杂想。201912
“这种分解可以使我们能够捕捉在信号中的重复信息，利用一系列逐渐缩小版本的母小波也使我们可以放大局域的不规则性（比如峰值）”，这就是数学的魅力，通过简单的核心，在时间维度和空间维度上，重复变化，就可以完美地映射自然界的复杂多样性，这，真是太美丽了
有方20年的旅行发布会，虽然是推介，但是我很喜欢他们的活动，因为，这就是…..行走的意义。建筑，从开始时人类对于自我的保护，逐渐演变，慢慢成为思维的扩展、野心的展现、和痛苦的平衡，而建筑的理念与实践，也影响了社会诸多的其它方面，包括我们熟悉的软件开发领域，Architecture ，是建筑，也是架构。有方拍摄的一些图片，也很有趣，我很喜欢那张素描。黑色碳素笔，简简单单，就勾勒出一副意境，而我用iPhone拍摄它时，摄像机画面，还自动显示了人脸聚焦框😄。说起来，素描中的线条用笔，还是很讲究技巧的，你会发现，阴影的走向，永远与线条的排列方向，相垂直。很久以来，我不明其理，今日意识到，也许，这隐含着计算机图形学中的法线吧，因为，这种线条的排列走向，会让人的视觉，在垂直角度上，形成立体的感觉。所以，我们会在三维图形显示时，出了纹理图片，还会提供法线矢量图，有了它，算法就可以知道，如何从二维数据中，构造出三维空间的感觉😄
罗宾汉，票房并不好，但我挺喜欢，特别是里边的弓箭。罗宾汉的年代，在13世纪，是十字军东征第五次左右时期，英国狮心王查理的时代。罗宾汉的弓箭，应该属于威尔士弓，因为赫赫有名的英格兰长弓，在14世纪才大放异彩。长弓威力很大，弓长1.8米，弓手双臂拉力达到40公斤，每分钟12箭，速度比十字弓快3倍，射程300米，在100米内可以射穿板甲，更不用说锁子甲，因此被骑士们痛恨，他们会斩断长弓手俘虏的食指和中指，断绝威胁。可惜，在克雷西战役中，英国长弓队彻底击败了法国重装骑士，然后，这帮弓手们，故意对骑士伸出食指和中指进行炫耀，结果…..演变为现在的V型胜利手势😄。不过，西方战争，讲究战术，结构化，兵种配合，例如，大量长弓兵，会组成一个强有力的火力基地，并由弓箭兵、轻重步兵及小股带盔甲的精锐骑兵紧密有序地配合作战，从而实施一种能攻能防的战术，属于远程装备，不太用于电影中的近战
Habana的架构设计，很不错。Guidi用于训练，数据量大，效率是主要问题，并行则是提高效率的基本手段，Habana就让芯片间的数据交换，大大加快，提高扩展性，实现大规模并行。Goyo用于推理，速度和准确，很重要，Habana就用DSP设计中的MAC器件来提高速度，用混合精度来提高准确度，实现推理TCO成本收益最大化。软件是开发中最复杂和痛苦的环节，Habana就搞了SynapseAI栈，不仅仅支持自己的硬件，还支持Linux以及第三方软件，让开发测试部署全面简化。嗯，这种架构设计能力，生态布局能力，以及对于目标问题的观察能力，真是令人赞叹。Intel，有钱有技术，但战略能力并不好，因此，收购Habana，Intel应该是看中了他们的人才，期望增强自己在技术能力与市场策略之间的平衡性吧
“贝叶斯深度学习主要有两个吸引人的点：不确定性估计和对小数据集的更好的泛化”，“图卷积神经网络(GCNN)，卷积和图都对局部信息进行编码，卷积倾向于寻找输入相邻部分之间的关系，图通过边对输入中最相关的部分进行编码”，“端到端的方式中，凸优化问题的应用明确地强调使用领域特定知识建模系统，通常需要的数据要少得多”，可以发现，深度学习越来越偏向于可控了，要可解释，要可预测，要有偏见😄。凸优化，与贝叶斯学习，属于结构保持不变时如何选择算法的思路，它们的目标是一致的，希望可以更快地获得更加明确的结果，思想与变分有些类似，进行模型映射，用已知有效的数学工具，全局考虑问题，解决主要矛盾，而不是像传统深度学习算法那样，摸着石头过河，很好👍。至于图，可以看成是传统网络MLP多层感知机的泛化，思路是想从结构上解决深度学习面临的适用性问题，然后引入新的算法。很有趣的人类思维
