汇总整理一下本人入门 LaTeX 过程中的参考资料。从零开始上手到导出第一份漂亮的课程作业，只要四小时速成，快来加入！ 安装 本人使用的是 TeXlive+TeXstuido 的配置，参考的教程是这篇 LaTeX 零基础入门教程。 选择在清华镜像站中下载 texlive，安装过程相当漫长，大约耗时一小时。 https://mirrors.tuna.tsinghua.edu.cn/CTAN/systems/texlive/Images/ 然后去官网下载 TeXstudio 安装包，照着教程中文化。 http://texstudio.sourceforge.net/ 于是配置完环境，试一下“Hello, world!”吧，F5编译生成 PDF。 documentclass{article} % 这里是导言区 \begin{document} Hello, world! \end{document} 基础 关于 LaTeX 的基础知识，推荐这一篇：一份其实很短的 LaTeX 入门文档，来自曾经的 CTeX 论坛版主。 模板 作为 SEU 学子，强烈推荐这个东大模板，不出意外的话一键编译成功，在此基础上修修补补，或许就算速成 LaTeX 了。 SEU seuthesis, https://github.com/seucs/seuthesis 模板提供的 help 文件非常详细，在使用时可以对照模板根目录的.cfg、.cls文件，用中文反向检索定位，然后修改成自己想要的格式。 这个模板最后更新于 2012 年 4 月，还在使用 CJK 来处理中文，据说是一种非常老旧的方式，当然使用起来暂时还没有问题。 此外，使用模板的时候可能会出现目录红框的问题，可以参考：LaTex 解决目录红框 相关工具 Overleaf，在线版 LaTeX 编辑器 https://cn.overleaf.com/ LaTeX 工作室（模板、教程） https://www.latexstudio.net/ 来自妈咪叔的在线 LaTeX 公式编辑器，实时渲染导出各种图片格式 https://www.latexlive.com/ 技巧 最后收集一些零零碎碎的技巧，也方便自己不记得某个宏包有什么用的时候回来找找👻。...

一杯茶一包烟，一个环境配一天 某天上网冲浪的时候，看到一种说法 TensorFlow1.14 对新版本的兼容性会更好，于是在大作业之前手贱升级了一下，结果发现再也不能调用 GPU 运算了，接着就有了这篇踩坑记录。 原环境： Win10 1909 Anaconda 3 Python 3.6.8 TensorFlow 1.12 CUDA 10.1 本文涉及到 TensorFlow 的指定版本升级、CUDA 的卸载重装与 cuDNN 的重装。 TensorFlow 首先升级 TensorFlow，启动 Anaconda，激活相应环境，启动命令行，使用pip install tensorflow==1.14.0或pip install tensorflow-gpu==1.14.0命令安装指定版本 TensorFlow。 最早配置的服务器是清华源，而当天不知道什么原因下载非常不稳定，于是尝试换成中科大源，但是仍然下载失败。 pip install --channel https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ tensorflow-gpu==1.14.0 神秘的是，吃了晚饭回来网络就恢复正常了。 下载之后出现提示，“Could not install packages due to an EnvironmentError: [WinError 5] 拒绝访问”，谷歌后解决方案如下。 解决方法： C:\Users\xxx> 中的 xxx 不是管理员，或者说就是权限不够；在 conda 在的路径里，……\Anaconda3 右击属性->安全->user 选中现在的用户，修改权限至所有权限；重新打开命令行，即可。 来自：http://www.zzkook.com/content/anaconda-zai-win10xia-zhuang-shi-yong-wen-ti-jie-jue-ban-fa-hui-zong-duo-tu 安装完之后记得使用conda info命令检查一下版本，同时升级的时候需要注意 CPU 和 GPU 版本之间的顺序。之前有次安装失败没注意看终端，结果装完了 CUDA 发现 TensorFlow 版本还没跟上。...

