Mastering the C++17 STL Make full use of the standard library components in C++17

mastering regular expression

SMPTE 2086-2018标准全称为“Mastering Display Color Volume Metadata Supporting High Luminance and Wide Color Gamut Images”，其主要定义和规范了在高清及超高清内容制作中，如何对显示器的色彩体积进行编码和管理。为了深入理解该标准，我们需要从以下几个方面进行详细介绍。 SMPTE（美国电影电视工程师协会）是一个全球认可的标准开发组织，总部位于美国纽约州的White Plains，其成员遍布全球六大洲的80多个国家。SMPTE通过其技术委员会来准备工程文件，这些文件包括标准、推荐实践和工程指南。SMPTE与ISO、IEC和ITU等其他标准制定组织密切合作，制定的工程文件严格遵循SMPTE的标准操作手册。 SMPTE 2086-2018标准是2014年SMPTE 2086标准的修订版，修订版的目的在于更新和扩展对高亮度和宽色域图像的显示设备色彩体积元数据的支持。该标准提供了一套元数据集，用以描述和规范显示设备在显示高亮度和宽色域内容时需要遵循的色彩特性。这些特性对于确保图像在不同设备间的一致性和色彩准确性至关重要。 标准的前言部分提到，标准文档的创作工作由SMPTE的技术委员会10E负责。在标准发布时，SMPTE没有收到任何有关实施该工程文件所必需的专利权的通知，但是文档中可能包含某些部分属于专利权的范围，SMPTE并不负责识别这些专利权。 标准的介绍部分是完全提供信息性的，并不构成工程文件不可分割的部分。内容的制作过程开始于创意人才（导演/摄影师）的工作，他们在拍摄和制作过程中定义了图像的美学属性。随后，图像必须经过一系列后期制作处理，包括调色和色彩分级，最终转换为可交付给分发系统和显示系统的格式。SMPTE 2086-2018标准的目标就是为这一系列后期制作步骤提供色彩管理的规范。 标准中的主要内容包括： - 范围：定义标准的应用范围和目的。 - 符合性注释：规定如何评估符合该标准的程度。 - 规范性参考：列出该标准所依赖的其他相关标准。 - 术语和定义：对标准中使用到的专业术语进行解释。 - 元数据：说明了图像色彩管理所需的关键信息。 - 元数据集：构成图像色彩体积描述的一组参数。 - 数值范围：元数据中各个参数允许的值的范围。 - xy色度坐标：描述显示设备色彩再现的色度值。 - 显示原色：定义显示设备显示色彩时所用的基本色彩。 - 白点色度：指定了显示设备中白色点的具体色彩值。 - 最大显示主控亮度：指明显示设备能够达到的最大亮度。 - 最小显示主控亮度：指明显示设备能达到的最小亮度。 标准还包含了附件A和参考资料，其中参考资料部分提供有关如何处理超出规范值范围的使用情况。这些内容对于理解如何在实际环境中应用这些元数据来达到正确的色彩再现至关重要。 SMPTE 2086-2018标准为数字电影和电视行业提供了一个框架，用于确保在高动态范围（HDR）和宽色域内容制作中色彩的准确传递和重现。通过详细规范显示设备的色彩特性，该标准为制作高质量视觉内容提供了一个参考基础，有助于在整个行业内实现色彩的一致性和可靠性。

The C++ language has a long history, dating back to the 1980s. Recently it has undergone a renaissance, with major new features being intro duced in 2011 and 2014. At press time, the C++17 standard is just around the corner. C++11 practically doubled the size of the standard library, adding such headers as , , and . C++17 doubles the library again, with additions such as , , and . A programmer who’s been spending time writing code instead of watching the standardization process might fairly feel that the standard library has gotten away fromhim--that there’s so many new things in the library that he'll never be able to master the whole thing, or even to sort the wheat fromthe chaff. After all, who wants to spend a month reading technical documentation on std::locale and std::ratio , just to find out that they aren't useful in your daily work? In this book, I'll teach you the most important features of the C++17 standard library. In the interest of brevity, I omit some parts, such as the aforementioned ; but we'll cover the entire modern STL (every standard container and every standard algorithm), plus such imp ortant topics as smart pointers, randomnumbers, regular expressions, and the new-in-C++17 library. I'll teach by example. You'll learn to build your own iterator type; your own memory allocator using std::pmr::memory_resource ; your own thread pool using std::future . I'll teach concepts beyond what you'd find in a reference manual. You'll learn the difference between monomorphic, polymorphic, and generic algorithms (Chapter 1 , Classical Polymorphism and Generic Programming ); what it means for std::string or std::any to be termed a "vocabulary type"(Chapter 5 , Vocabulary Types ); and what we might expect fromfuture C++ standards in 2020 and beyond. I assume that you are already reasonably familiar with the core language of C++11; for example, that you already understand how to write class and function templates, the difference between lvalue and rvalue references, and so on.