与常规的深度学习相比，贝叶斯深度学习主要有两个吸引人的点：不确定性估计和对小数据集的更好的泛化
图卷积神经网络(GCNN)，这可以理解，因为它们都对局部信息进行编码。卷积倾向于寻找输入相邻部分之间的关系。图通过边对输入中最相关的部分进行编码。
在端到端的方式中，凸优化问题的应用明确地强调使用领域特定知识建模系统。当可以以凸的方式显式地对系统建模时，通常需要的数据要少得多
“point-wise velocity, segmentation and classification, that combined with the Material ID”，这篇，是Outsight介绍自己3D摄像头技术的极好文章，它们刚拿到了1800万欧的种子轮资金。好好说话这一点，是我欣赏西方创业企业的一个原因，原理可以讲的很清楚，不害怕公开，而绝大多数国内企业则很封闭，要么是不屑于写，要么是不敢写，总之他们宣称的新技术，你是无法公开查询到的，就像今日看到了“星空动力”获得融资的消息，做固体火箭发动机和液氧煤油火箭发动机，结果我TM连官网都找不到。Outsight的3D语义摄像机，设计上很有意思，同时使用了可见光波段+SWIR短波红外波段，可见光用于生成RGB图像，而SWIR则用于测量距离识别物体类别和速度。原理不复杂，FMCW频率调制连续波，多普勒效应计算速度，而物体种类的识别，则属于光谱分析。它将这几种技术集合在一起，搞出的这个设备，比较有创意，不再需要集成各个不同的Sensor，例如LiDAR/Camera/Radar/IMU等等，而是一体化搞定👍。理论虽然很好，但是结果，还要看产品，不知道他们如何提高分辨率呢？BTW，Outsight说，自己准备在欧洲寻找能够制作这个设备的厂家……..嗯，西方人就这么害怕中国环境么？
“有些人可以快速理解逻辑性极强的数字语言，有些人能更好的通过可视化语言加强理解和记忆，还有些人可能对数字和可视化语言都不感冒，技术可以帮助不同人群寻找最适合自己的学习方式”，是的，很高兴今天看到了这篇文章，MIT的老外，实现了我们备课授课系统的一个类似原型，虽然我们的野心更大，但MIT的实现简单易懂，可以让人们直观地理解到，AR技术对于，教育-或者说-学习，的意义😄
“国外基因治疗CDMO专业度更高，有的专注于质粒生产，有的只专注于AAV或是慢病毒生产，有的只提供质控管理与测试，而国内服务商倾向于提供全流程所有类型病毒的一站式生产服务”，这倒是，工业化生产方式的分工体系。病毒载体作为基因治疗的有效手段，产业化水平，取决于基因治疗产品被批准的力度，FDA比CFDA有魄力，那么国内病毒制备工业的落后，也就可以理解了。说起来，还是很有趣的，人类认识世界的广度和深度，到底会如何发展？如果要去探索宇宙，数学物理化学，是更好的研究方向，而生物，则成为探索地球的专业方向，基因科学的所有知识，都建立在已知地球碳基生命的运行基础上，一切的所谓生物治疗基因编辑以及相关的工业体系，离开了地球，离开了人体，好像立刻变的毫无意义了，这，真是令人…..悲伤
“NVIDIA是一家面向更广范围用户开发产品的公司，无论高性能的处理器，还是软件平台，不存在专门面向特定领域开发定制化产品、应用的情况”，野心与能力，理想与现实的平衡。Nvidia策略不错，硬件变化慢，则做通用架构，使之成为底层平台，软件调整快速，则用软件来解决特定领域的需求，跟随客户的变化。这种策略虽然并不新鲜，但是玩的好并不容易，原因在于，市场的天花板有多高，能不能有足够的利润，支撑企业去做变化多端的软件？Nvida是有远见的，也是幸运的，抓住了图形处理，或者说，视觉，这个人类永无止境的需求，积累了大量的资金，从而可以去开拓新的方向，这一点，比国内大多数企业强很多，例如短视的TX。我一直很好奇，视觉领域，Nvidia对于未来的判断是什么？除了GPU，什么样的硬件，会成为支撑人类视觉需求的基础平台？
