最新

在开始之前，我想先澄清一些问题。 **强制性声明**：为了证明这不是另一个“LLM（大型语言模型）胡乱拼凑”的项目，我曾为SciPy做过类似的工作，并手动翻译了ARPACK、PROPACK、QUADPACK、ODEPACK以及其他一系列库（完整列表请见<a href="https://github.com/scipy/scipy/issues/18566" rel="nofollow">https://github.com/scipy/scipy/issues/18566</a>，约85K源代码行），那时LLM在这类工作上表现并不好。大部分翻译已经在之前的SciPy版本中发布，所以我希望这能为F77到C11的翻译工作提供一些可信度。现在LLM稍微有所改善，在LAPACK翻译中，我使用Claude Code作为某些任务的助手。公告结束。 -------- 现在我们回到正常的编程。 这是一个将著名的Fortran77线性代数库LAPACK翻译成C11的项目。如果您无法承受或不想依赖Fortran，这个项目可能会对您有所帮助。它仅使用CBLAS接口，以避免影响其他供应商的符号命名混乱（是否大写，是否有尾部下划线等）。有点争议的是，翻译采用的是从0开始的索引，除了错误代码。遗憾的是，`info = 0`表示成功，因此我们对此无能为力。 当前的测试覆盖率：LAPACK自己的测试套件（450K参数化测试也映射到C），NumPy测试套件和SciPy测试套件均通过。至少在最常见的算法中是可靠的。对于覆盖较少的算法，仍可能存在错误，因此我暂时将其标记为alpha版本。但如果您发现任何问题，请在仓库中提交问题。 此外，这使得在您的机器上或任何需要启用架构优化的地方编译OpenBLAS和LAPACK变得更加容易，并且生成的二进制文件更为精简。 如果您还想要一个即插即用的替代方案，提供了一个Fortran适配层，可以将包装器转换为1索引（这就是我测试NumPy/SciPy的方式），但会有一些性能损失。 如果您不喜欢默认的符号命名，您还可以根据自己的喜好添加前缀和后缀进行命名混淆。ILP64也得到了支持，如果您尝试与ILP64 CBLAS链接，它会在意外链接时发出警告，或者如果您提供标志，则会为您处理相关问题。 Netlib上的Doxygen文档版本总让我感到不适，因此我尝试了自己的版本。可以在这里找到：<a href="https://ilayn.github.io/semicolon-lapack/" rel="nofollow">https://ilayn.github.io/semicolon-lapack/</a> 我特别想看到的一个细节是同时查看所有四种变体；现在它们被分组如下：<a href="https://ilayn.github.io/semicolon-lapack/api/linear-systems/symmetric-indefinite/sytrf.html" rel="nofollow">https://ilayn.github.io/semicolon-lapack/api/linear-systems/...</a>如果我做得不够好，请告诉我，我仍在探索细节。默认字体，例如，确实需要一些改进。 为了防止无益的讨论，我想提几点： - Fortran没有错。如果您喜欢它，就继续使用。我个人不太喜欢，虽然我非常喜欢Fortran77那个时代的版本，但对所谓的现代版本就没那么感冒。 - 这项工作与Fortran无关。它旨在服务于仅使用C工具链且不希望出现跨语言问题的特定受众。 - 这项工作希望吸引更多人来优化C代码，以实现共同利益。 文档中提供了更多的理由。 欢迎所有反馈和批评。

我第一次在Chrome上看到这个，决定在Safari中测试一下。结果非常相似。<p>我还将其与Facebook进行了比较，经过5分钟的故意滚动，最多消耗了650 MB，平均约为400 MB。<p>有没有网页开发者能解释一下LinkedIn和Facebook之间巨大的差异？看起来两者在信息流中的视觉信息量几乎相同，但LinkedIn的内存占用却高出5到7倍。<p>我查了一下，Facebook使用React和虚拟DOM，而LinkedIn使用Ember（我之前从未听说过这个）。难道只是因为Facebook在不再需要JavaScript对象时更有效地动态清除它们吗？

市面上有很多Artemis II的追踪器。我查看了很多，发现总是遇到相同的问题——有些数据看起来不太正确，使用起来在小屏幕上很困难，其他的则感觉过于复杂，而我实际上只想知道：船员在做什么，猎户座的位置在哪里，速度有多快。我找到的最好的一个是issinfo.net/artemis，这个设计给了我很多灵感。 于是我自己做了一个。我真正感兴趣的部分是数据。结果发现，任何人都可以免费查询JPL的Horizons API，获取猎户座飞船的完整历书数据——位置、速度、距离。我之前根本不知道这个功能的存在。 更棒的是：NASA的深空网络发布了一个实时XML数据流（eyes.nasa.gov/dsn/data/dsn.xml），每5秒更新一次，显示哪些地面天线正在与哪些飞船通信。目前，堪培拉的两个天线正对准猎户座——一个发送指令，两个都在接收296,000公里外的6 Mbps S波段遥测数据。你可以在同一个数据流中看到木星的朱诺号、詹姆斯·韦伯太空望远镜和火星奥德赛号。开放的数据真是令人惊叹。 这个应用程序从Horizons获取轨迹，从NASA发布的飞行计划中获取船员活动信息，并从深空网络获取实时地面站状态。老实说，它主要是以一种随意的方式编码的，带有一定的监督。数据管道的部分则更为手动：弄清楚哪些数据是公开的，如何从原始向量计算相对位置，如何缓存和回填。这部分是最有趣的。 代码在GitHub上是开放的。我是为自己做的，也是作为一个有趣的练习，但很乐意接受任何反馈——特别是关于数据准确性和我可能遗漏的其他公共数据源。 来源： [https://github.com/dmarchuk/artemis.fyi](https://github.com/dmarchuk/artemis.fyi)