Git报错： Failed to connect to github.com port 443 解决方案 命令中的主机号（127.0.0.1）是使用的代理的主机号(自己电脑有vpn那么本机可看做访问github的代理主机)，即填入127.0.0.1即可，否则填入代理主机 ip(就是网上找的那个ip)命令中的端口号（7890）为代理软件(代理软件不显示端口的话，就去Windows中的代理服务器设置中查看)或代理主机的监听IP，可以从代理服务器配置中获得，否则填入网上找的那个端口port。socks5和http两种协议由使用的代理软件决定，不同软件对这两种协议的支持有差异，如果不确定可以都尝试一下。
昇思25天学习打卡营第1天 | 入门教程 昇思MindSpore是一个全场景深度学习框架，旨在实现易开发、高效执行、全场景统一部署三大目标。其中，易开发表现为API友好、调试难度低；高效执行包括计算效率、数据预处理效率和分布式训练效率；全场景则指框架同时支持云、边缘以及端侧场景。ModelZoo（模型库）：ModelZoo提供可用的深度学习算法网络，也欢迎更多开发者贡献新的网络(ModelZoo地址)。
面向切面编程AOP AOP(Aspect rient Programming)，面向切面编程，AOP可以拦截指定的方法并且对方法增强，而且无需侵入到业务代码中，使业务与非业务处理逻辑分离，实现开闭原则。：类里面可以被增强的方法：实际被增强的方法，假如⼀个类中有四个方法，但是只增强两个，那么这两个就是切入点。：实际增强的逻辑部分，也就是若干个方法的共性功能，在切入点处执行，最终体现为一个方法。有如下五种类型：@Before：前置通知，在方法执行之前执行@Aroud：环绕通知，围绕着方法执行。
【论文阅读】RoSteALS: Robust Steganography using Autoencoder Latent Space-2023-CVPR RoSteALS使用一个轻量级的秘密编码器将秘密信息映射到图像的潜空间中，并通过对潜空间进行微小的偏移来嵌入秘密信息。该方法使用预训练的自编码器作为基础模型，不需要学习图像分布，因此训练过程简单且效果良好。
【论文阅读】【论文复现】Image Disentanglement Autoencoder for Steganography without Embedding（IDEAS）-CVPR-2022 无嵌入隐写（steganography without embedding, SWE）隐藏秘密信息的过程不会直接修改载体图像，因此具有免疫传统隐写分析器攻击的独特优势。现有基于生成的SWE的三个问题：（1）生成的载密图像不够真实，影响对不可察觉性（imperceptibility）的要求；（2）生成器的生成多样性受限，可能引发潜在的安全问题；（3）秘密信息的提取准确率较低。
【论文阅读】CRoSS: Diffusion Model Makes Controllable, Robust and Secure Image Steganography 扩散模型的两个特性，即无需训练就能在两幅图像之间实现转换的能力，以及对噪声数据的鲁棒性，可以用来提高图像隐写任务的安全性和自然鲁棒性。基于条件扩散模型Stable diffusion利用了开源社区的最新工具，如LoRAs和ControlNets提高容器图像的可控性和多样性。
【论文复现】FNNS：Fixed Neural Network Steganography: Train the images, not the network-图像隐写 【代码】【论文复现】FNNS：Fixed Neural Network Steganography: Train the images, not the network-图像隐写。
关注