“雷达基于专利芯片组和人工智能算法，后处理软件栈还包括一个基于雷达的、由人工智能支持的SLAM解决方案，执行实时聚类、跟踪和自定位，以及假目标滤波，以及基于雷达和摄像头融合的对象分类”，这是我喜欢的解决方案。硬件上，Arbe的毫米波雷达，通过矩阵收发器件，提供多达2千的虚拟通道，确实可以做到高分辨率的物体空间定位，然后结合FMCW算法获得相对速度，这就是所谓4D。而软件的完整性，则是Arbe差异化竞争的策略，简化了前装或后装的难度，赞👍
“今天可以在生物界观察到多种多样的性行为方式，追根溯源，它们都来自于祖先的无差别交配习性，无视性别的交配在远古可能是一种主流”，听起来，很有道理呀。性是什么？是……AI，是…….爱，Musk的幽默感太搞了😄。其实，效率的观点，也是值得批判的，人类很喜欢将长长的历史时间，直接暴力压缩，然后看最终结果。问题是，对于生物个体来说，“效率”这个指标，是不是它关心的？即使只考虑为了繁衍而性行为，生物个体也不是只搞一次就over的，下次再干呗，浪费怕什么？另一方面，无效的性，可以看成是一种抑制，负反馈，因为，如果总是进行正向激励的话，环境资源很快就会不足，造成群体的大量突然死亡，这对于“效率”来说，也许危害更大。所以，知道为什么CNN中要有Dropout了吧？降噪平滑，始终是结构化的艺术呀，不止适用于计算机算法，也适用于，自然界的生命算法
重新设计项目模型，是必须的，否则支持Bazel太痛苦了，IntelliJ倒是可以尝试将CLion对于LLVM的支持方式，移植过来，改编成统一的项目模型。协同编程，倒是很有趣的功能，从git的角度看，意味着很多开发人员无法访问git库，原因可能有两点，要么，是因为对于简单的代码修正，开发人员不想执行完整的流程控制操作，要么，是开发人员所处的企业环境，不允许他直接访问代码库。可以发现，核心问题，都是git库的流程控制太麻烦了，不仅仅是容易出现merge-conflick，还因为pull-request之类需要耗费额外的人员进行监控，嗯，看起来美好的流程，搞得大家…..其实都很累。那么，协同开发，会形成一个树状结构，简单功能，不再需要依赖git这么重的代码交换机制，而是依赖于IDE提供的即时通信来交换代码，实现流程控制，这，倒是挺不错的想法，我喜欢JetBrains👍
“标定值（tagged values）代表指向 V8 堆的指针或小整型，开发团队发现这些标记值占据了堆的大部分空间”，对于PC来说，这个内存和性能的提升，还是很有意义的。现代编程语言，越来越方便开发者，但可读性逐渐成为问题，有了“？”之后，接着又有了“？？”，未来，会不会有“？？？”😄
“这类运动会产生很大的摩擦，进而需要车载动力电池提供额外的能量供应，最终导致车辆的续航减少”，听起来…..好像很有道理得样子，可惜一年能下几次雨？不过，tesla认真思考了下雨时提高车辆续航能力的解决方案，确实以人为本呀😄。这个电磁驱动的雨刷器，倒是很有趣，还没有仔细看专利文献，但是通过精确控制雨刷线性行程上多个线圈的电流，是完全可以做到为磁体雨刷提供推力的，从而让雨刷前进的更佳平滑，但，这并不是文章提到的“减少摩擦力”，根据牛顿定律，摩擦力是无法减少的，除非提高表面光洁程度。这种设计的原理，与磁阻开关电机类似，难点在于电机驱动，不知道DeepRain，能起啥作用？😄
方法比较直观，简单易懂，先赞一下。实际上，就是将文字识别，变成了原始的图像识别，CNN足够了，至于char连接起来的word识别，可以到第二阶段在做。这个策略的好处是，性能比较高，而且具有鲁棒性，可以像人类一样，将某些不是文字的图片，看成是文字，嗯……人类称之为，想象😄。当然，某种程度上，这也是坏处，但是可以通过识别背景对象来尝试解决。另外，可以进一步扩展，char识别输出不一定只有唯一的结果，可以是多个，然后word识别时进行组合判断，这就类似于人类在识别不清晰文字含义的过程了，很有趣，甚至可以用于推断残缺字符的场景😄
