Ⅹ. Harbor

管理星系管理模式这里主要讲一下星系模型的社团管理模型。一个社团就像一个星系，由一个强大的核心和大量的周边组织形成。核心成员是利益相关集团，起到的作用是组织其他的成员有规律活动。 一个动态的管理模式，有点像微商发展下线。由独当一面的人牵头，由直接管理的小组合作完成。 中央集权管理模式注意：主要是因为一个企业和一个用爱发电的社团其实很不一样。 合作零散模式可以先设置明确的部门分工。 由一个人根据自己思路写论文或者做视频项目，不懂就问其他人。 流水线模式一个项目或论文的制作不是部门的垂直作用，而是各个部门的交叉作用。 一群人跟这个一个总目标，每个人都是产品线上的一节链条。 僚机模式 讨论模式

SVFI速度非常快，但是社区版在补针效果上不尽如人意。而且暂时没有识别剔除重复帧的功能。 SVFI专业版非常的贵，648。 RIFE论文中提到一个点，判断人工智能补针效果的指标和实际感受间存在差异。 主观上DAIN APP的效果更好。

作者：@欧礼图本文章出自企划：麻瓜指南，一个创作者互帮互助共同创作的企划。联系方式见文末尾。 众所周知，字典的一大特性就是元素是无序排列的。那想让字典记住元素的插入顺序该怎么做呢？这就需要用到有序字典这一数据结构了。在正式介绍前，有一点需要读者注意：有序并不是指字典里的元素会按照大小顺序排列，而是说字典会记住所有元素插入的顺序，类似于链表。现在我们就来详细讲解一下有序字典都有什么功能，以及你应该怎么来使用它。 有序字典定义：python有序字典通常指collections库里的OrderedDict类。它继承python的dict类，也就意味着它和普通字典的使用方法相同，但在某些方法上有所差异。 使用及方法： popitem(*last*=True) popitem函数原是字典内置函数，作用是返回并删除字典中最后一个元素。在OrderedDict里，该函数支持传入last关键字，当last=True时作用与普通字典相同，last=False时改为返回并删除字典首个元素。示例如下： 12345678>>> from collections import Or ...

@[TOC](draw.io 开源矢量图作图神器的骚操作) 初识 draw.iodraw.io 是一个开源免费的制图软件，是大学生必备的学习工具。draw.io 有网页版和软件版两种，其中网页版支持多种云盘存储，非常的方便。 我接触的第一个矢量作图软件是 InkScape，一个自由的矢量作图软件。但是对于我，矢量图的应用场景只有作流程图和UML图这种，这样自由的矢量图工具不适合我。然后我接触的金山文档的流程图制作，和 InkScape 不同的是金山文档的这个非常的局促，体现在以下几个方面：有限的矢量图形，仅限于金山的云盘存储，带水印的导出图片。 后来机缘巧合之下我的教授向我推荐了 draw.io 这个工具。开源免费、大量的可选图形、清新的界面设计一下子就吸引了我。在之后的使用中，我越发的认为已经不会有比这个工具更适合我的矢量作图工具了。 使用 draw.io 的日常我已经使用了 draw.io 一年多了，主要有下面四个使用场景。 制图最基本的就是制图。从流程图到UML，从内存图到神经网络，从UI设计到合作模型展示，draw.io 都可以胜任，都可以得到美观的输出图片。 计划流程学习生活 ...

跳转下一篇文章：研究日记-虚拟歌姬自动调教之歌曲音频切割的问题 关键词：k mean, song cut 使用 k mean 对歌曲自动拆分。歌曲本身是一组一维的标量， 但是我们不再使用mean作为指标，我们使用角动量作为我们的优化指标。 全曲的角动量之和最小的时候即为我们的最终拆分结果。 需要计算歌词的字数。 保证尾音的权重：因为每一个字的强度随时间减弱，所以旋转轴需要逆时针旋转一定角度。

基础知识f-string 使用 f 开头，字符串中的表达式用 {} 括起来。 表达式是python代码，最后显示的是表达式的返回值。 其他的类型码/占位符/格式的描述符放在表达式的冒号:之后。 123456f'String words and codes {content : format}'f'输出是{1+1}' #'输出是' + str(2)a = 10f'输出是{a:.2f}' #'输出是' + str(10.00) 类型码/占位符/格式的描述符有很多很多，需要查。 f-string格式化 v.s. %格式化%格式化相较于f-string格式化不够自由。但是%格式化把所有需要填入的信息放到待格式化字符串的后面，在一些时候是更加合适的方式。 1234# 混在一起f'aivdndaiunfosaid;fna;osidfnas;ofidasfd;oi{2}a ...

关键词：函数式编程，python底层理解，可靠性，效率。 print 是一个python的函数，print的 作用 是在终端中打印，print的返回值为None。 这里我们可以换个理解的方式： print 是一个python的函数，print的返回值是None，print的 副作用 是在终端中打印。 上面两句的区别仅仅是语序的不同以及一个词的差异。但是这两句背后的思想大相径庭。 第一句强调的是作用，是一个函数能够做什么事情，我们在记忆的时候往往是忽略返回值None的。第二句强调的是函数本身的意义，即输入输出，在理解记忆的时候需要完善print的函数定义，其他print的功能都是副作用，也就是在运行函数的过程中，不属于函数输出范畴的影响。 python 中的每一个函数，每一个变量都可以使用这样的思想进行解释。 接下来我们看这样一段代码： 12a = 100b = a 正常的解释是： 我们给变量 a 赋值 100，然后将 变量 a 的值 赋给变量 b。 函数试思想是： 我们给变量 a 赋值 100，然后我们 调用 a 得到返回值 100，最后将 100 赋值给变量 b。 ...

