Hi,各位小伙伴大家好,我是YuZhangWang 前不久,雪中悍刀行第一季已经完结了,在庆余年中的父愁者联盟，陈道明(加图片)等老戏骨们的演技，让我对雪中悍刀行这部电视剧有些许的期待。带着对胡军、杜玉明、王同辉、李解(加图片)这些老师演技的信任,怀着我的期待,追完了这部剧 但是在这一部剧中,我陷入了失望当中,那么在一起视频当中，让我作为一个非专业的解说者,来聊一聊这一部剧让我比较难受的一些槽点 1.贫穷的特效以及动作场景的匮乏1.1韩貂寺的红丝特效在bing搜索”雪中悍刀行投资多少钱”,并没有给出明确的答案,在知乎搜索同样的问题,前排的两个提到投资、贫穷字眼的问题,点进去一看,分别是一个回答和两个回答,也并没有提到大致的投资金额,所以我也无从考究雪中的投资。不过有一点比较明确,那就是雪中处处透露着贫穷的感觉,这里我举几个例子来说明这一点 比如大结局38集中,韩貂寺的红丝特效给我的感觉像是学习了一个月的特效练习生做出来的特效,让我们来看一个片段感受一下(几个红丝特效做一个剪辑小片段，37+38集) 这里的红丝,刚开始韩貂寺遇见袁庭山时,我已经感觉有一丝的不妙,但是那时我以为,韩貂寺的这 ...

威廉·斯通纳是1910年进的密苏里大学，那年他十九岁。求学八个春秋后，正当第一次世界大战拼杀犹酣的时候，他获得了哲学博士学位，拿到母校的助教职位，此后就在这所大学教书，直到1956年死去。他的职称始终没有升到助理教授以上的级别。修完他的课后记忆犹新的学生寥寥无几。他死后，几位同事向学校图书馆捐赠了一部中世纪的文献手稿，权当对他的纪念。这部书稿也许还能从珍稀古籍典藏库里找到，书上写了段题记：“敬赠密苏里大学图书馆，以缅怀英文系的威廉·斯通纳。诸位同仁谨记。” 如果偶尔有学生碰巧看到这个名字，也许会纳闷威廉·斯通纳是谁，但促使他探究的好奇心顶多止于提个漫不经心的问题。斯通纳活着的时候同事对他并不怎么尊崇，现在几乎绝口不提了。对年纪稍长的同事来说，他的名字意味着让人想起等待大家的那个最后结局；在年纪更轻的听来，这个名字不过是勾起毫无意义的过去的某种声音而已，而且没有什么共性可以跟他们本人或者自己的职业联系起来。 他于1891年出生在密苏里中部布恩维尔村附近的一家小农场，距离大学所在地哥伦比亚约有四十英里。虽然他出生的时候父母都还很年轻——父亲二十五岁，母亲勉强二十岁——可是，即便还是个小男孩 ...

先帝创业未半而中道崩殂， 今天下三分， 益州疲弊， 此诚危急存亡之秋也。 然侍卫之臣不懈于内， 忠志之士忘身于外者， 盖追先帝之殊遇， 欲报之于陛下也。 诚宜开张圣听， 以光先帝遗德， 恢弘志士之气， 不宜妄自菲薄， 引喻失义， 以塞忠谏之路也。 宫中府中， 俱为一体， 陟罚臧否， 不宜异同。 若有作奸犯科及为忠善者， 宜付有司论其刑赏， 以昭陛下平明之理， 不宜偏私， 使内外异法也。 侍中、 侍郎郭攸之、 费祎、 董允等， 此皆良实， 志虑忠纯， 是以先帝简拔以遗陛下。 愚以为宫中之事， 事无大小， 悉以咨之， 然后施行， 必得裨补阙漏， 有所广益。 将军向宠， 性行淑均， 晓畅军事， 试用之于昔日， 先帝称之曰能， 是以众议举宠为督。 愚以为营中之事， 悉以咨之， 必能使行阵和睦， 优劣得所。 亲贤臣， 远小人， 此先汉所以兴隆也； 亲小人， 远贤臣， 此后汉所以倾颓也。 先帝在时， 每与臣论此事， 未尝不叹息痛恨于桓、 灵也。 侍中、 尚书、 长史、 参军， 此悉贞良死节之臣， 愿陛下亲之信之， 则汉室之隆， 可计日而待也。 臣本布衣， 躬耕于南阳， 苟全性命于乱世， 不求闻达于 ...

1.复习全书换成36讲 2.李永乐真题换成李艳芳真题 3.买徐涛核心考案，放着等政治复习 4.李艳芳基础，张宇基础，李林基础，B站其他讲解，数一答疑。接下来主要从这5个地方获取不会的内容 5.墙灰比较麻烦，靠墙的书上都是灰，定做一个挡板隔一下

1.先把武忠祥，李永乐Youtube上去年没听完的基础课全部结束掉。结束掉之后，直接跟张宇，不会的看张宇基础班理解 2.线代里的正交规范化，施密特正交，向量空间李永乐没讲。B站收藏夹里存了厦门大学老师的课，以及本地下载了22张宇线代基础课可以作为补充看 3.概率听Youtube余丙森的基础课，听完直接跟张宇 4.8月中旬左右，880基础题全部写一遍 5.基础结束复习全书可以收起来了，用张宇36讲作为高数、线代、概率强化讲义 6.强化阶段采用做880综合题+1000题+看讲义复习 7.6月底开始专业课，王道的课+935辅导讲义+王道书上例题(maybe) 8.7月底开始政治，徐涛强化课+1000题(maybe) 9.政治要买徐涛的核心考案，后面做肖秀荣8+4的时候，换腿姐的背诵手册 10.英语后期买王江涛作文背 11.做模拟卷的时候，买数学答题卡+408答题卡+英语作文答题纸