新西兰的White Island上周突然喷发，死亡和失踪人数不少，不禁仔细研究了下这座火山。它比较特殊，70%山体在海面下，火山口也低于海平面，本身是活火山。这次喷发的原因，可能是顶部的火山湖水，突然进入了内部，熔岩产生大量蒸汽，压力增长过快，火山灰覆盖的顶部，挡不住压力而喷发，射出了大量的火山灰，不过没有熔岩喷发。BBC，前几天做过一次专题，记者在结束报道时，不禁赞叹起了它的美丽，“这种美丽让人们冒着生命来到这里……”，是的，对于美和未知的探索与追求，是人类进化到现在的一个重要动力吧，而它也引导着我们走向太空，星际探索中执着的父亲，SpaceX令人赞叹的火箭，星球大战中无尽的世界….. 虚拟与现实的努力，会让我们的生命，不必浪费在那些无聊的“已知”和“舒适”中，而是去探索未知，去体验痛苦，以及其后的豁然。May force be with you
“引入道路几何约束，提出局部路面的渐进式OBB构建方法”，方法挺好，符合直觉，也不复杂，只是……我没有想明白，这些数据会用于什么场景下。如果是用于离线测试算法，那么方法就很多了，Unity模拟场景加上物理引擎，可以生成大量的模拟数据，而采用真实世界数据进行模拟数据生成的方法，效率并不高。如果是用于自动驾驶的实时处理，那什么情况下需要模拟数据呢？一种可能是，预测目标移动路径，但是这篇文章中的4D处理，意味着已经实现了目标“移动预测”算法，即“运动预测”在传感器数据融合阶段先做掉了，而不需要在后面的“目标检测”阶段后再做“运动预测”，因此，性能并不会提高，反而有可能降低。嗯，仔细思考一下，其实倒是有一种产品的使用场景，即对于“输出语义级指令的融合传感器”，这种传感器像个黑盒子，会直接输出明确的汽车操控CAN信号，例如刹车加速等等，而这些指令的生成，需要该传感器自己预测所有可能的目标移动。另一方面，对于整车来说，传感器级别的预测，与中控处理器级别的预测，可以同时存在，然后进行仲裁，增强整体系统的鲁棒性😄
fpga用途
做加速器
deepoly。图片转换压缩，比产品快，xilinx支持dram和cache，可以部署到云上，软件做镜像，客户选择xilinx加速卡的主机，选择镜像
这个对于c端企业有需求，腾讯
商务模式上，可与与云的模式结合，客户持续付费，开发一次就可以，云厂家分成给自己
提供adk和api接口，包括imagemagic和opencv
客户付费的前提，是比普通cpu方案要节约一定倍数费用，deepoly做到tco降到40%，客户有意愿使用。另外，使用简单，鲁棒
aupera用zynq实现k8s的调度，快速切换fpga的bin，可以节约云成本，例如安防，白天检测人脸，晚上检测火灾，不需要购买两个fpga。目前快速切换的需求很少，但是未来5g后有这方面的可能，ar、vr、需要加速的场景，可以节约成本，让fpga不闲
cataccel，fpga与asic的市场，asic用于存量市场，fpga用于增量，云服务商很少用asic，太难调度了，需求不稳定时用fpga，fpga是始终适用于这种需求的。时延重要性，还有一个确定性时延的概念，始终维持很小的时延扰动，金融需要。加速商业考虑，时延是客户关心的，太慢没有办法用，tco反而次之了，因为吞吐只能加机器，但是时延fpga可以有很多解决思路
@马琳(工企93-AIRS-视觉计算) 经济学家的矛盾在于，总想用简单的逻辑，来解决复杂的问题
《复杂经济学》这本书还不错，可以看看
经济，是研究人与人之间相互作用的，而人类这个物种，思维意识是独立的，差异没有那么大
因此，博弈的方法，也许是更好的解决思路
但是，博弈，太过于复杂了，经济学家不喜欢，他们只喜欢简明扼要的给出个core，例如 理性经济人 之类，然后一堆假设条件后，给出一个模型
博弈论目前有很多研究分支，例如 MFG 平均场博弈论，就是对于 小范围群体行为的一种理论研究
