. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.4 簡易構建系統 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . dh-make 是用於創建我們示例軟件包骨架所必須的，它會使用 debhelper 中的一些工 具來創建軟件包。他們不是創建軟件包所必須的，但對新維護人員而言，我們 強烈推薦使用。它使得整個過程極爲 簡化，並易於在將來維護。(參看 dh_make(8)、debhelper(1)、/usr/share/doc/debhelper/README) 3 新的 debmake 可以作為標準 dh-make 的代替品。debmake Manual (/usr/share/doc/git-doc/index.html).) • gnupg - 讓你可以使用 數字簽名簽署你的軟體包。當你想把它分發給其他人時這一點特別重要。如果你要把你的成 果加入到 Debian 發行版中，那這是必須的步驟。(參看 gpg(1).) • gpc - GNU Pascal 編譯器。如果你的程序是用 Pascal 寫的則需要此軟件包。值得一提的是 fp-compiler，Free

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各

屏觀看”，以獲得更好的閱覽體驗。 圖 0‑6 Python 程式碼的視覺化執行 第 0 章 前言 www.hello‑algo.com 8 0.2.4 在提問討論中共同成長 在閱讀本書時，請不要輕易跳過那些沒學明白的知識點。歡迎在評論區提出你的問題，我和小夥伴們將竭誠 為你解答，一般情況下可在兩天內回覆。 如圖 0‑7 所示，網頁版每個章節的底部都配有評論區。希望你能多關注評論區的內容。一方面，你可以瞭解 (??) ，其中 ? 為位數。當資料體量很大時，節省出來的執行時間就能創造較大價值（成本降低、體 驗變好等）。 在工程領域中，大量問題是難以達到最優解的，許多問題只是被“差不多”地解決了。問題的難易程度一方 面取決於問題本身的性質，另一方面也取決於觀測問題的人的知識儲備。人的知識越完備、經驗越多，分析 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 上的表現就會 更好。也就是說，演算法在不同的機器上的測試結果可能是不一致的。這意味著我們需要在各種機器上進行 測試，統計平均效率，而這是不現實的。 另一方面，展開完整測試非常耗費資源。隨著輸入資料量的變化，演算法會表現出不同的效率。例如，在輸 入資料量較小時，演算法 A 的執行時間比演算法 B 短；而在輸入資料量較大時，測試結果可能恰恰相反。因 此，為了得到有說服力的結論，我們需要測試各