1.从零开始构建向量数据库：Milvus 的源码源码编译安装（一）
2.如何评价国产软件truffer(可替代matlab)?
3.matlab中load sip什么意思
4.Visual Studio配置C++中Armadillo矩阵库的方法
5.[Chem RISC-V] 在全志 D1 上玩 xTB

从零开始构建向量数据库：Milvus 的源码编译安装（一）

       在知乎上新开了关于“向量数据库”内容的专栏[1]，本文将详细介绍如何在x和ARM架构的源码Linux系统上编译安装开源项目Milvus，这个项目由Linux Foundation AI & Data基金会支持，源码常与Weaviate和Elasticsearch相提并论[2][3]。源码

       由于Milvus主要在GitHub进行开发，源码中文网络中关于编译安装的源码安卓无线点餐系统源码教程很少，且大多是源码过时的1.x版本资料，而Milvus的源码版本迭代迅速，目前主要提供Docker容器安装，源码本地开发者或追求透明度的源码开发者可能会觉得不够友好。本文将从头开始，源码逐步引导你进行编译安装。源码

       前置准备

       在开始前，源码需要确保操作系统、源码开发环境和必要的源码依赖已经准备妥当。Linux作为主力生产环境，本文将重点介绍在Ubuntu上编译。macOS和Windows上的步骤类似，但这里主要针对Linux。

       操作系统

       推荐使用Ubuntu，完美电竞源码无论是服务器、容器基础镜像，还是个人笔记本。具体配置和安装细节可以参考我在其他文章中介绍的《笔记本上搭建Linux学习环境》[6]。

       开发环境

       Milvus主要使用Golang编写，同时包含C++代码。确保Golang和C++环境可用，参考《搭建Golang开发环境》[8]，并注意Milvus官方推荐的版本。

       源码获取

       获取Milvus源码有两种方式：Git Clone或下载压缩包，其中Git Clone可能需要借助国内镜像加速。具体步骤包括设置代码仓库的上游，确保代码同步。

       编译基础依赖

       项目依赖OpenBLAS加速向量计算，详细安装步骤在《走进向量计算：OpenBLAS编译》[]中有详述。

       准备构建依赖：cmake

       确保cmake版本至少为3.，Ubuntu .需手动安装，而Ubuntu .可直接使用apt。不同版本可能有差异，app应用源码专卖注意官方文档推荐的版本。

       额外依赖：clang-format和clang-tidy

       项目代码中需要clang-format和clang-tidy，Ubuntu .和.的安装方式各有不同，务必安装正确版本以保持和官方构建一致。

       编译 Milvus

       切换到 Milvus 代码目录，执行make命令编译。整个过程可能耗时，但完成后将在./bin/目录下找到可执行文件。

       总结

       本文详细介绍了在Ubuntu .和.环境中编译安装Milvus的步骤，包括操作系统、开发环境和依赖的安装。后续文章将深入探讨容器镜像构建优化以及在MacOS上的安装指南。

       期待你的反馈，如果觉得有用，请点赞和分享。如有任何问题或需要更新，请关注后续内容更新，感谢支持！

如何评价国产软件truffer(可替代matlab)?可可文档文库源码

       讨论围绕国产软件 Truffer 进行，Truffer 是一家声称能替代 MATLAB 的公司，以下内容详细记录了这一讨论的脉络。

       在讨论中，有人对 Truffer 的能力表示质疑，指出其产品存在明显问题，例如无法实现矩阵运算的基本功能，效率低下，以及在实现复杂算法如 SVD 分解、QR 分解时存在不足。还有人指出 Truffer 的源代码文件数量较少，内容简单，无法与成熟的科学计算库如 NumPy、Matlab、Octave 或 Tensorflow 相比。

       对于 Truffer 是否抄袭或套用其他开源库的质疑，一些人表示了不同意见，指出 Truffer 的源代码中并未发现相关痕迹，且代码量有限，表明其可能是奶粉朔源码图片由 Truffer 自行开发。但也有人坚持认为，虽然目前证据不足以定论，但存在抄袭的可能性，需进一步调查。

