不同于topic中的异步消息传递， ros中还有一种信息传递的过程：server-client， 消息的同步传递过程。server提供一个接收消息的接口，接收到消息之后进行处理，然后在返回给client，在在这个过程中client则一直中断等待server返回消息。server-client的传递消息格式使用srv文件定义。

这里记录下如何使用python创建server和client。

publisher和subscriber是topic的配套node， node是ros中进程的定义。 publisher用于node发布消息到master， subscriber用于node从master订阅消息。这里的master相当于中间服务器， nodes相当于不同的clients， 通过中间服务器实现p2p的通信。 publisher和subscriber是异步通信方式，也就是说publisher发布消息时不用考虑subscriber的状态，只有master中有存储空间就放进去，或者将原先存储消息覆盖掉。subscriber则是需要的时候从master中读取消息，只要有消息就行，不关心publisher的状态。 publisher和subscriber还是多对多的通信关系，可以多个发布源和多个订阅源。本文记录下如何使用python写publisher和subscriber。

ROS中常用指令

roscp = ros + cp: copies files from/to a ROS package

roscd = ros + cd: changes directory to a ROS packages

rosls = ros+ ls: lists files in a ROS package

rosed = ros + vim: edit a file in a package

rospack = ros + pack:

rosmsg = ros +msg: provides information related to ROS message definitions

rossrv = ros + srv: provides information related to a ROS service definitions

catkin_make: makes (compiles) a ROS package

这里加上了ros的前缀，好处是不用跳到文件所处的路径下，直接就能索引到对应文件，最多加上一个包名。

常用指令：

1
2
3

catkin_create_pkg  <包名> 依赖1 依赖2 依赖3 依赖4
rospack depends1 <package_name>  # 查看包的依赖包
rospack find <package_name>  # 找到包的绝对路径

pytorch Visdom可视化是一个灵活的工具， 可以创建、组织和共享实时丰富的数据可视化。支持numpy和Torch

图片来源：https://ptorch.com/news/77.html

visdom 旨在促进远程数据可视化，支持科学实验。

使用Latex绘制漂亮的网络图。

前面介绍了如何使用pycharm链接github仓库， 但在push repository时，项目中的有些文件， 比如数据集.json, 模型参数 .pth等较大文件不想上传， 另外像 .o, .idea等文件可能也不是想要上传的，这时候可以通过设置 .gitignore 文件来过滤上传文件。 在.gitignore文件中一般定义了一些文件后缀，表示具有该后缀的文件在push的时候被忽略。这里记录一下如何在pycharm中配置 .gitignore.

昨天在使用pytorch时，有一层自定义的层需要cuda9.0才行，而我装的是cuda8.0， 所以需要升级cuda， 但是如果直接将cuda8.0换成cuda9.0的话， 以前使用的cuda8.0编译的代码可能就不能用了。所以我这里在cuda8.0的基础上又安装了cuda9.0， 根据需要选择不同的cuda版本。

jupyter notebook对于小型的python项目，或者频繁交互的项目还是非常合适的。 当然jupyter notebook不是只针对于python， 也可以用于matlab等多种核。方便代码调试和随手笔记。我这里只是用了python核。这篇笔记记录一下jupyter notebook 安装的过程，以及对应的如何配置各种conda环境。

conda 是一个开源的软件包管理系统和python环境管理系统， 用于安装多个版本的软件包，并在环境之间轻松的切换。尤其是对于python而言，各种版本的包可能互不支持，这时候可以对不同版本创建不同的环境。比如创建python2.7+pytorch0.3.1 和 python3.6+pytorch1.0.1两个不同的环境。