HOG 描述子 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog 特征结合 SVM 分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM 进行行人检测的方法是法国研究人员 Dalal 在 2005 的 CVPR 上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以 HOG+SVM 的思路为主。 为了进行图像识别，先要找个办法描述目标物体的特征。亮度、轮廓、颜色、纹理等等都描述着一个物体的特征，其中轮廓应该算是最能代表一个物体的特征，“远处走来一个人”这句话的根据一定是看到了一个人形，而不是因为看到了蓝色衣服。 那么轮廓是一组连续的点集，如何将其中的特征提取出来？一个圆周上的点集，分立来看毫无特征，而与圆心联系起来，就会发现有那么一个公式完美描述了他们之间的关系。同样的道理，也要想办法将轮廓上的点从高维上整理。 HOG 的想法是计算每个像素的梯度，在轮廓上的点明暗变化明显，因此梯度影响也大；接着，通过 cell 和 block 的形式将每个像素的梯度特征合并、串联起来，将每一副图像的轮廓特征都变成大小一致的向量。这样一个向量和 RGB 三维向量一样，也能从一个角度表示一幅图像的属性。 具体地说，一个特征描述子是把一副图像（大小为宽 x 高 x 3) 转化成为一个长度为 n 的特征向量或者数组。在 HOG 中，输入图像大小为 64 x 128 x 3，输出特征向量的长度为 3780。 SVM 分类器 支持向量机，因其英文名为 support vector machine，故一般简称 SVM，通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。 有了每幅图像的特征，如何将目标物体和其他物体区分开来？这里使用的是 SVM 分类器。 关于 SVM 分类器有很多优秀的文章，这里不再赘述。试着一句话概括：将待分类的向量放在高维空间中，SVM 算法就是找一个最优的超平面，能够分割开不同的类别，并且满足不同类别到分界面之间的距离都最远。 详解支持向量机 SVM：快速可靠的分类算法 | 机器之心 行人检测实现 数据集 正样本使用的是经过裁剪的 MIT 数据集，同时扩充了一些样本，保证样本框尽可能精确，数量 1173 张。...

简单记录一下最近复习《信号与系统》的时候用 MATLAB 设计语音滤波器的过程。 首先利用自带的录音机录下一段语音信号，运用 MATLAB 对语音进行频域分析。 rec_sound(3,44100,'voice_rec') %时间 采样率 文件名 [x1,fs]=audioread('voice_rec.wav'); %读取语音信号的数据 % sound(x1,fs); %播放语音信号 y1=fft(x1,1024); %对信号做 1024 点 FFT 变换 f=fs*(0:511)/1024; figure(1); plot(x1) %做原始语音信号的时域图形 title('原始语音信号');xlabel('time n');ylabel('fuzhi n'); figure(2);freqz(x1) %绘制原始语音信号的频率响应图 title('频率响应图') figure(3); subplot(2,1,1); plot(abs(y1(1:512))) %做原始语音信号的 FFT 频谱图 title('原始语音信号 FFT 频谱'); subplot(2,1,2); plot(f,abs(y1(1:512))); title('原始语音信号频谱') xlabel('Hz');ylabel('fuzhi'); 之后利用 ellipord 函数设计 IIR 带通滤波器，所取的具体性能指标如下，其中最关键的参数就是通带阻带的截止频率。需要注意的是，滤波器的性能一定是有理论上限的，需要根据不同的采样率等进行调整，提高采样率的时候适当放松性能要求，否则会出现异常。 Fp1=1000; Fp2=2000; %通带截止频率上下限 Fs1=800; Fs2=2200; %阻带截止频率上下限 Ft=44100; %采样率 As=30; Ap=1; %通带边衰减 DB 值和阻带边衰减 DB 值 wp=[2*pi*Fp1/Ft,2*pi*Fp2/Ft]; ws=[2*pi*Fs1/Ft,2*pi*Fs2/Ft]; [n,wn]=ellipord(wp,ws,Ap,As,'s'); [b,a]=ellip(n,Ap,As,wn,'s'); [B,A]=bilinear(b,a,1); [h,w]=freqz(B,A); plot(w*Ft/pi/2,abs(h)); title('IIR 带通滤波器'); xlabel('频率'); ylabel('幅度'); grid on; 将滤波器应用到语音信号后的效果如下。可以看到只有对应频率带内的信号得到了保留，阻带的信号都被大幅度衰减，实际听起来的声音少了很多高频的信号，非常沉闷。...

