rust 中使用泛型的方法，包括在函数定义、结构体定义、枚举定义和方法定义中使用泛型。
阅读全文 → -
Rust的错误处理
本文主要介绍了 Rust 的错误处理方式，包括可恢复错误和不可恢复错误的处理方法，和使用?操作符简化错误处理。
阅读全文 → -
Rust的集合（collections）
本篇博客简单介绍了Rust的集合，主要讲解vector、string、hashmap
阅读全文 → -
Rust的项目结构
本篇博客简单介绍了 Rust 中的包、crate 和模块相关概念及用法。包括 crate 的两种形式（二进制项和库），包的组成及创建方式，模块的声明、子模块声明、私有和公有设置、use 关键字、模块树结构、引用模块的方式以及 pub use 关键字的作用等内容。
阅读全文 → -
Nix教程①：简单的开始
本文主要介绍了 Nix shell 的使用方法，包括创建临时环境、可重现环境和声明式 shell 环境，以及固定 Nixpkgs 的方法。
阅读全文 → -
自注意力机制（Self-attention）简介
文本主要介绍了自注意力机制在不同场景下的应用。包括处理长短不一向量时的作用，自注意力层的计算方式，多头自注意力机制，位置信息的考虑方法，以及在语音、图像和图等不同领域的应用特点。
阅读全文 → -
CNN（卷积神经网络）简介
文本主要介绍了图像在神经网络中的处理过程，包括卷积、池化和 Flatten 过程，同时提到了卷积神经网络（CNN）在处理缩放或旋转图片时的问题及解决方法。
阅读全文 →