（2）语言设计的捷径 我偶尔到 HDL 语言论坛去看看，看到很多人对语言的学习感到困难，其实语言的学习并不困难， 其捷径是什么，答案：先用原理图设计，尤其是一些基本的逻辑功能单元。分频计数，开关，串并、 并串等等。从某种角度来说语言的本质是原理图设计，如果您脑袋里想的原理图，手指在键盘上敲 出来的是语言，你可以不用担心代码可综合性。其实我学习语言是今两年的事情，我只看两三天 Verilog 语言语法，然后看看基本逻辑单元的表示方法和例子，就可以用 Verilog 进行设计了，当然会 在设计过程中碰到一些语法表示的困难，翻翻书就可以了。 当然，不是语言不重要，功能的实现也需要语言准确的表达，例如 case 语句如何避免 LATCH。 （3）有关仿真 我曾经有一个做 FPGA 的同事，每当设计完一个功能模块，就看到用 MODELSIM 仿真好几天， 一个设计下来，仿真耗用他很多时间，为什么会这样，原因有两个：基本原因是:功能架构或者说思 路没有想好，在那里凑，第二个原因是因为写代码的时候他脑袋里没有形成时序图。如果这两方面 都想好，仿真的工作量会大大减少的。 在设计和仿真过程时，多想一想被处理的与其他信号的时序关系，这对你的设计能力大有益处。 我刚开始 FPGA 设计时，一个简单的计数器都要仿真半天，别说一个功能模块了，那个阶段设 计是靠仿真才能设计出来的（汗，数字电路没有学好）。但随着设计的增多，水平的提高，仿真用的 时间越来越少了，为什么？因为当你的脑袋里有时序图时，仿真回归了它真正的本意，只不过验证 你（脑袋里的时序）设计是否正确的一个工具。