D-H 变换 机器人运动学，主要关心的是机械臂中各个关节变量（转动副中的转动角度或移动副中的移动距离）与机械臂末端位姿的关系。具体来说，正运动学就是已知关节变量，求末端位姿；逆运动学是已知末端位姿，求关节变量。为了用数学的方法描述机械臂，通常使用的一种坐标表示方法为 D-H(Denavit-Hartenberg) 变换，也是本文的一个重要前序知识，详细的定义和公式可以参考教材 1 或其他博客资料，这里不再赘述。 关于 D-H 参数（标准型），分享一段复习时总结的理解：**D-H 参数的目的是把自由度所在的 Z 轴串起来，主要的方法是定义一个 X 轴，从而在 Z 轴之间建立合适的变换关系。**相应的，设置四个参数来组成一套变换：θ表示 X 绕上一个 Z 轴的旋转，d 表示上一个 Z 轴上的偏移量，a 表示 X 轴上的偏移量，α表示 Z 绕 X 轴的旋转。 Robotics Toolbox 本次仿真主要基于 MATLAB 的 Robotics Toolbox 工具箱 2，其在机器人建模、轨迹规划、控制、可视化方面使用非常方便。这里分享一个最近在 Bilibili 大学上看到的比较优秀的教程：手把手教你 MATLAB 机器人工具箱。 下面简单介绍一下一些常用的命令。 机器人模型建立 机器人模型的构建，主要是通过上文提到的 D-H 表示法创建单个杆件，并将杆件进行连接得到机器人对象。默认采用的是‘standard’标准型 D-H 参数，如果选择改进型需要在后面加上‘modified’。 L1 = Link('d', 0, 'a', 0, 'alpha', pi/2); L2 = Link('d', 0, 'a', 0.5, 'alpha', 0,'offset',pi/2); L3 = Link('d', 0, 'a', 0, 'alpha', pi/2,'offset',pi/4); L4 = Link('d', 1, 'a', 0, 'alpha', -pi/2); robot=SerialLink([L1,L2,L3,L4]); robot....

CAD(Computer Aided Design)，即计算机辅助设计，已广泛地应用于工程设计的各个领域。 机械、交通、建筑等专业对 CAD 技能有比较高的要求，而一般的工科生，其实很难有机会接受系统的 CAD 培训，很可惜学院为我安排的培养方案中也没有相关课程。 实际上 CAD 是一项非常有用的技能，以我的视角出发，经常注意到一些竞赛中，很多同学缺乏对机械设计的基本认识，秉承着“一把胶枪走天下”的思想，最终的实物不仅缺乏美感，更不必谈其稳定性；又或者是在数学建模竞赛中，很多同学找不到顺手的工具进行精确作图，也没料到 SolidWorks 可以迅速计算出同心鼓的体积、质心。 非常幸运能够有机会在大二的时候选修到《画法几何与 CAD 制图》这一门课，并遇到了耐心细致的贡云兰老师，自己在补习了基本的画法几何知识后逐渐上手了 AutoCAD 软件。