https://t.me/dsuses/5066 #zhihu
然而死去的战士终究是战士，他伤口上嗡嗡重复的苍蝇终究竟不过是苍蝇

是的夹带私货很可怕。没有人能发现苍蝇的“污点”。在过去实近200期动画正片里努力做战士，在「团结」的中国却终究是要有今天，“苍蝇不叮无缝的蛋” “别以为「中国人」好欺骗”，利用订正失误、精查团队血统、捕风捉影罗列恨国『罪名』，于是苍蝇和正常人各种自媒体，这么随意的给2016起200期视频一秒秒设计的场景渐变定性，是美国间谍。

这群自媒体还真是从渺小变伟大啊，在他们漠不关心的领域拳打脚踢 质问黑白，国安机关没行文 媒体就开始罗列断章 标题党“事实”地乱叫 ，能摧毁一切的团结，真励志，很像民族精神呢！

今年『干燥工厂』实体还没查封，就是他清白最好的证据。至于什么营销号卖车卖药卖气愤的 说是没查到位还有举报 或者早已被实锤，随他说去吧，保守晚节。比你拿嘴查得好

你们就没有怀疑过，回形针再蠢也怎么敢故意搞两面做派 阳奉阴违，故意激怒网民，他可是做过无数话题的科普的，就是间谍也不会在舆论下玩脱吧。当年的确有人把网民当傻子，但不是回形针。

骂不死比你牛的真罪恶，骂死无辜的。 西化可怕，随口断定人为“私货”发视频的，更可怕。

👇 #js #zhihu 以1分钱为单位记整数是基本常识
确实反映到计科基础教育缺失，因为都有1.25秒这种小数点概念；但大家意识不到要克制不用%1后的1e-10小数位 避免偏差

这个人基于toFixed(n) 即 floor(it*k)/k ,k=10**n 混淆字符串，却没意识到JS这么设计正是为避免他这种瞎设计系统的计算

你乎推的什么垃圾东西

https://zhuanlan.zhihu.com/p/459724428

https://mivik.gitee.io/2021/life/dream/ 的 #oi #life 节选
我站起来时只能有一句“我拿到了提高组二等奖”，然后眼睛避着教练坐下去。后来教练单独谈话的时候问了个问题：

“你觉得你和那些拿一等奖的同学比有什么优势？”

是啊，那些没有优势的人，终点就是被淘汰。我也记不起当时说了什么，但这个问题至今还在我心中徘徊。

不知怎么的最后是被选进去了。不过这中间有件趣事。因为各个教练是在争夺学生的，然后信息教练让我去找 lzy（当时他是一营分数第一）。我和 deco（当时我并不认识他）一路，关键也不知道往哪儿找，瞎逛着碰见一个人，问了下他知不知道 lzy 在哪儿，那人：“我就是啊！”不过后来知道他已经被物理教练收了（貌似当时物理是比信息“有权势”的），于是也不了了之。话说如果 lzy 当初来信竞的话，今年应该得有三个集训队吧。

几次的联赛都是在电子科大考的。对生活只有学校和家两点的我，这无疑是新奇而令人兴奋的。当时初中的时候，在酒店看到几个穿着成都七中校服的学生，想着“我还考个啥啊”这样，最终荣获了提高组二等奖。

所以非常感谢大家关注动苏~ 尽管我写的太少、太难懂，但我会努力的！ 🙏

#algorithm #oi 字串-状态机
KMP是求 "abc".indexOf("bc") 即strstr的算法，单个子串搜索。最简解 (s,ss)=>rng(0,n(s)-n(ss)).find(i=> s.slice(i).startsWith(ss) ) ；即i于0~n-nSs 的所有ss可能位试等

find(s,ss){for(i in 0~n-m)for(j in 0~m){if(s[i+j]!=ssj)break if(j==m)yes} ;no}

要懂KMP，先听前缀树Trie的故事。若需搜索多个子串，strstr只能1次找1个，它只能比对一个ss，但针对相同前缀字符(好比嵌套文件夹 逐步深入) 可以组嵌套{}避免从0再试。

Trie=(t0,kv)=>{let t,k,K,v; for([k,v]of kv){t=t0;for(K of k){if(!t[K])t[K]={} ;t=t[K]} t['\0']=v } }
Trie(t0={}, "bin ban bun bah".split(' ').map((k,i)=>[k,"兵班崩巴"[i] ] ))

注意t0嵌套结构。可写批量替换 rep=s=>buildStr(ad=>{let t=t0,K,v; for(K of s){t=t[K];if(!t)t=t0,ad(K); if(v=t['\0'])ad(v),t=t0 }})
buildStr=f=>{let s='';f(c=>s+=c);return s}
于是可 rep("bahbunbinban")

也可玩个花的：将嵌套字典编号为状态转移表；行=状态号 列=字符-新态 组

cell=[], nb=t=>{let d=[],k;
if(k=t['\0'])return k; for(k in t)d.push(k,nb(t[k])) ;return cell.push(d)-1}