用计算机模拟，是可以做到经济问题研究的，而这也是很有可能的未来方向
“很大一部分性能损失在于，模型对于旋转、背景和视角的稳健性缺失，也许未来的研究可以从这些方面进一步提升识别模型的极致性能”，这个不算CNN的问题，而是算法架构设计的鲁棒性问题吧，也就是说，训练算法的管线架构，设计的有缺陷。CNN只是抽取特征，至于特征的原始来源，它不关心，而目前的CNN算法，并不会理解三维概念的。解决这个问题，除了大家期待的Hinton的Capsule以外，还有个工程上的数据增强方法，既对于预训练后的模型，继续使用对应类别的更多图片进行增强训练。而这些增强图片的来源，可以是网络爬虫抓取的语义信息图片，也可以是模拟器生成的三维转二维图片。后者，对于大部分简单类别，是比较简单的方法，而前者，则需要考虑数据的准确性问题，嗯，也许，可以通过人工逐步校准来实现吧，需要进一步仔细考虑。这个问题，对于纯Vision场景，影响会大一些，但是对于有深度数据的场景，影响会小很多，毕竟，点云数据，本身就需要识别
看到这篇文章，一下子想起了初中时参加的学校乐队，那可真是我们区配置最全的学校管弦乐队呀，乐队成员加起来有30来人，弦乐器就有数十把，小提琴中提琴大提琴低音贝斯，铜管乐器种类齐全，长号圆号小号大号长笛短笛，木管乐器更是不少，黑管木管单簧双簧萨克斯，打击乐器气宇轩昂，三角铁木鱼手铃架子鼓定音鼓行军鼓，让刚刚进入初中的我，眼界大开😄。指挥关才印老师，吹的一手好萨克斯，音乐素养很高，经常在排练时大骂我们，找出我们某人在某个演奏技巧处理上的不满意之处。说实话，我当时不以为然，年纪大了后，才慢慢体会到，好音乐的感觉[Sob]。可惜，初三后，一起玩的好友，父母要求他退出乐队，好好学习，我么，萨特说的对，“他人是魔鬼”，在嫉妒和攀比情绪下，担心自己的考试名次拉下太多，也就一起跟着退出了乐队。为此，关老师还专门找我们谈过几次心，想说服我们留在乐队，毕竟，我们两人也算是乐队的管乐主力呀，他圆号，我大号。现在想来，音乐的点滴修养，也就是在那时，打下了基础，真心感激关老师的包容与教导，以及关老师那悠扬的萨克斯曲调。音乐这件事，有钱，并不能为所欲为吧
圆号是秦凯吧
对，圆号秦凯，长号王永东，大号我，你是长短笛，我跟着永东退出了😄
我们要是上音乐学院现在该是怎样
嗯，好问题。不过永东和我，估计会默默无闻吧，我们音乐资质太低，你和秦凯会好很多，音乐天赋高一些，秦凯应该最好。然后，你们进入了维也纳爱乐乐团，永东有时候去听听你们演奏，我则在只能梦里畅想一下演奏的感觉😄。不过，年纪再大一些，我倒是想搞个乐队，摇滚+爵士，自由地表达想宣泄的感情😄
“而其中最主要问题是『需要时刻用手举着手机』这一致命的缺点，令用户体验非常累”，是的，这是AR消费市场还算逻辑清晰的分析。AR并不是新概念，10年前Android刚出来时就有一波AR应用热潮，Map是最典型的领域，可惜，愚蠢的手机扫描操作，断送了用户的热情。我喜欢AR，但是我更喜欢简单，凡是使用不便的UI，大概率不会接受，目前的AR就是这样的状态。它不是技术问题，技术…..都不是问题，也是技术问题，技术……还无法做到可穿戴的简便化。运算算力、散热、重量、汗液、电池时间都是难以回避的问题，而最重要的问题，还是内容问题，AR能做什么？离散化的游戏，是可有可无的，看图来识物，是没有粘性的。合理的体验，应该做到Google Now那样的目标，根据个人的不同状态，随时提出不同的建议。可惜，Google自身也关闭了Now产品。视觉只是一种Sensor，并不是Perception，AR走向消费，还需要技术努力
