High Altitude Oolong

2022/4/22

static build memteste

ref:

ARM linux下memtester交叉编译

就是去memter download source tarball。解開。
然後修改 conf-ld，加上 -static
然後 make 就可以。

因為是在 pi 上 build，所以可以不用cross-build.

2022/4/21

mosquitto: about topics and config

ref:

大概比較重要的...

系統($SYS) topics 可以直接 subscribe。
在會把 $VAR 認作系統變數的 shell 李，要subcribe 的話。就加上 '\'

wild-card 有兩種： +, #
+ 只是 match 一個階層 (兩個 / 之間)
# 可以 match 多階層。

所以 # 一定要是 topic 的最後。

--- persistant message

一般 message 都是送出後就立刻轉給 subcriber，如果沒有 subscriber 就丟掉。
但是有一種 message 叫 persistant (retained) message。
送出後，mosquitto 會保存在database 中，一旦有人 subcribe，他就會把最新的內容送給他。
同一個 topic，區分為 retained 跟 not retained，如果新 message 不是 retained，不會覆蓋掉 retained message，只是剛好有 subscribe 的會收到 not retained message。

送一個空的 ("") retained message 就可以清掉這個 retained message。

/etc/mosquitto/mosquitto.conf 裡面很簡單，但是有說 example 在 /usr/share/doc/mosquitto/example/mosquitto.conf

大概安裝完，只有對 local (127.0.0.1) 操作。
如果要對外，要加上兩個 options:

listener 1883 0.0.0.0
allow_anonymous true

2022/4/18

memo : fread return value

fread 的 return value 是讀了多少進來。
但是常常會 "一直return 0"。

每次都要再 check 一下 function 宣告：

    #include <stdio.h>
    size_t fread(void *buffer, size_t size, size_t count, FILE *stream);

那個中間的兩個：size, count 如果相反的話，就會一直 return 0 ，即使有正確讀到資料也一樣。
所以一般都是...這樣:

    char buf[8];
    size_t ret = fread(buf, sizeof(*buf), sizeof(buf)/sizeof(*buf), stdin);
    printf("read %zu bytes\n", ret*sizeof(*buf));

2022/4/14

ref:

Linux Available Memory

開機的 message:

Memory: 192820K/1046528K available (5182K kernel code, 490K rwdata, 1464K rodata, 320K init, 225K bss, 26316K reserved, 827392K cma-reserved)

是在 mm/page_alloc.c:

void __init mem_init_print_info(const char *str)
{
 ..
 ..
         pr_info("Memory: %luK/%luK available (%luK kernel code, %luK rwdata, %luK rodata, %luK init, %luK bss, %luK reserved, %luK cma-reserved"
#ifdef  CONFIG_HIGHMEM
                ", %luK highmem"
#endif
                "%s%s)\n",
                nr_free_pages() << (PAGE_SHIFT - 10),
                physpages << (PAGE_SHIFT - 10),
                codesize >> 10, datasize >> 10, rosize >> 10,
                (init_data_size + init_code_size) >> 10, bss_size >> 10,
                (physpages - totalram_pages() - totalcma_pages) << (PAGE_SHIFT - 10),
                totalcma_pages << (PAGE_SHIFT - 10),
#ifdef  CONFIG_HIGHMEM
                totalhigh_pages() << (PAGE_SHIFT - 10),
#endif
                str ? ", " : "", str ? str : "");

2022/4/7

build static ps from source

git clone https://gitlab.com/procps-ng/procps.git
git chekcout v4.0.0

gettext,libncurses-dev,autopoint,libtool

./autogen.sh
./configure --disable-shared LDFLAGS=--static
make

2022/3/22

Bookmark : online gdb

onlinegdb

有趣的網站，線上各種語言的ide，但是可以進入 debug mode。
下面會出現 gdb 的 command prompt。
所以可以用來 test 小 code，語法。
也可以用來學習 gdb command

2022/3/21

Test Yolact

紀錄一下步驟，ref:

只是要test 一下 infer。

所以 create 一個 env，並且依照 ref:1 的說明安裝yolact 需要的 packages:

conda create --name yolact-3.7.9 python=3.7.9
conda activate yolact-3.7.9
pip install cypthon opencv-python pillow pycocotools matplotlib

然後 clone yolact project source:

git clone https://github.com/dbolya/yolact.git

然後download trained 好的 weights，在yolact 的 Evaluation 有download link。
選 yolact_resnet50_54_800000.pth
mkdir weights 並且 copy .pth 進去。

另外，安裝 pytorch，參考 ref:2

nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Wed_Oct_23_19:24:38_PDT_2019
Cuda compilation tools, release 10.2, V10.2.89

是 10.2，所以我要用 10.2

conda install pytorch torchvision cudatoolkit=10.2 -c pytorch

裝完測試一下：

python
>>import torch
>> torch.cuda.is_available()
True

OK. test infer:

python eval.py --trained_model=weights/yolact_resnet50_54_800000.pth --image=../test.jpg

source 的 save/load 只有做 weight 的部份。
所以要save model and weight 要自己改。
yolact.py : torch.save( )