同时也很感谢第二年夏天的 CAD 技术应用竞赛，通过旁听竞赛培训，我得以迅速入门 SolidWorks 软件。 这些经历也让我意识到，CAD 其实并不难。特别是日益强大的搜索引擎和详细的中文资料，以及现在市面上出现的越来越多低门槛的 CAD 软件，我认为学习这项技能的性价比还是相当之高的。比如说在淘宝定制亚克力板，配合铜柱完成小作品的框架；或是借用实验室的 3D 打印机完成结构，使自己的机器人有一个牢固的基础；此外找淘宝店接单赚点小钱之类的也是一种可能🐶。总之任务驱动型学习，尝试抄几张作业图之后，可以想办法把自己的作品变成实物，以此激励自己，我相信“半小时速成 CAD”绝对是真实存在的（后续的学习其实主要面对的就是各种提高效率的高级操作了）。 下文将以 AutoCAD 2016 和 SolidWorks 2017 为例，分享一下个人的心得体会。区别于网络上详尽但略显笨重的教程，亦或是一篇“CAD 快捷键大全”，本文将主要从个人经验出发，分享一些概念性的总结。若有不恰当的地方也请专业人士批评斧正，大家画得开心即可~ AutoCAD 首先来认识一下软件的界面以及操作方式。上方是菜单栏，中间是绘图区，下方有一个命令窗口，当然其他工具栏都可按照使用习惯调整。 AutoCAD 用户界面 最关键的“命令”窗口，通常固定在底部。尽管绝大部分功能都可以在上方的工具栏中找到，但是熟练使用键盘快捷键可以大幅度提高作图效率，更何况简单图形使用到的基本命令其实非常少。这里随意列举几个常用的命令，建议动手尝试一下。 L Line 直线 C Circle 圆 REC Rectangle 矩形 接着是鼠标的操作，鼠标左键一般用于执行选择图形实体的操作，右键则一般是各种菜单，滚轮用于缩放，中键用于平移画布。另一个需要注意的点就是窗选 (window) 和交叉选择 (cross)，由选择时的左移或右移方向判定，在界面上分别表现为蓝色阴影和绿色阴影，含义是“完全在框中的图形”和“完全或部分在框中的图形”，上手操作之后可以体会一下其中的技巧。 在动手画图之前明确一个观念，二维的形，都是由基本的点线构成的，所以掌握基本图形的绘制方法是关键。在 AutoCAD 中，绘制一个基本图形的常见流程可以参考如下。 绘制基本图形流程 键盘输入参数是指指定一些附加特征，例如输入数字给定长度、输入1,2给定相对坐标 (1,2)、输入<45给定角度 45°、输入字母选择命令窗口中约束。另一个需要关注的点是，Enter 或 Space 都可以表示确定/结束命令，而 Space 的另一功能是重复。 了解了上述知识，基本就可以画出各种多边形之类的简单图形了。 接下来介绍一下标题中总结的特征驱动。所谓特征驱动，就是指画图时不需要知道每段线段的精确长度，而可以使用相互之间的特征来进行约束。 为此，AutoCAD 提供了一些很强大的功能，绘图时务必注意这些技巧。例如极轴追踪（绘制直线时会自动吸附到指定角度上）、对象捕捉（开启后可以吸附一些特征点）、对象捕捉追踪（吸附在特征点的延长线上）、相切相切半径画圆、相切相切相切画圆等。...

