Singularity-blog

前言：平时在做项目时常常需要写大量的注释，来帮助其他人理解自己的代码结构，笔者就常常出现写注释时间和码代码时间对半开的情况，这里分享一下VScode里的模板功能

首先感受一下使用模板有多方便：

这么多的注释格式都是模板一键生成的🌌不要太爽！

前言：身为脚本语言的Python受到万千AI开发者的青睐，而C和C++以优秀的执行效率收到嵌入式工程师和游戏开发者的热爱，将两者结合就将更加无敌了呢🚀

本文主要分享将C++函数导出为Python扩展模块，供python调用，以同时具有py的便利性和C艹的高效性

DEMO

首先，可以想到最基础的文件至少有3个：

• C++目标函数源文件
• Python主程序脚本文件
• 编译链接文件

首先来看看高效的C++源文件吧

childModule.cpp

先直接贴上代码😜别跑！说明就跟在后面

这是一篇笔者的《信息论与编码》课内学习笔记，最近刚考完信息论，分享下自己的笔记吧😀希望能出个好成绩

个人感觉这门课最有用的就是香农三大定理了，尤其是香农公式给出了信噪比和带宽的需求关系

离散单符号信源

基础概率表示

• 无条件概率（先验概率）
  $$
  p(a_i)
  $$
• 条件概率(后验概率)
  $$
  p(a_i/b_j)
  $$
• 联合概率
  $$
  p(a_ib_j)=p(b_j)p(a_i/b_j)=p(a_i)p(b_j/a_i)
  $$

  信息量

• 概率的降函数
• 度量
  $$
  自信息量I(x_i)=\log \frac 1{p(x_i)} = -\log p(x_i) \\
  联合自信息量 I(a_ib_j)=-\log_2p(a_ib_j) \\
  条件自信息量 I(a_i/b_j)=-\log_2p(a_i/b_j) \\
  互信息量I(x_i;y_i) = \log_2 \frac {p(x_i|y_i)} {p(x_i)}= I(x_i)-I(x_i/y_i) \\
  条件互信息量 I(a_i;b_j/c_k)=\log _2\frac {p(a_i/b_jc_k)}{p(a_i/c_k)}
  $$
  • bit：2底
  • nat：e底
  • hart：10底
• 互信息量性质
  • 互易性
    $$
    I(a_i;b_j) = I(b_j;a_i)
    $$
  • 统计独立时，互信息量为0
  • 只有互信息量可为负,此时表示信道受到干扰或者错误
• 联合互信息量
  $$
  I(a_i;b_jc_k)=I(a_i;c_k)+I(a_i;b_j|c_k)
  $$