“GuarantCo、亚洲开发银行和私人投资者的支持将为带来长期确定性、从而让Kacific能够平稳转入运营模式发挥关键作用”，先赞一下这些银行机构，在利益与发展中，谋求平衡。今日参加了格隆汇的论坛，格隆的主题演讲，情感动人，核心“不折腾”，以数字和历史，隐晦表达了对于目前ZF经济政策的不满，先赞一下。但是，经济学家，不光要看到过去，也要预测未来，未来的中国经济，如果出现了人口下降/GDP下降/公务员无动力/企业家无动力，经济会怎么发展？对于10亿人口的国家，GDP不到6，到底会有什么影响？有没有可能像美利坚那样GDP只做到1？这些深入的预测性思考，格隆并没有提到。过去的终将过去，而如何更准确地预测未来，应该是经济学家最大的责任吧。雪崩时没有一片雪花是无辜的，我们的文化和传统，未来，能不能走出封闭的循环？能不能像亚开行、美口行、西方私人资本那样，愿意去关心和探索那些遥远的人，与宇宙？
陆奇，做职业经理人不错，但是无法成为领袖，特别是创业领袖。它的观点里，缺少了领袖最重要的一点，冒险精神
对Velodyne创始人来说，不算是失败吧，毕竟他在差不多十年前，无人驾驶大赛上，就开创了这个方向，已然名垂青史。工业化，确实是中国的实力，至于知识产权么，这个交给就法律判断吧。说到创新，大酱的点激光雷达，还是有创新的，至少没有见到其他厂家的类似产品。至于其他厂家的LiDAR么，例如镭神之流，毫无差异化，copy，then cost down
“而中国此前志在Robo-Taxi的Pony也进军了物流领域”，Pony也来玩重卡，看来他们的RoboTexi市场遇到了困难，资本压力大，只好寻找新方向。只是，重卡，是好方向么？对于Pony来说，并不是，因为它没有差异化的竞争力，也没有创新模式，只是想赚钱分羹而已[Frown]。对于其他企业呢？重卡市场比较特殊，租赁占据是很大的玩法，那么，赢彻去做这样需要大量资本的事情，合不合算？众多的主机厂家，自己为什么不会做？纯粹的方案公司，会不会更好？赢彻的胃口有些太大了，也许…….为了融资的需要吧
““Three types of sensors are used that work together to provide redundancy”……我喜欢这个设计，为了检测药丸的变化，开发者使用了三种传感器，MIC检测包装破裂的声音、加速计检测药板的移动、接触传感器检测人体对药板的使用，真是为了准确而特意设计的冗余，同时也降低了功耗👍
“每个执行器，仅重1.4克，直径12-18毫米 (指甲大小) ，厚度2.5毫米”
大小类似于手指，其实可以模拟人手的触摸
如果多个驱动器进行编程，实现触感的时序控制，也可以模拟人手的抚摸的流动感
从上到下，在，从下到上
往复运动，以及顿停的迟滞感
嗯，比教主的那个丑陋手指，体验要好😄
“数据通过飞秒级激光的短脉冲写入玻璃介质，红外信号以像素的纳米级3D版本编码数据，称为“体素”（voxels）。每个体素的形状都像倒置的泪珠，通过编排不同“体素”的大小和放置角度实现存储不同的数据。目前研究人员可以将“体素”堆叠100层以上，写入仅2毫米厚的玻璃中”
“当需要读取数据时，可以使用计算机控制的显微镜，用另一束激光检查玻璃片。根据体素的排布方向，光线会以不同的颜色反射回相机，根据体素的大小不同，反射光的强度也不同。可以使用机器学习算法分析这些信息及其所在的层，快速解码原始数据”
这里没有详细解释，写入时，是否是蚀刻玻璃表面
不过，微软为什么不用ipfs？玻璃再好，也会丢失，分布式存储，才可以容错
不知道他们的体素，包含的数据维度是多少
磁介质，每一个存储单元，是二进制，只有0或1
但是voxel，不一定会是二进制，也许是3、4、8、16
那么，多少进制，最合理呢？
既节省存储空间，又方便蚀刻工艺，还提高读写速度
这个也许可以数学建模，解算一下😄
丽鱼看不清而杂交，有些奇怪，鱼类的受精一般都是体外受精，在水中，雌性先排出卵子，然后雄性喷射精子到卵子上，不是体内受精
那……任何一头鱼，都可以过来喷射一下，雌性拦不住的
这个怎么能说是，看不清呢？
分明是，雄性强奸呀
