@0x000007b
没做过分布式计算, CPU 并发的也只看过这两本:
An Introduction to Parallel Programming
C++ Concurrency in Action

@lingxi27
@ys0290

一句话说: 我也不知道怎么回事啦!
该会的东西自然还是会, 毕竟我简历写的是"高性能计算应用与研发岗位"
我只知道自己做的报告陈述, 面试官想法我不清楚; 另外我是视频面试的, 连对面几个人都看不到, 听声音至少 4 个人吧

@Tony042 是的, 包括这些, 所以要做的工作并不会太难, 只是会比较杂

@Cellei 现在很多科研的进行都需要大规模的模拟计算, 有钱的可以自己砸钱买服务器; 当然为了某些地方的科技发展, zf 也会斥巨资建立一些超级计算机中心, 各个科研平台可以利用这些计算资源, 不需要自己维护管理, 只需要交租金就行了; 超算中心负责维护管理这些设备(运维), 培训用户, 当然也会开发一些专业软件(我其实是想做这个)

@yuikns
@ryd994
@avastms
@strcmp
@delectate
@ys0290
@shakoon

统一回复下你们的疑问: 其实, 我也很纳闷儿啦!

面试只是讲了个 ppt 报告, 然后问了些问题. 因为运维已经有专人了, 我顶多去打辅助, 还有跟用户打交道, 我只能瞎猜是看中科研能力和自学能力吧(我的报告以问题为导向, 为了更好地解决那些问题, 一步一步深入计算机原理, 也学了一个个编程语言); 没有笔试, 也没刷过什么算法题, 对我来讲, 有这个时间的话, 不如花在数学物理上.

我初心想是做关于科学计算方面的研发, 当知道要参与运维和跟用户打交道时其实有点打退堂鼓,但是想想如果以后想在科学计算上走得更远, 则必须要依赖于大规模集群, 必须跟形形色色的人打交道, 而这些方面是自己现在最欠缺的, 所以应该抓住这个机会准备挑战下自己, 当然那边学习资源跟学习环境都很不错, 对我吸引力很大.

@Thymolblue
@Merlini
因为轮子造得够多了, 所以 Python 可以享受这些硕果, 现在 Fortran 依旧活跃在科学计算领域, 尤其是一些专业领域计算软件的开发, 可以去看看现代 Fortran 的特性, 已经跟"上古时期"不是一个样了, 就跟现代 C++与 C++98 的差距

http://fortranwiki.org/fortran/show/Fortran+2018

HDF5 可以了解一下
https://www.hdfgroup.org/

sandbox

感觉跟匈牙利命名法思想如出一辙, 虽然也是在 win 下开发, 但是从来不用 windows 那一套花哨的惯例, 徒增心智负担, 不如花心思真正磨砺一下命名的能力(抽象问题的能力). 除了跨平台问题, 更重要的是"跨程序员"问题, 不熟悉这种特别规定的人看着只会觉得头大

用过大华相机的 sdk 跟 Sapera LT sdk, 如果机制都差不多的话, 都是通过一个回调函数获取图像, 这样的话不如在 cython 中直接使用其 sdk 的函数, 然后传给 python 处理就很容易了.

我看过的说法是, python 的内置函数如__len__, __str__, __repr__等是为所有对象规定的一个 interface 或者 proxy, 如果自定义的类要实现其中某些功能, 只要在类中重写相应内置函数就可以了, 然后调用相应内置函数即可得到相应效果, 避免各种 a.size(), a.len(), a.length(), a.nitems(), a.xxx 的出现

一句话: 提供统一的 proxy, 遵循这种统一的 proxy, pythonic ヽ(｡☉౪ ⊙)ﾉ

卡学历

主要原因我认为是: 机器学习必须的数学基础比如线性代数之后的矩阵论,矩阵分析, 概率论之后的随机过程等, 以及各种优化方法, 几乎都是相关专业的研究生才有的课程, 虽然本科有涉及, 但都很浅显, 不过数学专业本科相对学得较深, 也有专门往机器学习方向培养的本科生. 要是后续自学过关也不是什么问题. 虽然后来很可能都是 api caller, 但是也区分盲目的跟睿智的 api caller

每隔一段时间 python 都要出一个这种 bug
这是好事, 说明玩蛇的队伍一直都在壮大

from setuptools import setup, Extension
from Cython.Build import cythonize

setup(ext_modules=cythonize(['one.py','two.py'])) 列表里面放要编译成 pyd 的脚本

python setup.py build_ext --inplace 编译
编译器用 https://www.microsoft.com/en-us/download/details.aspx?id=44266

indirect to

听过好多人提起一些 00 后不愿意用微信的原因: 觉得微信是老年人用的. 父母辈的都在用, 很多小孩就不太想用了.
自己从一开始就不想用微信, 但是工作原因什么的; 另外支付宝打开各种卡, 所以不想再打开支付宝, 所以微信基本用来支付+处理工作消息, 跟好友聊天还是 QQ.

从你的 @ 过来; 如果你把 fortran 源码,什么编译器, 编译参数, 性能测试代码; 以及 python 的代码全部放上来这个问题就完美了, 大家也好根据你的步骤直接试试能不能复现这个性能差距. 你这样问还是只能靠瞎猜.

我只有两点建议: 1. 保证两边用同样的 fortran 编译器, 同样的编译参数 2.用不同规模的数据去试试差距有多大. f2py 生成 wrapper 肯定是有性能损耗的, 正常情况下, 在数据量小的时候主要损耗在 wrapper 上面, 数据量大的时候性能差距应该很小.

@sjlinger 三年前的帖子都被你挖起来了, 重新开个贴, 把问题仔细描述下吧, 附带你的代码, 怎么编译的, 怎么调用的, 怎么测试的都写清楚才知道问题在哪儿, 你这样说是猜不出来的:)

这个警告的意图是说明: 初始化顺序是按数据成员在类中的声明顺序来进行的, 不是按写在构造函数的初始化列表的顺序进行的.

这个其实并不是啥问题, 只要不在初始化列表中形成初始化的依赖, 比如说:
声明顺序为 n1, n2, 构造函数 A(): n2(2), n1(n2){} 是首先初始化 n1 的(用 n2 的值), 但是此时 n2 还没初始化, 所以最后 n1 的值是未定义的, n2 为 2

如果无法避免地有一些变量的初始化依赖另一些变量的初始化, 这些依赖其它的变量都放到构造函数的函数体中去初始化(良好习惯是尽量保持声明顺序与初始化顺序一致)

VS 的话, 找了下编译器文档
https://docs.microsoft.com/en-us/cpp/error-messages/compiler-warnings/compiler-warnings-by-compiler-version?view=vs-2017#warnings-introduced-in-visual-c-2017-version-153-compiler-version-1911255060

C5038 data member 'member1' will be initialized after data member 'member2'

compiler version 19.11.25506.0 才引入的这个警告耶

提示: 开启全部警告后, 不要 include 任何标准库或其它头文件来测试编译, 不然一堆警告, 很难找到你想看的警告