有点博客

本文按照 cppreference 列出的特性列表，较为全面的介绍了C++各个版本的新特性，作者 [401@简书]，原文在这里。

C++11 新特性

01 auto 与 decltype

auto: 对于变量，指定要从其初始化器⾃动推导出其类型。⽰例：

1
2
3
4

auto a = 10;    // 自动推导 a 为 int
auto b = 10.2;  // 自动推导 b 为 double
auto c = &a;    // 自动推导 c 为 int*
auto d = "xxx"; // 自动推导 d 为 const char*

作者 飞扬青云

0 前言说明

1. 项目作品：https://qtchina.blog.csdn.net/article/details/97565652
2. 视频主页：https://space.bilibili.com/687803542
3. 网店地址：https://shop244026315.taobao.com
   阅读全文 »

记录将Keil v5老版本使用的version 5编译器升级到version 6之后，编译出现的问题。

• 环境： Win10x64, Keil MDK v5.37
• 开发板： DevEBox STM32F407VE

RTOS在嵌入式开发大行其道，RT-Thread有很丰富的外设驱动，遂折腾以下RT-Thread(本文的RT-Thread均指RT-Thread Nano)。

• 环境： Win10x64, STM32CubeIDE v1.7.0
• 开发板： DevEBox STM32F407VE

买了2块mini开发板，一块STM32F407VE，另一块STM32H743VI。无他，唯体积小。看到OpenMV大行其道，开始折腾MicroPython。

• 环境： Ubuntu 16.04 x64
• 开发板： DevEBox STM32H7XX_M Ver:V2.0 SN:1907

禁不住好评如潮，开始折腾树莓派。型号4B，操作系统Ubuntu server 20.04（无GUI）。

最近希望使用plantuml来绘制流程图，以下记录配置过程；

记录Qt中的一些小方法。

记录C++语法的点点滴滴

　　主成分分析(Principle Component Analysis, PCA)和独立成分分析(Independent Components Analysis, ICA)，是目前应用最为广泛的机器学习数据预处理的手段之一。

　　PCA，顾名思义，取信号中的最为主要的成分，对非重要部分进行去除，从而达到数据降维的目的，避免维度灾难。PCA只对符合高斯分布的样本较为有效。

　　ICA，是盲源分离(Blind source separation, BSS)的一个特例，来源于“鸡尾酒会问题”，如果被观测信号由若干个统计独立的分量的线性组合（混合信号），ICA的目的是将被观测信号解混为若干独立信号源，从而对感兴趣的信号进行处理。