“在全国范围内，动态分发和管理项目，多层质检、任务自动分发、数据分批交付的流程”，看起来不错，但是数据标定行业，是否值得投资？需要认真思考。这家企业还是很奇怪的，我本来想去网站看看他们到底做的如何，但尝试各种方式后，都无法找到网站，不过却发现，他们是最近更改的企业名称，创始人崔运凯，去年年底还在wayz.ai做高精地图，但在graviti融资介绍中，丝毫不提这段历史，这是….bad smell。逻辑上推理呢，高精地图他们应该是放弃了，wayz最后一次融资是18年7月，而目前高德、四维都已进入，wayz毫无胜算，于是崔运凯离开wayz，继续讲graviti的故事。那么，数据标定，是不是好的投资标的？我觉得，它不是，因为它依赖于人，而人是不可靠的，是无法大规模复制的，即不工业化，也不柔性化，除非….他们实现了机器自动标定的技术，但文章中，也丝毫没有提到这一点。好吧，投资人，在想什么呢，难道在下一盘很大的棋么？
“Your first withdrawal each month, up to £100, will be free of charge and thereafter we charge a simple and fair transaction fee of 2.5% each time you withdraw”，挺有意思的商业模式，hastee帮助企业先支付一半的工资给员工，剩余部分按照企业正常的财务流程走，意味着员工愿意为 “提前获取资金” 而付出手续费，为时间买单。而hastee，只向c端收取费用，并不像b端收费，企业客户会延期向hastee支付 “hastee已经提前付给个人客户” 的资金，理论上，算是过桥贷款，那么hastee的风险，就在于b端违约率了。它的企业客户，都是大的零售商，现金流好，基本上不会违约，同时，员工流动性大，更喜欢即时获得报酬，因此付费率高，嗯，确实是合适场景下的合适商业模式👍。那么，在国内，这个模式合适么？
Your first withdrawal each month, up to £100, will be free of charge and thereafter we charge a simple and fair transaction fee of 2.5% each time you withdraw. This is not interest so you can’t get yourself in to the spiral of debt that loans can get you in
不完全是风向
“但在上课过程中，沈悦发现，不管是播放视频还是线下老师带领做游戏，不少孩子都显得较为迷茫，而老师也未积极调动课堂气氛且教学方式死板，“老师感觉不太专业，也不耐烦””
编程教育的效果，很难体现
家长不刚需
“另一方面，随着家长自身对于新趋势的理解加深，也为少儿编程行业带来了较高质量的新客户群体”
这些家长懂，但是更挑剔
就像主机游戏玩家一样，硬核玩家
老美的这个设计很赞。不过，也可以不用blade，用定向高能炸药，击穿目标，打一个洞。这里的疑问是，导弹直径多大，比较合适？如果导弹直径5cm，刀片长度10cm，那么整体直径25cm，可以覆盖一个人的头骨，假设导弹偏离了中轴，而是刀片切割到了人体，那么最大杀伤直径为45cm，完全可以卸掉一个人的肩膀。实际上，老美的R9X导弹基于AGM-114地狱火反坦克导弹（弹长1.6米，弹重45千克）改造，导弹很大，直径20cm，刀长估计40cm，整体直径100cm，也就是说，杀伤范围可以达到200cm，即2m范围内的目标都会被干掉。嗯，这种设计，倒是比高能炸药打洞，要鲁棒的多😄
老美的这个设计很赞。不过，也可以不用blade，用定向高能炸药，击穿目标，打一个洞。这里的疑问是，导弹直径多大，比较合适？如果导弹直径5cm，刀片长度10cm，那么整体直径25cm，可以覆盖一个人的头骨，假设导弹偏离了中轴，而是刀片切割到了人体，那么最大杀伤直径为45cm，完全可以卸掉一个人的肩膀。
