MISC
未读Sun API 介绍
Sun API 是一个低价的 gpt 中转 API，支持 gpt3.5 gpt4 Claude3 全系列模型。
价格优惠，仅需 0.85元即可购买 1 美刀额度，只要官方价格的 十分之一
官方同等计费方式，不限时间，按量计费，明细可查，每一笔消耗都公开透明。
官网地址：Sun API (dzqc.link)
支持模型
如何充值
支持微信、支付宝付款，前往 充值页面 输入金额，点击相应付款方式，付款成功即可完成充值。
计费规则
总的来讲，就是我们后台用美元计费，与 open AI 的模型价格保持一致，折扣体现在充值的时候。目前是 1 折 1 美元只需要 0.85 人民币，详细以充值页面价格为准。
请求明细查看
在本网站的日志界面可以查看到每一次调用的明细
提示是用户使用时输入到模型的所有信息消耗的 token 数，补全是模型输出的所有信息消耗的 token 数 ，提示和补全都是要扣费的。
所有模型的计费方式，就是基于消耗的多少token来计算价格。 大部分情况下，你都可以使用 1 汉字 = 2 token 来近似估算中文聊天的中文所需 token 数。但这并不 ...
每周为您推荐最新、最有趣的项目、工具、网站和资源，在快节奏的生活中发现实用的宝藏资源！
项目
Gemini Search - 一个基于 Gemini 的 AI 搜索引擎
一个由 Google 的 Gemini 2.0 Flash 模型支持的 Perplexity 风格搜索引擎，通过 Google 搜索进行基础支持。获取由 AI 驱动的答案，包含实时网络来源和引用。
chclt/oh-my-wechat: 微信备份与年度数据报告
这是一个为微信设计的备份阅读器，总体上还原了微信，但又有一些新的设计，并提供了微信年度数据报告功能。
PDFMathTranslate
一款开源的 PDF 文档翻译及双语对照工具
📊 保留公式、图表、目录和注释
🌐 支持多种语言和诸多翻译服务
🤖 提供命令行工具图形交互界面以及容器化部署
Slidev
一款基于 Markdown 的演示工具，可使用 Vue 组件创建交互式幻灯片，具有实时编码、LaTeX 支持和各种格式导出选项等功能。
工具
Notion 推出的头像生成工具
Notion 推出的一款头像生成工具，支持自定义肤色、五官、头发、 ...
最近发现在使用下列命令启用单机多卡训练模型时，nohup.pid 文件只会记录下主进程的 pid。
1python -m torch.distributed.launch xxx.py > nohup.log 2>&1& echo $! > nohup.pid
当 kill 掉主进程时，仍然会有如下图所示的子进程残留
使用下列命令可以查看当前占用内存最多的 10 个进程并得到上图的结果
1ps -aux | sort -k4nr | head -10
下面是对命令的逐步解析：
ps -aux：
ps：显示当前系统中运行的进程信息。
-aux：
a：显示所有用户的进程。
u：以用户友好的格式显示（包括用户名、CPU、内存使用率等）。
x：显示不依赖于终端的进程（如后台进程）。
|：
管道符，将前一个命令的输出传递给下一个命令作为输入。
sort -k4nr：
sort：对输入内容进行排序。
-k4：按第 4 列进行排序（ps -aux 的第 4 列通常是 内存 使用率 %MEM）。
n：按数值排序（而不是按字母表顺序）。
r：按降序 ...
方法一
1pip freeze > requirements.txt
这种方式会将当前虚拟环境中的所有依赖加入到 requirements.txt 文件 中
可能会存在一些我们项目中没有使用的依赖
不推荐使用
方法二（推荐）
推荐使用 pipreqs
可以指定我们需要生成 requirements.txt 的项目，只添加项目使用的依赖
12345# 安装pip install pipreqs# 使用pipreqs /home/project/location
如果出现报错 UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0xae in position 406: illegal multibyte sequence
则需要指定项目编码为 utf-8
1pipreqs /home/project/location --encoding=utf8--force
如果直接将 OSS 的代码写到业务逻辑中，当我们需要切换不同的 OSS 时，就要直接修改业务代码，极为不便。
此时可以使用适配器模式，为不同的 OSS 创建不同的适配器，切换时只要通过配置文件启用不同的适配器即可。
创建 OSS 接口
首先创建一个 OSS 的接口，声明一些在业务中会调用的方法，例如上传文件
123456@Componentpublic interface OSSAdapter { String upload(MultipartFile file); // 业务中会调用的方法......}
这个接口会被不同的 OSS 适配器实现
在实际业务逻辑中，直接通过 OSSAdapter 调用相关方法即可，更换 OSS 也不用修改实际业务代码。
OSS 适配器
假设现在有阿里云的 OSS 和 MinIO 的 OSS，分别创建他们的适配器并实现 OSSAdapter 接口。
在适配器中，调用对应的 SDK 实现 OSSAdapter 接口中的方法。
123456public class AliOSSAdapter implements OSSAdapter { ...
