@winddweb 谢谢，可行

@MingCat 这个是用来直接添加内容到快速备忘录的，我想用这个选项直接替换掉默认的 fn+Q ，这样对我来说更直接些

我一个没装 Adguard 的人，也有类似问题啊。。

功成名就之后转行做作家吧，你说你之前网文作者出身我都信

所以要保持加引号的好习惯，甚至于什么时候用双引号什么时候用单引号，shell 脚本写多了大概会被动养成。

近年来似乎每个公司的算法部门都在想怎么做一个自己的框架，但似乎都没能逃出 PyTorch 和商汤 mmcv 。怎么说，就你讨论的数据加载和预处理相关模块，以上模块都是以一个数据集作为一个实现单元，而你的想法是以文件类型，感觉这种以类型为捆绑的描述方法有点奇怪？

是的，我是 lazygit 粉，在自己的 mbp 用着爽到飞起。有次机缘巧合不得不用 windows ，卧槽，心态炸了。

就你的前两个问题来说：

机器学习可以写一厚本书，计算机视觉也可以。显然，你提到的方法和想法都是还没有入门的结果。就锐化这个目的来讲，这种尺度过于主观，目前图像编辑软件用到的方法属于数字信号（图像）处理的范畴，根本不需要用数据驱动。如果你想说的是超分辨算法，也即将当前图像进行大尺寸映射仍能保持较高的锐度，这属于计算机视觉中的一个方向，你可以直接 google ，开源项目不胜枚举，拿来跑跑就可以了。以你目前的阶段，不建议在细节（ Loss ）设计上深挖，可以理解一般开源项目的 pipeline 设计（尤其是数据预处理、输入输出设计）就好了。

你老板应该说是的 AI 落地方向，这块大部分人用不到理论基础，基本都是基于开源库魔改，在目标检测方向更是靠着 YOLO 系列万金油了好多年。总的来说应该比爬虫有钱途，但是我个人认为这个方向会让更多人感到迷茫，其中真的充满了玄学细节。

个人认为优派可以无脑冲，有钱上 LG ，一般均衡型要求上 DELL 。

不对，你这种需要应该不是用 class ，而是用装饰器，当然，也逃不掉 for range

个人认为怎么都会多此一举。class 上下文管理主要靠 with 的传参，__enter__、__exit__方法控制，你这真要真么搞也就是在__enter__里加个 for range 。

我的观点，未验证：
1. zzz.sh 的执行路径（在根目录）和执行方式（ python A/xxx.py ）没有问题
2. 问题是此时 A/xxx.py 被看作为为一个脚本文件直接执行，却使用了 from A.yyy import YY 从它外部的一个包（其实是包括自己的包，但包不包括自己不重要）导入模块 yyy ，按理来说直接 from yyy import YY 就好了，不需要考虑 A ，直接把 yyy 作为同级模块导入即可
3. 但是按照 2 的解决思路，A 的结构就显得很怪异，A 被强行看作一个包（有__init__.py ），但却又包含脚本。一般实践中，xxx.p 应该被拿出来，放在包外面，比如和 scripts/同级，然后在 zzz.sh 中 python xxx.py ，具体放哪看脚本干的事情，但放包里就是有问题

@Illyasvielvon 多分享点？

所谓训练好的模型是说当前模型已经通过训练数据固定了超参数，你使用不同（多）的输入给模型，得到不同的输出，有什么问题么。即使股票市场规则写明了，不同人掌握的信息量不一样，做出的决策就有区别，不太清楚你想解决什么。

在听你们的节目，很喜欢

看了你的前半段，感觉是新手阶段可能遇到的牛角尖；看了后半段，感觉你是处于一知半解的状态。

看了你的最后一句话，我觉得 Jupyter Notebook 最适合你当前的状态，可以像你写 matlab, stata 一样保持面向过程的思维。

如果愿意多花点时间，可以去了解一些模块化的概念，多看看别人统计学相关的代码实现。