问题背景 iPad 上未安装合适的 SSR 客户端，但是临时需要科学上网，希望使用手边已有的设备帮帮忙。下文整理记录一下本次尝试的解决方案，仅作为存档。 方案适用场景： 使用 Android、Windows 等已经科学上网的设备，为局域网内（也可以是热点分享）的iPhone、iPad、PS4、Switch等设备提供代理。 解决方案 代理端 首先，确保本机梯子工作正常。 Android 端需要安装一个 Proxy Server，可在Play store安装free版本。打开 Proxy Server，点击 Info 记录本机当前的IP地址。接着 Add → Proxy Server，在 Server name 里输入本机IP，random 一个 port，返回保存更改，Start 启动。 Proxy Server Windows 端如果使用的是 Shadowsocks，只需要打开“允许其他设备连入”，并确认一下代理端口即可。获取 Windows 的IP地址可以使用CMD → ipconfig命令，不再赘述。 连接端 iPad 代理配置 以 iPad 为例，HTTP代理 → 配置代理 → 手动，然后将主机名（代理端的IP地址）和端口填入即可。 Internet选项 在PS4或是Switch的网络选项里一样可以轻松找到代理服务器的选项，如上述填写即可享受到加速效果。 若是想用Windows端连接，推荐在需要代理的软件内单独设置，比如浏览器的“Internet选项”、QQ的网络代理选项等，同样填入两样信息。 参考资料 用电脑把Shadowsocks代理共享给局域网里的其他设备 安卓/Windows开启”代理热点”实现热点科学上网

洗手的时候，日子从水盆里过去；吃饭的时候，日子从饭碗里过去；默默时，便从凝然的双眼前过去。——朱自清《匆匆》 本以为一年四季都有机会好好体会，却未曾想到二十四节气也皆于匆匆之中，毕竟生活不会让你停下脚步，更别说计划也总是赶不上变化。 这一年，做了很多很多大胆的事，体验过自动驾驶甚至开过直升机，也探索了南京的更多角落，音乐会、舞台剧、LiveHouse；结识了更多优秀的好友，拥有过超乎友情的亲密关系，也可能是熬夜最多的一年，希望《健身环大冒险》能继续监督我锻炼…… 最近越来越意识到，我这一路走来是有多么幸运。幸运地出生在一个美好的家庭，从小到大的各种抉择，也许不都是最好的结果，但都不会让我遗憾。父母理解我也无条件支持我，让我有机会也有条件去参与各种想参加的活动，平安顺遂。 但是有时候觉得自己远远达不到成熟，和曾经预想的二十岁完全不一样。回想自进入大学以来，我所经历的最大变化，便是过往评价体系的崩塌与重建，绝不会只盯着一纸成绩。毕竟大家很快很快就要走上社会，对自己负责，对所有关心的人负责。非常羞愧地发现这一年几乎没怎么读书，准备写博客的这段时间也关注了一些优秀博客，经常能看到不少有思想、有思辨的文字，有时候会惊讶地发现他们的主人都是同龄人，大三甚至高三。 有时候会想到自己将来的出路：出国留学，国内升学，抑或是早日进入职场。这几条路上，都有前人留下的无数足迹与丰碑，但也无可避免地悬着前人的种种失败警示牌。每当我觉得某个选择优于其他选择时，总会有某些信息刷新我的认知，让我匆忙撤回自己的决定。大二上学《信号与系统》的时候，在网上看到了一段话，说的是傅里叶级数，记不清出处了，不过大意是说：我们眼中的世界就像皮影戏的大幕布，幕布的后面有无数的齿轮，大齿轮带动小齿轮，小齿轮带动更小的齿轮，而最外面的齿轮上坐着一个小人——那就是我们自己。齿轮无休止地旋转着，而在幕布前看来，小人只是毫无规律地运动，所有人都无法预测他下一步会去哪。