本书《科学与工程中的洞察力艺术：掌握复杂性》由Sanjoy Mahajan撰写，由麻省理工学院出版社出版。该书探讨了如何组织和处理复杂性问题，分别从组织复杂性和丢弃复杂性两个方面进行了深入探讨。本书提出了一系列实用的工具和方法，旨在帮助读者学会如何高效地解决科学和工程中的复杂问题。 在组织复杂性的方面，书中强调了“分而治之”和“抽象化”的重要性。分而治之是一种有效的策略，通过将大问题分解为小问题，分别解决，再将解决方案综合起来，以达到解决整体问题的目的。抽象化则是通过忽略一些不影响核心问题解决的细节，使问题更简化，更易于理解。这两种方法是处理复杂问题的基本手段，也是科学研究和工程实践中的常用技巧。 丢弃复杂性则分为两种途径：无信息丢失的简化和有信息丢失的简化。无信息丢失的简化方法通常包括对称性和守恒原理，这些原理在物理学等自然科学领域中具有广泛应用。通过利用对称性，可以在不丢失信息的前提下对问题进行简化处理。守恒原理则涉及保持某些量不变，从而简化问题的求解过程。 有信息丢失的简化方法更加大胆，涉及一些假设的引入和概率推理。在实际操作中，为了简化计算，我们常常需要引入一些合理的假设，这样在一定情况下可能会忽略掉一些信息。同时，概率推理在处理不确定性问题时尤为重要，尤其是在统计物理学和估计理论中，它能够帮助我们做出更加合理的判断。 书中还提到了其他几种简化复杂性的方法，如维度分析、合并同类项（lumping）、简单案例法和弹簧模型法。维度分析是一种通过减少问题的独立变量数量来简化问题的方法。合并同类项是指将一些相似的项或元素合并成一个更广泛、更具代表性的类别，从而减少问题的复杂度。简单案例法则是通过分析最简单或最典型的情况来寻找解决问题的线索。弹簧模型法则通常用在工程力学中，通过对理想化的弹簧模型进行分析，来理解复杂力学系统的行为。 Sanjoy Mahajan在书中还提出了一些具有启发性的思考方式和学习方法，以帮助读者培养解决复杂问题的能力。例如，他强调了进行快速估算的重要性，即“背面记事本上的价值观”，通过这种快速的心算方法，可以迅速把握问题的核心。此外，作者通过分享个人经历和向学生及老师致敬，强调了好奇心和持续学习的重要性。 整本书不仅介绍了具体的方法和技巧，还提供了一种如何思考和面对复杂问题的思维方式。Mahajan博士希望读者能够学习到如何不畏惧面对复杂性，而是能够勇敢地去攻击任何问题，并至少能够对问题的原因有一个基本的理解。这样的能力对于从事科学研究和工程实践的专业人士来说是十分重要的。 从计算机科学的角度来看，这些方法也具有实际应用价值。例如，在软件开发中，分而治之可以对应模块化和组件化的设计思想；在算法设计中，抽象化则可以体现为对问题的抽象建模；在系统优化时，合并同类项可以用于简化系统模型，便于分析和优化；而在面对不确定性时，概率推理则可以在容错设计和风险管理中发挥重要作用。 本书为我们提供了一系列处理复杂问题的工具和方法，这些方法在科学和工程领域有着广泛的应用，对于提高我们解决复杂问题的能力有着重要的指导作用。通过学习和应用这些方法，我们可以更好地掌握复杂性，不仅是在科学和工程领域，更是在日常的学习、工作和生活中。

Mastering Python Scientific Computing By Hemant Kumar Mehta 2015 | 300 Pages A complete guide for Python programmers to master scientific computing using Python APIs and tools If you are a Python programmer and want to get your hands on scientific computing, this book is for you. The book expects you to have had exposure to various concepts of Python programming. In today's world, along with theoretical and experimental work, scientific computing has become an important part of scientific disciplines. Numerical calculations, simulations and computer modeling in this day and age form the vast majority of both experimental and theoretical papers. In the scientific method, replication and reproducibility are two important contributing factors. A complete and concrete scientific result should be reproducible and replicable. Python is suitable for scientific computing. A large community of users, plenty of help and documentation, a large collection of scientific libraries and environments, great performance, and good support makes Python a great choice for scientific computing. At present Python is among the top choices for developing scientific workflow and the book targets existing Python developers to master this domain using Python. The main things to learn in the book are the concept of scientific workflow, managing scientific workflow data and performing computation on this data using Python.

Mastering Python for Bioinformatics_

本书对于嵌入式Linux系统所涉及的四大元素：工具链、引导加载程序、内核和根文件系统有了更全面的了解。Linux发展到今天，所涉及的知识体系太大，基本上每个主题都可以单独出本书（内核、文件系统、网络、驱动开发、系统监控等等），这本书主要是针对嵌入式Linux移植，所以对于驱动开发、内核实现以及各种编译框架并未进行深入的解析，有需要的可以阅读其他书籍（文章末尾推荐一些其他书籍）。目前本书仅有英文版，暂时没有中文版。

使用scikit-learn掌握机器学习-第二版 这是发行的的代码库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 本书探讨了各种机器学习模型，包括k最近邻，逻辑回归，朴素贝叶斯，k均值，决策树和人工神经网络。 它讨论了数据预处理，超参数优化和集成方法。 您将建立对文档进行分类，识别图像，检测广告等的系统。 您将学习使用scikit-learn的API从分类变量，文本和图像中提取功能； 评估模型性能； 并就如何改善模型的性能形成直觉。 说明和导航 所有代码都组织在文件夹中。 每个文件夹均以数字开头，后跟应用程序名称。 例如，Chapter02。 该代码将如下所示： Code words in text, database table names, folder names, filenames, file extensions, pathnames, dummy U