最近在学习李沐老师的深度学习的课程，在安装d2l时，pipinstalld2l==0.17.6遇到了问题：ERROR:Couldnotbuildwheelsforpandas,whichisrequiredtoinstallpyproject.toml-basedprojects由于我忘记截错误的图了，在论坛里找了别人的错误截图贴过来：网上找了好多办法，有说3.10降到3.9，有说conda删掉d2l重装的，有说网上下载pandas编译好的wheel直接替换的。尝试了都无法解决。不过最后一个方法给了我灵感，既然pip是下载到本地后进行编译，那我应该可以下载编译好的产物或者源文件，直接安装？我查
最近在学习李沐老师的深度学习的课程，在安装d2l时，pipinstalld2l==0.17.6遇到了问题：ERROR:Couldnotbuildwheelsforpandas,whichisrequiredtoinstallpyproject.toml-basedprojects由于我忘记截错误的图了，在论坛里找了别人的错误截图贴过来：网上找了好多办法，有说3.10降到3.9，有说conda删掉d2l重装的，有说网上下载pandas编译好的wheel直接替换的。尝试了都无法解决。不过最后一个方法给了我灵感，既然pip是下载到本地后进行编译，那我应该可以下载编译好的产物或者源文件，直接安装？我查
Project2最后一篇，讲解B+树并发控制的实现。说实话一开始博主以为这块内容不会很难（毕竟有Project1一把大锁摆烂秒过的历史x），但实现起来才发现不用一把大锁真的极其痛苦，折腾了一周多才弄完。本文分基础版算法和改进版算法两部分，基础版算法部分我就只讲实现的一些要素，改进版算法再放重要代码，避免两个版本的代码引起混乱。由于加了并发控制后代码改变的位置比较多，我这里贴的截图不能覆盖到所有，如果需要源码可以评论区或私信联系。开始之前先推荐知乎上的两篇文章，写得都非常好，而且有带图的例子方便理解。CMU15445-2022P2B+TreeConcurrentControl做个数据库：2022
Project2最后一篇，讲解B+树并发控制的实现。说实话一开始博主以为这块内容不会很难（毕竟有Project1一把大锁摆烂秒过的历史x），但实现起来才发现不用一把大锁真的极其痛苦，折腾了一周多才弄完。本文分基础版算法和改进版算法两部分，基础版算法部分我就只讲实现的一些要素，改进版算法再放重要代码，避免两个版本的代码引起混乱。由于加了并发控制后代码改变的位置比较多，我这里贴的截图不能覆盖到所有，如果需要源码可以评论区或私信联系。开始之前先推荐知乎上的两篇文章，写得都非常好，而且有带图的例子方便理解。CMU15445-2022P2B+TreeConcurrentControl做个数据库：2022
MatrixBreakout:2Morpheus靶机信息名称：Matrix-Breakout:2Morpheus地址：https://www.vulnhub.com/entry/matrix-breakout-2-morpheus,757/虽然作者提示该靶机最好是在VirtualBox部署，但是经过测试，本靶机在VirtualBox无法启动，更适合导入到Vmware中。识别目标主机IP地址(kali㉿kali)-[~/Desktop/Vulnhub/Matrix_breakout]└─$sudonetdiscover-ieth1-r10.1.1.0/24Currentlyscanning:Fi
MatrixBreakout:2Morpheus靶机信息名称：Matrix-Breakout:2Morpheus地址：https://www.vulnhub.com/entry/matrix-breakout-2-morpheus,757/虽然作者提示该靶机最好是在VirtualBox部署，但是经过测试，本靶机在VirtualBox无法启动，更适合导入到Vmware中。识别目标主机IP地址(kali㉿kali)-[~/Desktop/Vulnhub/Matrix_breakout]└─$sudonetdiscover-ieth1-r10.1.1.0/24Currentlyscanning:Fi
向量b在多维子空间上的投影回顾：任意向量b在另一个向量上（直线上）的投影在研究向量在子空间上的投影前，先回顾一下前面学习的一个任意向量b在另一个向量a上的投影，共三个部分。1，求权重系数（Aconstant）基于投影即分量的理论，一个向量b在另一个向量a上的投影p，是b在a方向上的分量。投影p与向量a的方向相同，但大小不同，而这个大小就是b在p（a）上分量的多少。因为，我们最先研究的是如何计算出向量a所乘的常数项权重系数。（这里我觉得叫英文中的scale也很贴切）2,p(Avector)有了前面的常数项系数/权重系数，我们就可以求出向量b在向量a上的投影p，其中a已知。3,P(Amatrix)
向量b在多维子空间上的投影回顾：任意向量b在另一个向量上（直线上）的投影在研究向量在子空间上的投影前，先回顾一下前面学习的一个任意向量b在另一个向量a上的投影，共三个部分。1，求权重系数（Aconstant）基于投影即分量的理论，一个向量b在另一个向量a上的投影p，是b在a方向上的分量。投影p与向量a的方向相同，但大小不同，而这个大小就是b在p（a）上分量的多少。因为，我们最先研究的是如何计算出向量a所乘的常数项权重系数。（这里我觉得叫英文中的scale也很贴切）2,p(Avector)有了前面的常数项系数/权重系数，我们就可以求出向量b在向量a上的投影p，其中a已知。3,P(Amatrix)
目录1.功能2.架构2.1.imperfect_soc_block_top2.2.ahb_bus_matrix_3x32.3.sram0与sram12.4.ahb2apb_bridge2.5.usart2.6.spi2.7.timer3.逻辑设计3.1.imperfect_soc_block_top3.2.ahb_bus_matrix_3x33.3.sramahb2sramsram3.4.ahb2apb_bridge3.5.usart3.6.spi3.7.timer4.测试这次基于AHB与APB的协议，设计一个片内各组件互联的架构笔记：soc最小系统（软硬件协同仿真）–插桩&hello笔记：F
目录1.功能2.架构2.1.imperfect_soc_block_top2.2.ahb_bus_matrix_3x32.3.sram0与sram12.4.ahb2apb_bridge2.5.usart2.6.spi2.7.timer3.逻辑设计3.1.imperfect_soc_block_top3.2.ahb_bus_matrix_3x33.3.sramahb2sramsram3.4.ahb2apb_bridge3.5.usart3.6.spi3.7.timer4.测试这次基于AHB与APB的协议，设计一个片内各组件互联的架构笔记：soc最小系统（软硬件协同仿真）–插桩&hello笔记：F
