同学说 Zoom 卡，影响了他在线考试。我们收集了一些资料后发现 Zoom 有中国服务器，但是只有商业用户可以连接，而免费账户只能连接到美国的服务器。我怀疑是中国到 Zoom 的美国服务器网络线路不好。
我们尝试了下发现挂代理也没用——尽管 Zoom 已经检测到了代理（在统计信息页面）。我同学说他那边丢包，我这边感觉还好，但有时候也有丢包。我担心是 UDP 请求不能被正常代理。
支持 IPv4 和 IPv6，仅能代理 TCP。
从 https://superuser.com/a/302955/ 来看，虽然其主要是代理 HTTP（当然也能代理 HTTPS），但许多 HTTP 代理服务器能够处理 CONNECT 请求（因此实际上支持了裸 TCP 连接），所以 HTTP 代理也能用来代理其他 TCP 协议。
支持 IPv4 的 TCP 请求。
我的主要代码是这样：
def main():
with tempfile.TemporaryDirectory() as d:
write_tmp_files(d)
即便是程序在终端被 ^C 终止，临时文件夹也会被正常清理，但是我发现 SIGHUP 到来时，临时文件夹就不会被正常清理了。可以注册一个信号处理器函数：
import signal
import sys
signal.signal(signal.SIGHUP, lambda signum, frame: sys.exit(0)) # 其实应该改成信号值 + 128
这样在 SIGHUP 到来时，临时目录也会被正常清理。
https://docs.docker.com/engine/security/seccomp/
seccomp 选项可以控制容器内可以执行的系统调用。可以用 --security-opt seccomp=/path/to/seccomp/profile.json，也可以用 --security-opt seccomp=unconfined 表示不受限。
This feature is available only if Docker has been built with
seccompand the kernel is configured withCONFIG_SECCOMPenabled.
之所以用这个选项，是前段时间有个要跑的服务启动失败了，和其他同类服务比较发现没有加 seccomp 选项。
有些训练或评估程序要求数据集输入文件的顺序严格有序 1，但是文件名长度又不同，不能简单按照字典序来排序。比如，数据集的标签文件名可能是 0.txt、1.txt……10.txt 等，能想到的一个方法是在前面填充字符 '0'。
lst = os.listdir(directory)
lst = sorted(lst, key=lambda s : s.zfill(50))
如果先去掉后缀名，然后再把前面的字符串转数字，则可能会遇到很多复杂的情况（比如多重后缀名），比不上在前面填充字符简单。
用 zfill 填充好之后，文件名都是这样的：
00000...001.txt
00000...002.txt
...
00000...100.txt
cv2 的参数输入格式
cv2 全部改成了用 numpy.ndarray 作为图像处理格式。只是操作图像的时候：
(H, W, C) 或者 (H, W)，后者为灰度图。np.ascontiguousarray() 转换一下（不然报错会很晦涩）。如果使用训练模型用的张量转 numpy，一定要记得把批量维度去掉，并且转 channels-last 格式。否则 cv2 不能正常识别图像，并可能报错（报错信息晦涩难懂）。
此外，pillow 库的 Image 默认格式为 RGB，而 cv2 中图像的默认格式为 BGR，需要按需转换。
cv.imwrite()
cv2.imwrite() 是将 numpy 数组表示的图像写入到磁盘。
https://developer.nvidia.com/blog/using-cuda-warp-level-primitives/
#define FULL_MASK 0xffffffff
for (int offset = 16; offset > 0; offset /= 2)
val += __shfl_down_sync(FULL_MASK, val, offset);
先在 warp 内用原语规约，比在 block 级别用共享内存规约快很多。（虽然也有 __reduce_add_sync() 函数，但是截至 2024 年 9 月 5 日只支持 unsigned 和 int 类型，给浮点数做规约就要用 __shfl_xx_sync() 系列。）
直接从原博客摘录：
https://developer.nvidia.com/blog/cuda-pro-tip-optimized-filtering-warp-aggregated-atomics/
将 src 中大于 0 的数字移动到 dst 中去，并返回新数组的元素数量。和 C++ 的 std::copy_if 相似。
int filter(int *dst, const int *src, int n) {
int nres = 0;
for (int i = 0; i < n; i++)
if (src[i] > 0)
dst[nres++] = src[i];
// return the number of elements copied
return nres;
}
如果用全局内存实现：
__global__
void filter_k(int *dst, int *nres, const int *src, int n) {
int i = threadIdx.x + blockIdx.x * blockDim.x;
if(i < n && src[i] > 0)
dst[atomicAdd(nres, 1)] = src[i];
}
本机没有 NVIDIA GPU，只是无聊想要试试能不能在没有 GPU 的机器（宿主机没 GPU）上做编译工作。
按照 官网链接，选择 Ubuntu 即可。cuda-repo-ubuntu2404-12-6-local_12.6.1-560.35.03-1_amd64.deb 这个文件占了 3.2G，安装之后就更大了。
安装完成之后，可以在 /usr/local/cuda-12.6/bin/ 中找到 nvcc。加到 PATH 之后，编译都能正常进行，但是因为没有 GPU，运行时 CUDA 相关的 API 都会报错，仅此而已。
伪终端解决这样的问题：远程登录等场合，用户并不能和真正的终端进行交互，而且信息也不能简单通过 socket 转发，因为很多（面向终端的）应用程序是假设了有控制终端的。应用了伪终端的程序包括：script(1)（能录制本次交互程序的全部用户输入和用户能看到的输出）、screen(1)、expect(1)（在 一个可以用来测试某交互程序的是否如期运行的工具，在 Debian 上需要额外安装）、xterm 等终端模拟器。
伪终端很像一个双向管道。主设备写入、从设备可以读；从设备写入、主设备可以读。在从设备侧，伪终端表现得就和真实终端一样：所有在终端上能使用的系统调用在伪终端上都不会报错，对伪终端无意义的设置也会被忽略。因此，驱动程序（接收用户输入）面向主设备，应用程序面向从设备（它们对自己使用的是真实终端还是伪终端可能并不知情）。
posix_openpt() 函数可以打开一个未使用的伪终端主设备，返回其 fd。grantpt() 可用于修改对应的从设备的属组和权限。unlockpt() 用于解锁从设备，这样从设备就能被打开了（这是为了应对竟态条件）。ptsname() 函数返回主设备对应的从设备名称。posix_openpt() 的 O_NOCTTY 标志可以使得伪终端主设备不成为当前进程的控制终端，在 Linux 上是默认启用的；O_RDWR 标志以读写方式打开，一般开发者都会指定此标志。最初 System V 终端实现中，获取主设备是通过打开伪终端主克隆设备 /dev/ptmx 实现的。也就是说，posix_openpt() 完全可以被实现为：
int
posix_openpt(int flags)
{
return open("/dev/ptmx", flags);
}
这是我写的某个测试的脚本：
#!/bin/bash
./build/test/A -n 5000 &
PROC_A=$!
sleep 3
python test/B.py &
PROC_B=$!
tail --pid=$PROC_A -f /dev/null
kill $PROC_B
tail --pid=$PROC_A -f /dev/null 这一句是等待特定进程结束的关键。参考 https://stackoverflow.com/questions/1058047/wait-for-a-process-to-finish 。