DDL
数据库定义语言，用来定义数据库对象（数据库，表，字段）
数据库操作
查询
查询所有数据库
1show databases
查询当前数据库
1select database();
创建
1create database [if not exists] 数据库名 [default charset 字符集] [collate 排序规则];
删除
1drop database [if exists] 数据库名;
使用
1use 数据库名;
表操作
查询
查询当前数据库所有表
1show tables;
查询表结构
1desc 表名;
查询指定表的建表语句
1show create table 表名;
创建
1234567CREATE TABLE 表名( 字段1 字段1类型[COMMENT 字段1注释], 字段2 字段2类型[COMMENT 字段2注释], 字段3 字段3类型[COMMENT 字段3注释], ......., 字段n 字段n类型[COMMENT 字段n注释 ])[COMMENT 表注释];
注意：最后一个字段结尾没有逗号
数 ...
MISC
未读在实验室服务器上，我们往往需要使用代理，但是又不能安装代理软件，这个时候我们可以使用本机代理来实现服务器代理，从而曲线救国
首先，打开本地代理软件的全局模式（以 Mihomo Party 为例）
然后查看本机代理的端口(一般 clash 内核的代理软件都是走的 7890 端口)，使用管理员权限打开本地终端设置代理
cmd
12set http_proxy=http://127.0.0.1:7890set https_proxy=http://127.0.0.1:7890
powershell
1$env:HTTP_PROXY="http://127.0.0.1:7890"; $env:HTTPS_PROXY="http://127.0.0.1:7890"
使用下列命令连接服务器
1ssh -R 2333:127.0.0.1:7890 username@ip
这样远程服务器上访问 localhost:2333 的流量会通过 SSH 隧道被转发到你本地的 127.0.0.1:7890 端口
然后在服务器端，我们设置
12export http_proxy=http://12 ...
Redis是一个基于内存的key-value结构数据库，是互联网技术领域使用最为广泛的存储中间件
Linux 安装 Redis
以 Ubuntu/Debian 为例，更多系统可以查看 Redis 官方文档
123456sudo apt-get install lsb-release curl gpgcurl -fsSL https://packages.redis.io/gpg | sudo gpg --dearmor -o /usr/share/keyrings/redis-archive-keyring.gpgsudo chmod 644 /usr/share/keyrings/redis-archive-keyring.gpgecho "deb [signed-by=/usr/share/keyrings/redis-archive-keyring.gpg] https://packages.redis.io/deb $(lsb_release -cs) main" | sudo tee /etc/apt/sources.list.d/redis.listsudo apt-get ...
深度学习
未读
论文：https://arxiv.org/pdf/2405.06228
代码：https://github.com/nizhenliang/CGRSeg/blob/main/models/decode_heads/rcm.py
Rectangular Self-Calibration Module (RCM) 可以捕捉轴向全局上下文，旨在使模型聚焦前景。
其由矩形自校准注意力 和 MLP 组成，主要结构如下:
矩形自校准注意力
矩形自校准注意力可表述如下:
其中 代表卷积操作, 是卷积核的大小， 表示批量归一化和 ReLU 激活函数， 表示 Sigmoid 函数
然后将注意力特征与输入特征进行融合，通过一个卷积层提取输入特征的局部细节，然后与得到的注意力权重相乘
完整代码实现如下：
12345678910111213141516171819202122232425262728293031class RCA(nn.Module): def __init__(self, inp, kernel_size=1, ratio=1, band_kernel_size=11, ...
论文: https://arxiv.org/abs/2109.00699v1
代码: https://github.com/IVIPLab/FBSNet
FBSNet 的网络结构可分为三部分:
initial block
dual-branch backbone
feature aggregation module
Initial Block
Initial Block 包括三个 的卷积层，并在每一个卷积层之后添加了 Batch Normalization 和 PReLU 激活函数，在三层卷积层结束之后，又进行了一次 BN 和 PReLU
12345678910111213141516171819202122232425262728293031323334353637383940414243class Conv(nn.Module): def __init__(self, nIn, nOut, kSize, stride, padding, dilation=(1, 1), groups=1, bn_acti=False, bias=False): su ...
