macOS 自带的 zip 命令因缺少 UNICODE_SUPPORT 编译选项，无法正确处理 UTF-8 编码的中文文件名。解决方案是通过 brew install zip 安装支持 Unicode 的 zip 版本。

在 macOS 上创建一个包含中文文件名的测试目录进行复现：

# 创建测试目录和文件
$ mkdir -p test/文档
$ touch test/文档/需求说明.txt
$ touch test/文档/用户手册.pdf

# 使用 macOS 内置 zip 压缩
$ zip ...

在 浅析 Embedding 模型 中，我们分析了 MedImageInsight 的 Text Encoder，本文将继续基于 lion-ai/MedImageInsights 版本（以下简称 MI2），分析其 Image Encoder，以及 MI2 是如何对图像和文本的嵌入结果进行相似度预测的。

MedImageInsight/ImageEncoder 中实现了 Convolutional Swin Transformer 和 DaViT 两个版本的 Encoder。
在 2024.09.27...

下载安装影视仓：

• 百度网盘
• UC网盘
• 夸克网盘

可从下面链接获得 tvbox 源、IPTV 源，配置后即可使用。

• https://github.com/youhunwl/TVAPP
• https://github.com/noimank/tvbox
• https://gitlab.com/noimank/tvbox/-/raw/main/tvboxmuti.json
• https://iptv.hacks.tools/

• https://www.bilibili.com/read/cv31017900...

豆瓣评分 8.7

把握总体走向，抓住建立的头寸，这就是我在股票市场上领悟到的一切。

价格与别的东西相同，都按照最小阻力线波动。怎样走着省劲儿，它们就怎样走，所以，假如上涨的阻力小于下跌，它们就会向上运动，反过来也是这样。

在狭窄的市场里，要是市场不能走出一个确定的方向，总在这么狭小的范围里来回震荡，你想推测下一次市场的走势是上涨还是下跌，无异于大海捞针。

他先买进100股某活跃股，要是这只股之后涨了1%，那么他会再加码100股，如果它又涨了1%，就接着追加，然后一直这样下去。他总...

• 原文地址：https://my.oschina.net/u/876354/blog/3064227
• 原文作者：雪饼

卷积（convolution）是深度学习中非常有用的计算操作，主要用于提取图像的特征。在近几年来深度学习快速发展的过程中，卷积从标准卷积演变出了反卷积、可分离卷积、分组卷积等各种类型，以适应于不同的场景，接下来一起来认识它们吧。

卷积核（Kernel）：卷积操作的感受野，直观理解就是一个滤波矩阵，普遍使用的卷积核大小为3×3、5×5等；

步长（Stride）：卷积核遍历特征图...

在 国家中小学智慧教育平台（ https://basic.smartedu.cn/tchMaterial ）注册登录后，可以在线查看国内中小学的各科多版本的电子教材，但网站内并未提供下载方式：

只需借助浏览器的开发者工具，即可获取电子教材的下载链接及权限，从而实现免费下载电子版教材。

通常可通过 F12 打开浏览器的开发者工具，切换到 网络（Network）选项卡，然后在网站内点击某本教材进行查看，筛选 Fetch/XHR 类型包含 .pdf 的请求，右键点击请求，选择拷贝，即可获取下载教材必...

在 MedImageInsight 中，介绍了由微软发表，第三方发布的医学图像嵌入模型，本文将以其中的 Text Encoder 为例，浅析 Embedding 模型的工作原理。

Embedding 模型是一种将高维数据（如文本、图像等）转换为低维向量表示的模型。通过这种转换，模型能够捕捉数据的语义信息，使得相似的数据在向量空间中距离更近。

以 lion-ai/MedImageInsights 中的 Text Encoder 为例（其使用的分词器只支持英文），输入 ["lumbar spine...

在 Mac 上无论使用命令行工具，还是右键菜单打包、压缩文件，在其他操作系统打开时，都会看到一些隐藏文件，例如：

Mac 文件系统中包含如下内容：

$ tree -a
.
├── .DS_Store
├── file1
├── file2
├── file3
└── test
    ├── .DS_Store
    ├── file1
    ├── file2
    ├── file3
    └── test
        ├── .DS_Store
        └── test

3 directories, 9 files
# 打包
$ tar -...

https://docs.pytorch.org/docs/stable/generated/torch.nn.Embedding.html#torch.nn.Embedding

nn.Embedding(num_embeddings, embedding_dim) 可以看成是一个查表词典：

• 有 num_embeddings 行，每一行是一个 embedding_dim 维的向量。
• 输入是索引（比如单词 ID、类别 ID），输出是对应行的向量。

max_norm 的作用：

给这个“词典...