每月最多只能免费处理 1TB 的数据。如果需要更多则必须每月至少支付 49 美元。1TB/月对于测试工具和个人项目可能绰绰有余，但如果你需要它来实际公司使用，肯定是要付费的。

Huggingface

PyCaret 是一个开源、低代码的机器学习库，可自动执行机器学习工作流。它涵盖探索性数据分析、预处理、建模（包括可解释性）和 MLOps。

网格搜索、随机搜索或贝叶斯搜索

加载数据：可使用pandas读取 数据处理：setup 函数可以进行特征预处理，特征衍生，特征选择，自动创建pipeline等创建模型：近70个机器学习算法，使用create_model 函数创建，支持模型融合模型分析：提供多种模型可视化分析，通过plot_model函数实现模型验证/预测：通过predict_model 函数不仅可以对hold-out数据集进行预测，还可以对未知数据集预测最终模型：finalizemodel 函数训练和测试数据合并重新训练模型，savemodel和load_model函数分别是保存和加载模型及pipeline模型部署：deploy_model，此函数在云上部署转换管道和经过训练的模型。

PyCaret是Python中的一个开源、低代码机器学习库，旨在减少从数据处理到模型部署的周期时间。

一个短视频APP视频内容安全审核的思路调研及实现汇总

基于nude(裸露程度)的色情图片识别 nudepy 这个库基本上可以视为上述方法的威力加强版 库内通过c语言实现了一个皮肤分类器,并基于较复杂的裸露程度来判别图片是否是色情图片 说明程序入口见pic_classify_nude.py,这里主要是对于nude库的封装 >>>from pic_classify_nude import test >>> >>>test('1.png') # 判断色情图片T/F True

Fish 还可以补全参数。比如，ls命令的-l参数后面按下Tab键，就会显示可以连用的其他参数

if grep fish /etc/shells echo Found fish else if grep bash /etc/shells echo Found bash else echo Got nothing end

switch (uname) case Linux echo Hi Tux! case Darwin echo Hi Hexley! case FreeBSD NetBSD DragonFly echo Hi Beastie! case '*' echo Hi, stranger! end

for file in *.txt cp $file $file.bak end

Oh My Fish 扩展了 fish 的核心基础架构，以支持安装其他插件。安装 Oh My Fish 的最简单方法是使用 curl 命令：> curl -L https://get.oh-my.fish | fish

bro：以用例为主的帮助系统man 以外的帮助系统有很多，除去 cheat, tldr 外，还有一款有意思的帮助系统 -- bro，它是以用例为主的帮助，所有用例都是由用户提供，并且由用户投票筛选出来的：<img src="https://pica.zhimg.com/50/v2-cebd65810604c26de9dbc7a697c72dd3_720w.jpg?source=1940ef5c" data-caption="" data-size="normal" data-rawwidth="801" data-rawheight="529" class="origin_image zh-lightbox-thumb" width="801" data-original="https://pica.zhimg.com/v2-cebd65810604c26de9dbc7a697c72dd3_r.jpg?source=1940ef5c"/>

cheat：命令行笔记就是各种 cheat sheet ，比如经常搞忘 redis 命令的话，你可以新建 ~/.cheat/redis 这个文件，写一些内容，比如：cat /etc/passwd | redis-cli -x set mypasswd redis-cli get mypasswd redis-cli -r 100 lpush mylist x redis-cli -r 100 -i 1 info | grep used_memory_human: redis-cli --eval myscript.lua key1 key2 , arg1 arg2 arg3 redis-cli --scan --pattern '*:12345*'

pm：在 bash / zsh 中迅速切换项目目录

https://arxiv.org/abs/2111.07624

注意力机制在计算机视觉中发挥了越来越重要的作用。研究进展可大致分为四个阶段。

在分层视图中描述了IR的概念，并回顾了每个阶段的主要范式。我们深入研究了PTMs在IR系统中应用的不同组件，包括第一阶段检索组件、重新排序组件和其他组件。此外，我们描述了为IR量身定制的新型PTMs的设计工作。

Zotero + SciHub

第一步是创建一个配置文件。qrcp config 命令将带你完成这个过程，但会问你几个问题。第一个问题是要求你提供一个“完全限定域名”。如果你在一个不使用完全限定域名的本地网络上使用 qrcp（或者你不知道哪种方式），那么就把这个留空。qrcp 命令将使用你的本地 IP 地址代替。下一个问题是提示你选择端口。大多数防火墙会阻止非标准的端口，但会将 8080 端口作为互联网流量的情况并不少见。如果你的防火墙屏蔽了 8080 端口，那么你还是要添加一个例外。假设你的系统使用 firewalld，你可以用这个命令允许 8080 端口的流量：$ sudo firewall-cmd --add-port 8080/tcp --permanent

使用--max-redirect 选项用于在实际访问之前查看 URL 缩写shortened URL非常有用。

使用 --mirror 选项你可以下载整个站点，包括它的目录结构。这与使用选项 --recursive --level inf --timestamping --no-remove-listing 的效果是一样的，该选项表明可以进行无限制的递归，得到你指定域下的所有内容。但你也可能会得到比预期多得多的内容，这取决于站点本身的老旧程度。 如果你正在使用 wget 来打包整个站点，选项 --no-cookies --page-requisites --convert-links 非常有用，它可以确保打包的站点是全新且完整的，站点副本或多或少是自包含的self-contained。

如果你要下载的不是单个大文件，而是一系列的文件，wget 也能提供很好的帮助。假如你知道要下载文件的路径以及文件名的通用范式，你可以使用 Bash 语法指示一个数字范围的起始和终点来表示这一系列文件名: $ wget http://example.com/file_{1..4}.webp

HyperSnips作者Github：draivin/hsnips: HyperSnips: a powerful snippet engine for VS Code, inspired by vim's UltiSnips (github.com)​github.com/draivin/hsnips@infinity1900 一位师兄的经验，之前似乎是知乎上唯一一篇关于Hypersnips的介绍，受他的启发，才发现了这个插件。师兄也用JavaScript实现了许多片段，包括上述引用的部分片段。再次表示感谢infinity1900：【LaTeX 编辑环境搭建】TeX Live+VS code+HyperSnips（for math）插件70 赞同 · 28 评论文章@一只方橙 君的markdown笔记，非常感谢这位同学，提供了大量片段，而且一同折腾了不少奇奇怪怪的HyperSnips使用方法一只方橙：教程向: 在 VSCode 中用 Markdown 做「数字化」学习笔记436 赞同 · 120 评论文章

插件市场安装HyperSnips<img src="https://pic1.zhimg.com/v2-47120e9fe8781095ecc6e3ae393a7bbc_b.jpg" data-caption="" data-size="normal" data-rawwidth="270" data-rawheight="60" class="content_image" width="270"/>

HyperSnips支持在片段中使用JavaScript代码。如下面可以返回当前日期：snippet dategreeting "Gives you the current date!" Hello from your hsnip at ``rv = new Date().toDateString()``! endsnippet