老美的这个设计很赞
不过，也可以不用blade，用定向高能炸药，击穿目标，打一个洞
还有个疑问，这个导弹尺寸有多大？直径？
如果直径5cm，那么刀片长度多少？估计10cm，意味着整体直径25cm，可以覆盖一个人的头骨
假设偏离了中心，而是刀片切割到了人体，那么最大杀伤直径为45cm，可以卸掉一个人的肩膀
这个倒是比高能炸药打洞，要鲁棒的多
刚看了下，“这种代号“R9X”的新型导弹基于AGM-114“地狱火”系列反坦克导弹（弹长1.6米，弹重45千克）”
图片可以看到，导弹很大，直径20cm，那么刀的长度估计在40cm，整体直径100cm
也就是说，杀伤范围可以为200cm，2m范围内都会被干掉
“罗伯特在MC里创立了一个名为“Digital Jesuit”（数字耶稣会）的服务器，正式向梵蒂冈和部分欧洲玩家开放”，嗯，梵蒂冈……也有游戏玩家么[Sob]？那…..Pope是玩农药，还是Fortnite？不过，理想倒是很有意思，“没有争议的自由表达” 会是什么样子呢？很期待看到结果
“The system reviews the footage, analyses the data, gives a verdict, and stores the user’s SteamID in a database,which is reviewed occasionally to check for game or VAC bans.If a ban is handed out, HestiaNet makes a note of it, adding information from that specific verdict to her network pool to increase her overall accuracy”，这小子不错呀，利用V社的API，构造了一个有监督学习系统，用于作弊玩家分类，👍
The system reviews the footage, analyses the data, gives a verdict, and stores the user’s SteamID in a database,which is reviewed occasionally to check for game or VAC bans. If a ban is handed out, HestiaNet makes a note of it, adding information from that specific verdict to her network pool to increase her overall accuracy.
“记忆不同地标位置的方式是一张虚拟的地图，负责记忆这些虚拟地图的细胞，本身排列成六边形网格”，这里的神经细胞，是指三维空间中排列成网格形状呢？还是指神经元的轴突链接成网格形状？或者，是指“具有相同激发时间间隔”的神经元之间根据这个时间间隔而形成的虚拟网格形状？需要仔细看看论文，才能进一步理解。不过，这个发现倒是很有趣，上次的NeuroSLAM的架构设计，就是基于这个原理，数据结构上，模拟grid cell，head direction cell来记录地图空间，但是增加了navigation map结构来记录路径，建立各个cell之间的关联关系，挺好的仿生设计👍。那么我们可以进一步思考，对于这种grid cell形式的SLAM架构，如何增强方向性而不迷路呢？纯Vision的里程计很难做到没有偏移，但是可以通过增加额外的校准设备，来纠偏，GPS就是全局纠偏，IMU就是局部纠偏，这些辅助里程计，可以帮助grid cell维持六边形的均匀分布，或者更进一步，形成2类六边形网格，均匀分布的网格，用于绝对定位，非均匀分布的网格，用于细节回忆。也许，这才是人类大脑记忆的真相吧😄