行业认知AlphaGo >> AlphaGo Master > > AlphaGo Zero，人工智能在不停的进步。2017是人工智能元年。2030年抢占人工智能制高点。要注意人工智能和机器人不可以划等号。机器人是多种人工智能技术的结合。 图像：人脸支付、票据识别、色情识别 语音：会议记录、实时字幕、语音笔记 视频：AI测温仪、任务识别、细粒度识别 NLP：舆情监测、情感分析、新闻摘要 推荐：抖音、今日头条、电商产品推荐 1956年提出人工智能，弱人工智能 >> 2040强人工智能 >> 2060超人工智能。驱动人工智能的发展条件是云计算大数据和人工智能的算法。 云计算，Cloud computing，超大规模分布式计算能力，为大数据提供了硬件基础。 大数据，Big data，海量数据为人工智能的学习和发展提供了软件基础。 AI算法，Algorithm，人工智能进步的最重要条件，极大提高了人工智能的实验结果。 有了算法，需要数据来优化算法，有了数据需要巨大的处理能力。 人工智能影响劳动密集型产业，就是那种简单且重复性高的，规律 ...

学习成绩 or 工作业绩，我行我素 or 规章制度，话中没有责任 or 每句话都有责任，游戏 vs 现实，其他人的问题 or 我的问题 心态很关键，一般就分成积极和消极。但是，其实还有一种就是冷漠，亦或是理性。我认为这种中性的心态才是最好的。遇到事情首先需要的不是展现情绪，这只会让事情的处理变得复杂，所以需要理性。 积极的心态很重要，这是一种面对人生的态度。经常和积极心态的人待在一起，会对自己有好处。热爱珍惜自己已经拥有的。减少抱怨，能够让自己变得阳光。

相较于之前写过的爬去B站动态的javav程序，Python明显简单很多。其中有一个很重要的原因，我们的java程序写的是一个实时的爬虫，一个监控，而这次接触的Python爬虫很明显仅仅只需要爬下来就可以了。 参考文献爬取图片html，主要是 API calling json 微博 json，会翻页 主要框架 post request resolve received files/data in form of json/html/xml save to local

Converting mp3 to wav to midi is a task that extract notes from original mp3 files by computer. reference project audio/wav to midi​ mp3 to wav12345678from pydub import AudioSegment# files src = "/dir/to/the/file.mp3"dst = "/dir/to/result/file.wav" audSeg = AudioSegment.from_mp3(src)audSeg.export(dst, format="wav") wav to midi1234pip instal ...

My choiceSM1: Professional Issues Informatics Large Practical Introduction to Vision and Robotics Introductory Applier Machine Learning SM2: System Design Project Computer Communication and Networks Foundations of Natural Language Processing Winter Pool: Operating System Software Testing Courses related to Quantum Computing SM1Semester 1 of UG3 is focusing on application application and engineering. Professional Issues (Level 10) (INFR10022) http://www.drps.ed.ac.uk/20-21/dpt/cxinfr10022.h ...

感想迷失在了历史的长河中。Lost in time. Key codemain.py 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158from math import ceilfrom helpers import IOfrom typing import Dict, Listclass Task: def ...

一句话三者关系信息熵完美编码，交叉熵不完美编码，相对熵是两者的差值。即：相对熵 = 交叉熵 - 信息熵。 什么是KL散度 KL散度的概念来源于概率论和信息论中。 KL散度又被称为：相对熵、互熵、鉴别信息、Kullback熵、Kullback-Leible散度(即KL散度的简写)。 如何理解KL散度 在统计学意义上来说，KL散度可以用来衡量两个分布之间的差异程度。若两者差异越小，KL散度越小，反之亦反。当两分布一致时，其KL散度为0。 KL散度在信息论中的专业术语为相对熵。其可理解为编码系统对信息进行编码时所需要的平均附加信息量。 KL散度的应用 正是因为其可以衡量两个分布之间的差异，在机器学习、深度学习领域中，KL散度被广泛运用于变分自编码器中(Variational AutoEncoder, 简称VAE)、EM算法(Expectation-Maximization Algorithm)、GAN网络中。 参考文献 KL散度：https://hsinjhao.github.io/2019/05/22/KL-DivergenceIntroduction/ KL散度和交叉熵的 ...

Insert-sort Merge-sort Clone Deep clone Dealing with clash of hash code HeapSort Quick sort Tim sort Breadth-first sort Depth-first sort Topological sort Tabulation Memory Seam-Carving Edit Distance Finite State Machine Hidden Markov Models (HMMs) The CYK algorithm LL(1) Predictive parsing Stack Queue Heap Array Fixed-size array Extensible array Linked list Set Dictionary Hash table Balanced tree Red-black tree Graph Syntax tree Asymptotic notation Amortized ...