OI常用这个cell，n行列=最长字串长,ASCII符集长
也可以把'\0'压缩掉，只有创路遇t属值时t={['\0']:t,}再继续走，我之前一个放弃的web字典就这；当然我现在用后缀树了。C++无值序时hash表(std::unord_map)更好

但我们没想过性能。若找"abc" 而 t0=abd bcd ，c!=d 时t=t0 ，再从t="a.."开始缩小集合，可b不会有第二次，对"abcd" 则bcd也无法匹配了。当然可 for-of 变i++，每t=t0 记位置，若失配跳回'a'后1字，"bcd"能见

你肯定稀奇，编程的if 为啥没有“无匹配”的问题——if 总有else或同{}后随项。 只要给"a.."等所有节点加else分支，它就知道失配回退哪，"abd"里b回退到从t0 走同前缀的"bcd"子树,a回t0,.. 。这其实和rep() 是一个流程，它叫AC自动机。

KMP是AC的简版。"cadcab" 对前后缀里重复串设置正确的fail指针，"cadca" 的ca是在t0可达的前缀，故失配移到dc.. 重试

未完待续，(注意我也在理解 NFA DFA 这些，虽说我能讲些基础的，却知道不多)

aho-corasick algorithm 应该就是AC（有 fail 回路的 Trie 匹配）

大概就是 e[s[i++]||key.next()]._empty= 同前缀的e’ 这样 ，例如 abc:1, bd:2 的子串匹配 "abd" 时，会往回走1次

螺莉莉的黑板报: #tencent #wechat #web
【悲报】微信他们组造的新浏览器内核 xweb 已经出现在了 Android 设备上，检查 UA 如果出现了 xweb 表示您中奖了
我今天修了一整天这个 bug，然后发现特么是因为我手机上跑了一个 Chromium 78，还是微信他们自己造的内核……张小龙汝母炸矣！


debugmm.qq.com/?forcex5=true
吃完后去 debugtbs.qq.com 自测

Astrian Zheng:
只要大家都不用，微信就那我们没办法

#js 🤔 先音高-后时间 扒谱工具Hachiko的继任者设计终于简易了
之前需同步修改mid序列-渲染，它不可单向，要复制粘贴音符就更难了；钢琴卷帘在右，如今考虑到播放,导出并不频繁，锁定100px=1秒，添加放大系数*k和*1/k 来转化x,w长度，录制时.5s scrollLeft,width+ .5k 而note{left:w-len} 就圈定了音符时长；播放即对光标后延时-激活&关闭,对齐,Oscillator，重复此程序。
按S键切音高,A键标尾。 之前一直未设好的是「歌词组」，即合并多行一起录制。其实歌词只是提示， 起始mm:ss -音高-时缓 才是真录的东西，所以完全以文本格式按mm:ss行切存’录制组‘ 做(组号)；根本没有组合并之类问题

然而我已没时间实践这个，23号就是某人生日
我研究了一下《嘉宾》 确实如某些批评者(歌词真的有问题么.. 要求真高)所言属流行歌曲， 3大段1小段 构成的，最大一段重复3次；旋律改下词就看不出相同了，其实比其他歌好扒些

在pip install hachiko-bapu 外
https://glowmem.com/archives/giantmidi-usage
https://editor.themidimaker.com/ midieditor.org
甚至 https://www.mobilefish.com/services/midi_maker/midi_maker.php 这种“工具”

完蛋了， 对着原唱调的参，时间完全乱了…… 😭

#music 还好工程文件刚才被 SV2 自动删了 🤪 😂 它自动恢复的，没提示保存！.. 肯定要重做

对着xx调参/画线真的是最糟糕的做法， 原唱已经有人声了，你照着它“合唱”是会搞乱的

本来做这个一半是学唱（我五音不全） 一半是给 js 动画提供ppt时间线，我看这个吻合度，已经没救了。

https://t.me/outvivid/3395 #js #node #taobao
http://npm.taobao.org => http://npmmirror.com
http://registry.npm.taobao.org => http://registry.npmmirror.com

合唱版也挺过分（ 很好听，下次别唱了

● archlinux
State: degraded
Jobs: 0 queued
Failed: 1 units
Since: Tue 2022-01-11 17:00:33 CST; 1 month 0 days ago

为了傅里叶变换等 奇奇怪怪的内容， 电脑开了一个月了.. 大概迟早要好好梳理一下，究竟什么任务真的要完成

#cs #statement #recommend 过去杂谈
计算机科学的讨论，好像是只收集晨露的人和饮水的「普通人」

晨露的每一粒、每个专有名词都是原理的侧面。就像对企鹅与鸵鸟，强化了鸟的一部分，却存在相似的周期和度量衡；对于算法，则存在相同的输入输出和差异化中间数据
水的每一滴，都有相似和不同的形态成分。相似成分像晨露，人却无法将其分离，甚至不觉得可能分离
喜欢晨露的人、喜欢水的人，都搞不清微小迷茫或庞大 都只是水而已；厉害或老土，只是附加的情感

