-
重要的书都应该连着读两遍，因为第二遍读的时候，你已经知道结局了，这样才能真正理解开头。另一个原因是第二遍阅读时，你有不一样的心情，可能会从另一种角度看待问题。
-
Facebook想要用手机号注册的，出生年份建议选择1970 ~ 1989。Facebook会根据年龄推荐好友和选择认证方式。1970 ~ 1989的电话认证几率低。
-
SpinLock
自旋锁，对于互斥锁，如果资源已经被占用，资源申请者只能进入睡眠状态。但是自旋锁不会引起调用者睡眠，如果自旋锁已经被别的执行单元保持，调用者就一直循环在那里看是否该自旋锁的保持者已经释放了锁，"自旋"一词就是因此而得名。自旋锁比较适用于锁使用者保持锁时间比较短的情况。正是由于自旋锁使用者一般保持锁时间非常短，因此选择自旋而不是睡眠是非常必要的，自旋锁的效率远高于互斥锁。
-参数，最终目的是期望抓住输入的精髓，使得用其重建出的生成样本x与真实样本x近。AE可应用于数据去噪、可视化降维以及数据生成等方向。 VAE是AE的升级版本，其结构也是由编码器和解码器组成 。AE在生成数据时只会模仿而不会创造，无法直接生成任意的新样本，这是因为AE在生成样本时用到的隐向量其实是真实样本的压缩编码，也就是说每一个生成样本都需要有对应的真实样本， AE本身无法直接产生新的隐向量来生成新的样本。作为AE的重要升级，VAE的主要优势在于能够产生新的隐向量z，进而生成有效的新样本。VAE能够生成新样本(即VAE与AE的最大区别)的原因是， VAE在编码过程中加入了一些限制，迫使编码器产生的隐向量的后验分布q(z|x)尽量接近某个特定分布(如正态分布)。VAE训练过程的优化目标包括重构误差和对后验分布q(z|x)的约束这两部分。 VAE编码器的输出不再是隐空间中的向量，而是所属正态分布的均值和标准差，然后再根据均值与标准差来采样出隐向量z。由于采样操作存在随机性，每一个输入图像经过 VAE得到的生成图像不再是唯一的，只要z是从隐空间的正态分布中采样得到的，生成的图像就是有效的。
-
新冠病毒的影响会逐渐传导下去。这玩意，一个月的话只是个公共卫生问题，半年是经济问题，一年的话那就是供应链问题，几年就会成为日常生活问题。 要保证供应链不出问题，需要供应链上每一个环节都不出问题。1%的人随机死亡或者失能什么的，供应链断掉概率的可不是1%而已，而是1-0.99^n，是一个极高的数字。 想要稳定的供应链，要么把这n步都放到受新冠影响极低的地区去做，要么就加大自己对供应链的控制。这个过程中，必然伴随着全球产业链的本地化和中国化——各种产业链要么转移回本国，要么转移到中国。这种情况下，中国一定会成为世界所有“本土派”的公敌——因为供应链就两个选择，一个是本土化，一个是中国化，中国化多了本土化就少了。各种匪夷所思的反华提案会不断出现在世界各国。这些反华提案，本质上是“本土派”对“中国化”的防御，这种提案越多，大概率说明的是中国对这个国家的出口在增多。与此同时，新冠疫情会对社会文化产生很大的影响。人们让渡权力给政府，交税之类，交换的是“公共安全”。但现在出现了新冠病毒，日常出门就可能被传染上，政府不管，死亡速度是美国枪击死亡速度的10倍，等于把“公共安全”直接拉到伊拉克或者芝加哥黑人区的水平。 而有能力的人的培养，需要的是一个稳定的环境。伊拉克，或者芝加哥的黑人区，并不是说完全无法培养大师巨匠，但这么一个每天提心吊胆，担心自己人身安全的环境中，想做出好的工作，会是很困难的。不过这个需要时间的积累，才能体现出效果。这个差距会先从以”客观事实“为评价标准的领域出发（3~5年），逐渐传导到主观评价标准的领域（10年以上）。所以差距体现的领域会依次是——军事科技（评价标准是客观事实），民用应用科技（评价标准是市场），科学研究（评价标准是同行审稿）。
-
The task is formalized as predicting the upcoming word given previous context representations
-
git pull 就是 fetch 和 merge FETCH_HEAD 的简写，类似的 git pull --rebase 就是 fetch 和 rebase 的简写！