当然这样的说法未免有些宿命论，就算很多很多事情无法改变，还是希望在下一次驻足回首的时候我能欣然接受自己的选择。 在生物课本上，有生命的诞生和生长，但除了爸妈显而易见的白发、皱纹，我对“变老”没有任何经验。看到有一篇文章说，老年群体成为了一批被科技、互联网发展抛弃的人。我也意识到各种“老年模式”的用户群体就在我们身边。我不忍也不愿看到这样的事在我身边发生，除了各种基础设施，我也努力让科技产品适应父辈祖辈的使用习惯。身体衰老带来的孤独、敏感，我可能很难感受到，但父母最需要的陪伴我一定不会再错过了。 还有很多很多想感谢的人和事，兢兢业业的辅导员和老师们，推心置腹的小原、小林，互相督促的小鄢、小寇，时时刻刻给予我力量的亲人们…… 2020 年，怕神仙们太忙，不敢许太多愿望。祝我的朋友们身体健康，都能为自己热爱的事儿奔忙~

智能车一词几乎贯穿了我的整个大二，从不懂 PID 的校赛新手，到不知疲倦地敲代码画电路，最后带领队员站在全国总决赛现场，一路走来收获颇丰，很幸运也很感激。 校赛——光电直立 很早的时候就听说了智能车竞赛，大二上学期参加了宣讲会之后决定选择难度稍高的光电直立组，希望接触一些控制方面的知识挑战一下自己。然而我们小队的三个人都没有相关的经验，无论是硬件电路还是单片机编程，一切都是从零开始。 首先遇到的难题来自硬件，尽管为了照顾新手，校队成员们提供了成品 PCB 和详尽的原理图，但当时我们还缺乏基本的电路知识，甚至对放大器都没有什么概念。我们对着教学视频一步步完成焊接，侥幸通过了验收，但是当驱动板不能正常工作的时候，我们都手足无措，不知从哪里开始检查。 配置完工程并第一次点亮 LED 时，我们意识到真正的挑战才刚开始。所谓光电直立，即小车使用两轮的方式驱动，借助 IMU 保持自身直立平衡，定位循迹则依赖于 CMOS 摄像头。小车的直立控制应用了我们第一次接触的 PID 算法，网络上的很多教程给我们提供了很大的帮助，并且顺利通过了中期检查。关于赛道的图像处理，队友们提出了各种创新性的想法，想方设法利用上数学建模、状态机亦或是概率论的知识。 光电直立小车 十月焊接验收，十二月中期验收，三月预赛决赛。最终的成绩虽然没有那么理想，但这次比赛极大地提高了我的自学能力和实践能力，也帮我养成了很多良好的习惯。我们始终坚持每天写工作日志，记录各种讨论和调试进度。在吃饭或者通勤时候不定期地回顾前段时间的工作并进行总结，有时候也能从以前失败的尝试中获取灵感。下班的时候给场地和车拍个照，让所有进度都有依据可查，至少再不会乱丢东西，同时规划一下后续的工作安排，方便第二天上班的时候回顾。 另一个收获就是遇到了我的两位队友——小原和小严，在这个接近半年的比赛里，我的队友们互相信任、互相支持，很多问题没有合作就根本无法在短时间内解决。三个人互相配合最后形成默契，成为对方的有力支撑，每当疲惫的时候我们总是互相鼓励，即使是最后决策失误大家也都一起承担。大家一起在常州楼、金智楼实验室通宵，成功通过资格赛之后一起庆祝的场景，仍然历历在目。后来三人选择了各不相同的专业，而那个“四驱兄弟”的群聊里讨论的话题也远远不止智能车了，在此再一次感谢两位队友的支持！ 国赛——室内对弈 校赛结束后，我投了简历非常荣幸地加入了校队，并参与到第十四届智能车竞赛的室内对弈组中。所谓室内对弈，即要求设计一辆车模，通过摄像头等传感器完成赛场内线条和标签（棋盘）、几何物体（棋子）的识别，通过机械、电子和控制算法实现棋子的搬运和移动，完成预赛和决赛两个阶段的“八皇后”、“步步为营”对抗挑战任务。 3 月 21 日，清华大学的卓晴教授预公布了本次比赛的规则，我们的调车工作也就正式启动。