       讨论中有人提出，Truffer 在实现复杂功能时，如复数矩阵运算、FFT（快速傅立叶变换）等，表现并不出色，甚至在算法选择上存在低效的做法。还有人建议 Truffer 可以考虑调用开源高性能计算库如 OpenBLAS，以提高计算效率。

       对于 Truffer 的未来，有人持谨慎态度，认为其目前的开发水平还远不足以取代 MATLAB，且在实现复杂科学计算任务时存在明显不足。有人提出，Truffer 应该脚踏实地，专注于基础功能的完善，避免过早地进行不切实际的宣传。

       整体而言，讨论围绕 Truffer 的能力、开发水平、未来前景以及是否存在抄袭行为进行了深入探讨。尽管存在一些疑虑和批评，但讨论也强调了对原创性和技术创新的支持，以及对国产软件发展应持鼓励和客观态度的重要性。

matlab中load sip什么意思

       将openblas.dll所在路径加入PATH环境变量中或者复制到armademo.exe所在目录，运行armademo.exe，程序就可以正常运行了。

       如果注释掉源代码中调用det和inv的代码，则此时可以不使用本地线性代数库，对应的构建命令为：

       g++ -g -I${ ARMAROOT} example1.cpp -o armademo.exe

Visual Studio配置C++中Armadillo矩阵库的方法

       在Visual Studio中配置C++环境下的Armadillo矩阵库的步骤如下：

       首先，访问Armadillo官网 (arma.sourceforge.net)，下载最新源代码。点击下载链接后，库的源代码将自动下载。

       在Visual Studio中，新建一个空项目，设置项目名称和存储位置，建议选择易于访问的文件夹。然后，将下载的Armadillo源代码解压到项目文件夹中。

       打开Visual Studio，进入“生成”->“配置管理器”，确保配置为x，且Debug模式已选中。接着，右键项目选择“属性”，在“VC++”栏中，分别添加包含目录和库目录，指向Armadillo的include和lib_win\examples文件夹。

       如果“C/C++”一栏未显示，可以通过编写代码并运行来使其出现。在“附加包含目录”和“附加库目录”中，分别添加包含和库路径。

       在“链接器”中，添加“附加依赖项”：libopenblas.lib。生成解决方案后，将libopenblas.lib文件复制到项目目录的x\Debug文件夹。

       将Armadillo库的example1.cpp中的示例代码复制到项目源文件，运行代码。如果遇到找不到libopenblas.dll的问题，需确保该库文件已复制到正确位置。

       如果调试控制台显示正常信息，恭喜你，Armadillo矩阵库已成功配置在Visual Studio中。至此，配置完成。

[Chem RISC-V] 在全志 D1 上玩 xTB

       在计算化学领域，xTB是Grimme课题组开发的一款紧结合子半经验量化软件，其性能在半经验模型领域中处于领先地位。本文以Mango Pi MQ-Pro开发板搭载的全志D1处理器为例，详细介绍了如何将xTB软件移植至RISC-V架构上，并进行安装与测试。

       在移植过程中，考虑到全志D1处理器的特性，选择使用GNU编译器代替Intel编译器。关于数学库的选择，Ubuntu ..2 LTS riscv版本通过apt安装的OpenBLAS无法在全志D1上正常使用，故选择Netlib的BLAS库作为备选方案。

       为确保移植成功，作者从GitHub上获取了xTB软件最新版本6.5.1，并进行编译。值得注意的是，由于xTB不能安装在源码目录下，因此需要对源码目录进行重命名，并设置安装目录为xtb-6.5.1。经过长时间的编译过程，最终软件成功安装。

       为了验证移植的可行性，本文以苯的结构优化与频率计算为例，展示了一段实际操作流程。结果显示，软件运行稳定，测试全部通过。

       通过上述介绍，可以发现xTB软件在全志D1处理器上移植与运行是可行的。尽管移植过程中存在一些技术挑战，如数学库的兼容性问题，但在使用Netlib的BLAS库作为解决方案后，这些问题得到了妥善解决。未来，随着RISC-V架构的普及与发展，相信会有更多计算化学软件能够成功移植至RISC-V平台，为相关领域带来更高效、更具竞争力的计算解决方案。