水不喝，就可以有很多形态花样；而对真正想研究「水」的人，掌握交换互通的技术，晨露和饮水有何区别、原理或巨型有多难，都是无谓的问题。
编程的核心不是思想，而是语言。思想不独立于语言而存在，一切抽象归于文本，却应是最反映本质的文本。语言能做帮大家少走弯路的设计，这比折磨人和计算机的面向报错编程更值得、更有力

知道原理的缘由、知道堆砌的模式，是『编程语言』人对自己必须的要求。 空有原理或疲于堆砌都不能帮助程序走向更好，优美的「语义」才是最初目的。
有露水到饮用水的「语言和工具」，才能看清各种层级的目的，把美与高效融为一体

在刚才的故事里，饮用和观赏外的统一目的并不存在。 语言并不是目的，但能为其目的优化；语言不是唯一的，有选面向人或计算机
编程就是一件既要识大体，又应顾小局的事。 爱好语言，未必要做编译器。 PLT是种方法，方法是比程序乃至框架要「大」的方案

说到底语言并不存在，存在的只有编码集和思想。语言就是编码的哲学，只是它简化于人的思想和目的
与其说我是研究语言，不如说是在概况一类问题。这没什么了不起，因为问题间相同点很少——但这就是我爱做的，即便领域有这样或那样的约定俗成。
编程是把领域联起来，变成一个大领域晾出去；好的程序直观反映其处理数据的结构；程序集处理、代码亦数据；特例不比规律特殊 ，这些都是对某类代码段的优评，但只是「语言」内一瞥。解决问题的方法有很多，转化代码、描述程序、发布代码，有没有计算机意义的问题，都是语言能优化的问题。 好比算法于计算机。语言即智慧

明明能用 rect(xywh)x step 30 这样的定义，为什么要 ctx.draw_(x,y,..) 呢？明明是用来处理绘制，叫ctx干什么？ 代码里类似的地方数不胜数，
只因为懂了OOP和物理VecN，懂内存与复制、重绘队列于线协程，才知道自己代码的责任和hack，因此知道最适合的命名；语言人，不死板

作为最大的领悟应该是做过一切后能发现其「简单」，就像物理式一样 I=UR,E=mc^2 ，创新和表象千变万化、运行期数据不可捉摸，不可或缺之原理恒常如新。这简单却不能是自我陶醉，对知识放下傲气，用踏实的语言描述优美的事物概念
所以像编程语言那样的东西我又不先弄了，转而弄些绘制和数处的应用、从 Stream RWer到二进制值绑定的框架等等

计算机科学家证明为什么更大的神经网络表现更好

2022-02-11 17:35

人类多亏有对生拇指。但就算演化给了我们更多的拇指，情况也不会有太大的改善。每只手有一个拇指就足够了。神经网络不是这样，神经网络是执行类人任务的先进人工智能系统。随着它们变得更大，它们就能掌握更多。这会让旁观者大吃一惊。基本的数学结果表明，网络应该只需要这么大，但是现代神经网络的规模通常会远超出预测的需求——这种情况被称为过度参数化。在 12 月会议 NeurIPS 上发布的 一篇论文中，微软研究院的 Sébastien Bubeck 和斯坦福大学的 Mark Sellke 为规模放大成功背后的奥秘提出了一种新的解释。他们表明，神经网络必须比传统预期的大得多，才能避免某些基本问题。这一发现为一个持续了几十年的问题提供了一般性的见解。对神经网络规模的标准预期来自对它们如何记忆数据的分析。但要了解记忆，我们必须首先了解网络的作用。神经网络的一项常见任务是识别图像中的对象。研究人员首先为其提供许多图像和对象标签，训练它学习两者之间的相关性。之后网络将正确识别它看过的图像中的对象。换句话说，训练使网络记住数据。更值得注意的是，一旦网络记住了足够多的训练数据，它就能以不同程度的准确度预测它从未见过的物体的标签。后一个过程被称为泛化。

之前对动画的设计是「每行词动画页面模板」，现在发现它很难实现精确的落字…… 这种切分设计的做法非常鸡肋，我要手动拼合歌词时间、切分歌词，只为进场下项元素；也不能退场
anim() 函数早已经不难了，现在是以一个有序动画队列做每页内歌词行的渐变
但其实也是挺麻烦的。 每页ppt还有背景动画进退场；幸好有CSS动画帮加背景模板的动画 ，web真是太厉害啦

#zhihu #python #code https://www.zhihu.com/question/430688755/answer/2344167773
https://www.cnblogs.com/ruhai/p/10820578.html

#algorithm 快速排序把列表二分至仅1项，分前先以大小移位partition ；合并排序也分至仅1项，完后保持有序 merge 。分别是基于 partition 1->N 和 merge N->1 子集分治法
读取次数O(nlogn) ，n 是每拆分层项数， log n 是层数(如4=分2层)

还有些算法推荐大家了解： Delauny三角剖分, MST树,kD树 . #GLSL 上面也有一些
https://zhuanlan.zhihu.com/p/375542978
https://zhuanlan.zhihu.com/p/42331420 #opencv Subdiv2D

#music 重置了

https://resource.dreamtonics.com/download/ 欢迎大家试用K华大佬的 SV~ #vocaloid