按照往年答辩经验，我的几个个人建议： 1、调试好自己的系统，一定不要到时候崩溃，闪退，严重bug 2、系统中的测试数据准备好，不要很随意，举个例子，如果是类似电商系统，不要出现用户名111,商品名1111，图文不对应，随便放个照片，评论内容随意1111这样实验数据要像模像样，真实可靠 3、论文再仔细检查不要有明显错误和低级错误，按照打印要求打印，按照装订要求装订，注意顺序，该给成绩个签字的地方请指导老师填好。 4、该有评语的地方填好不要缺 5、自己先练习一下讲讲系统，边演示边讲，注意逻辑，和扬长避短。 6、把自己的核心业务逻辑整理通顺，一般是答辩老师的提问点。举个例子：比如预定的，要考虑到机制的合理性，比如同一时段不能冲突，比如不能别人已经释放的可以被预定，比如过去的历史时间不可以预定 7、答辩老师提出问题虚心接受，不要和老师顶嘴，也不要说“我不清楚，别人帮忙的”之类的，也不要说“老师任务书没有说”，总之不要让答辩评委觉得你顶嘴、作弊、甩锅。

A.之前战时的时候使用的是余粮收集制。 例如农民产出1000斤粮食，而满足家庭需求只需要500斤，那么剩下的500斤就会上缴国家。 即使农民生产2000斤，3000斤，最后也只有500斤留在自己手上。 所以农民趋向于满足自己需求即可，也即，生产满足自己家庭需求的粮食即可。那么就导致农民的生产积极性会大大的被削减。 而战后使用的是税制。按照比例来收缴粮食。 例如农民产出1000斤粮食，收缴比例为30%，之后农民手上有700斤粮食。相比余粮收集制。农民手上的粮食变多了。所以战后的新经济政策能够调动农民的生产积极性。 B.因为战时的时候，农民只想着满足自己需求即可。广大农民已经不去积极生产粮食，开始偷奸耍滑。国家的粮食产量就会大幅下降，国民就会普遍挨饿。粮食供不应求，那么粮食价格就会飞涨，国家经济就会崩溃。 C.俄国共产党和中国共产党的阶级基础一样都是工人和农民。工人因为粮食产量不够而填不饱肚子。农民生产粮食的积极性大幅下降。就会导致俄国共产党失去这些基础。 D.农村集体化属于斯大林模式的内容。战时经济政策和新经济政策，都是列宁在位的时候颁布的政策。在斯大林上位之后，将列宁的经济政策改为高度 ...

该面经来自Guuuuuu老师儿,浙江大学软件学院研究生，在人工智能上十分优秀，Gu老师的CRNN和CTPN教程对我十分有帮助 自我介绍略 项目问题简历项目 面试问题问过的基础问题 DBNet的都用了哪些lossBinaryCrossEntropy（prob map, binary map） L1 (threshold map)，但是代码实现中有对binary map采用Dice loss，即对预测map和gt map计算该公式 ，这里其实是借鉴了PSENet中的做法，他认为文字只在图片中占很小的区域，因此正负样本不均衡，相当于负样本多，使用BCE loss容易让网络偏向预测非文字区域，而Dice loss恰好对正负样本不均衡的场景有比较不错的性能，训练过程中更侧重对前景区域的挖掘（缺点是对反向传播不利，训练loss不稳定，尤其是小目标) DBNet为什么做shrink操作shrink为了更好区分实例，直接分割可能紧密的文字会被检测成一个连通区域，分割方法比较敏感，借鉴自PSENet Hard Negative Mining先划分正负样本1：3训练，训练好的模型预测剩余的负样本，把预 ...

下载项目先放教程安装并使用labelImg标注数据集，yolo，VOC格式，前面如何安装写得比较详细 先去Github页，下载文件 运行 先解压 然后在这个文件夹下，在终端里启动项目，后面的操作也会在终端里输出 使用使用跟着给出的教程来即可

文字识别也是图像领域一个常见问题。然而，对于自然场景图像，首先要定位图像中的文字位置，然后才能进行识别。所以一般来说，从自然场景图片中进行文字识别，需要包括2个步骤：文字检测：解决的问题是哪里有文字，文字的范围有多少文字识别：对定位好的文字区域进行识别，主要解决的问题是每个文字是什么，将图像中的文字区域进转化为字符信息。 1、CTPN原理——文字检测1.1简介CTPN是在ECCV 2016提出的一种文字检测算法。CTPN结合CNN与LSTM深度网络，能有效的检测出复杂场景的横向分布的文字，效果如下图，是目前比较好的文字检测算法。 CTPN算法的提出，出于以下几点： (1)假设文本是水平的； (2)文本可以看做由每一个“字母”组成的。这里的字母可以认为是小片段。之所以有这样的想法，是因为基于通用目标检测的算法难以适应文字检测的场景，如上图中的文字，长度方面变化幅度很大。因此作者将文本在水平方向解耦，分成每一个小片，然后将文本行的检测转化为小片的检测，最后利用规则将属于同一水平行的小片组合成文本行。化繁为简。 1.2CTPN模型创新点CTPN的创新点主要由以下三点： (1)将文本行 ...