从零开始的机械结构设计，蹭学长的 3D 打印机，找车队的同学借的车床；从 H 桥开始的电路设计，尽管到最后也只是掌握了一点皮毛；为了一块限定核心板，大家都成了嵌入式开发工程师；黑板上密密麻麻的草稿写着图像处理、运动控制、通信、决策等等算法。 下面这一段 中期演示视频 是在七月底的时候提交给组委会的视频验收材料，由于时间紧张，我们在最后期限前几天才勉强完成所有要求功能，整体效果差强人意。之后的一个月里我们又进行了一系列调试，重构了几乎所有电路模块、调整了上下位机的通信协议等等，八月底的比赛结果也还算不负众望。 现在回顾这四个月的工作，确实有太多太多的不足。一开始对整个工程没有整体的把握，导致分工和沟通还有很多提升空间；而自己有时候很固执，有时候又容易懈怠；对机械设计缺少经验，没有及时寻求专业援助，最早完成的底盘却成为了参赛前几天最头疼的问题；对控制算法的理解还不够深刻，企图在硬件上弥补软件的漏洞。其实正如卓老师公众号上所说，永远没有什么玄学问题，都是自己的能力不够罢了。 在此也要感谢这段时间里提供过帮助的各位学长、老师，感谢小队中的每一个成员，感谢这一段远超“996”的工作经历。我仍然记得每晚下班的时候，大家会吵闹着打赌能不能给小卖部一个机会，记得那次顺路去金智楼看望一下奋战在电设竞赛的小原，也记得大家一路护着大箱子抵达威海，在沙滩上吹海风。我想，这个暑假绝对是我大学生活中的一段高光时刻。 省赛——节能耐力 大三上学期，还参加了一次省赛，做的是今年新出的节能耐力组别。简单说就是在定位和巡线的基础上，利用超级电容+无线充电实现供电。 节能耐力小车 尽管省赛备赛时间更紧张，但有着往届学长的指导以及小鄢、小琴两位十分靠谱的队友，整体进展相当顺利。最后因为一些不可控的因素，最终没有拿到冠军，但我们的车模十分完美地实现了项目负责人当时的所有构想，也在现场赢得了不少掌声。 大三上学期结束，学完了《自动控制原理》等专业课后，明显感到之前的一些算法非常粗糙甚至有些幼稚。如今，我的智能车竞赛可能告一段落了，但是我与智能车的缘分还未尽。

　很早就有了写博客的念头，不仅是为了记录自己的成长经历，整理自己的知识体系，也能督促自己扩展视野，辩证思考，坚持学习，顺带治一治自己的拖延症。自己正重度依赖 OneNote，并且时不时写点日记，但相比起来，博客作为一个公开平台，最大的特点就是在于分享与交流。在互联网上也留下一点自己的痕迹的同时，若是能碰巧给他人提供了帮助或者一些启发，便是意外的惊喜了。 希望自己永远保持童心、保持热爱。生活远不只有电路和代码，千万不要错过桂花开、圆月清的时光，放慢自己的脚步，享受生活。 附一篇学院书记前段时间推荐的《青春》。 青春 ——塞缪尔．厄尔曼 王佐良译 青春不是年华，而是心境；青春不是桃面、丹唇、柔膝，而是深沉的意志，恢宏的想象，炙热的情感；青春是生命的深泉在涌流。 青春气贯长虹，勇锐盖过怯弱，进取压倒苟安。如此锐气，二十后生而有之，六旬男子则更多见。年岁有加，并非垂老；理想丢弃，方堕暮年。 岁月悠悠，衰微只及肌肤；热忱抛却，颓废必致灵魂。忧烦，惶恐，丧失自信，定使心灵扭曲，意气如灰。 无论年届花甲，拟或二八芳龄，心中皆有生命之欢乐，奇迹之诱惑，孩童般天真久盛不衰。人人心中皆有一台天 线，只要你从天上人间接受美好、希望、欢乐、勇气和力量的信号，你就青春永驻，风华常存。 一旦天线倒塌，锐气便被冰雪覆盖，玩世不恭、自暴自弃油然而生，即使年方二十，实已垂垂老矣；然则只要树起天线，捕捉乐观信号，你就有望在八十高龄告别尘寰时仍觉年轻。 Southeast University, Nanjing, June 6th, 2019