weixin_44162814的博客

原创 如何将AI生成的公式正确的复制到word中？（全网独家）

AI内容转Word\DeepSeek转Word\支持数学公式转Word\批量mermaid转高清图片到word。这里对比一下效果，右边是word可以生成的格式。在生成的内容选项中，

原创 WebDAV如何使用？

你现在是 Ubuntu。你现在这个报错本质是。成功解决，进入网盘！

原创 docker里面的文件没有写入权限,也无法使用sudo。docker镜像里某个文件夹没有创建文件夹权限。如何解决？

解决方法:先在docker外面给chmod 777 filename，然后再docker cp就有权限写入了。docker里面的文件没有写入权限,也无法使用sudo切换到root用户。

原创 本地大模型千问思考很久，如何解决

亲测好用，但是不思考可能效果真的略差，不过能用。一劳永逸:单独发一句:以后我的问题都不要思考。本地大模型千问思考很久，如何解决。在提问最后加上:不要思考。

原创 ubuntu系统如何刻录文件？（很久的问题终于解决了）

弄了很久很久，试了很多次，一直在ubuntu的台式机上如何刻录文件，今天通过尝试了多个软件，最终成功解决！这里根据自己光盘的大小，选择右下角的对应辅存的选项，我这里是4.3GB，就选择4.3GB的。3.试过brasero,也是刚开始刻录就提示刻录异常，然后弹盘。使用xburn，但是也要注意操作步骤，不然也会失败。然后将数据拖到这个界面上（或者左上角添加文件）1.中间尝试过直接刻录，但是粘贴不进去。2.试过x3b，结果也不能用。4.试过命令行工具，也失败了。然后点击右下角继续刻录。

原创 Numba JIT是什么（python代码加速）

NumbaJIT是一种基于LLVM的即时编译技术，能够将Python数值计算代码（特别是NumPy风格代码）在运行时编译为本地机器码，显著提升性能。其核心机制是在首次运行时分析Python代码，生成LLVM中间表示并编译为机器码，后续调用直接执行优化后的机器码。Numba特别适合加速数值密集型循环、数组操作等计算任务，在雷达信号处理（如PDW分选）等场景中可带来数量级的性能提升。它提供CPU和GPU两种加速模式，但不适合处理Python对象或字符串等动态类型操作。相比其他加速方案，Numba具有上手简单、性

原创 配置vscode的ssh离线部署，但是Stable-cmmit-id一直会后面添加个staging这个后缀将文件名修改

staging它是，不是 bug。

原创 Tesla、Quadro和 GeForce是什么？—— NVIDIA 针对不同应用场景划分的 GPU 产品家族，A100 / H100、RTX A6000 / A5000、RTX 3080 / 309

NVIDIA GPU产品线主要分为三大类：Tesla（现并入DataCenterGPU）专为数据中心计算和AI训练设计，支持大显存和并行计算；Quadro（现称RTX A系列）面向专业图形工作站，注重显示精度和稳定性；GeForce为消费级产品，适合游戏和小规模科研。Tesla最适合深度学习，Quadro次之，GeForce可用于中小规模实验。在学术论文中常见"Tesla GPU"表述，实际指数据中心级计算卡。

原创 Cross-Domain Contrastive Learning for Time Series Clustering论文代码复现(跨域对比学习用于时间序列聚类CDCC)

本文记录了跨域对比学习时间序列聚类算法CDCC的复现过程。主要工作包括：1)准备UCR数据集并修复数据预处理bug；2)解决了augmentations.py中因不等长数组导致的permutation函数报错问题；3)完整运行流程耗时约5分钟，在测试集上取得NMI=0.545和RI=0.786的聚类效果。代码实现了动态配置加载、算法实例化、数据读取、训练评估等功能，支持多种评估指标，通过固定随机种子保证实验可复现性。该实现依赖PyTorch等库，需要按照特定格式组织YAML配置和输入数据文件。

原创 短视频平台如何将16：9照片发成竖版全屏，而不是横板

摘要：针对16:9照片发布时自动转为横板导致细节丢失的问题，可通过简单操作解决：全选图片后统一右转90度，再发布即可保持全屏显示。该方法能有效保留画面完整度，操作仅需2步（全选+旋转），适用于批量处理。（98字）

原创 vscode:终端运行正常，但是用debug模式运行python项目就报错

摘要：当终端运行正常但debug模式报错ModuleNotFoundError时，可通过两种方法解决：(1)推荐方法：在项目入口文件(main.py)顶部添加代码，将项目根目录插入sys.path；(2)配置VSCode调试环境，修改.vscode/launch.json文件，设置正确的cwd和PYTHONPATH路径。问题根源在于调试时工作目录和Python路径未正确包含项目根目录，导致无法识别顶层包。两种方案均可有效解决模块导入问题。

原创 如何用AI分析整个文件夹下所有脚本的功能、甚至修改

本文介绍了两种使用AI工具分析项目的方法：1)在VSCode中使用Copilot，通过添加上下文文件并选择Ask模式进行总结，或切换为Edit/Agent模式修改项目；2)将GitHub项目链接中的"github.com"替换为"deepwiki.com"，即可对整个项目进行自动分析。两种方法分别适用于本地文件分析和在线项目分析场景。

原创 深度聚类代码库总结

https://github.com/zhoushengisnoob/DeepClustering.git有代码的一篇论文：https://github.com/zhoushengisnoob/DeepClustering?utm_source=chatgpt.com

原创 Linux服务器离线安装vscode server（2026年亲测可用）

离线环境下VSCode远程连接服务器需要手动安装VSCodeServer。方法分为两种：1.89版本前只需下载一个server文件，解压后改名为commit_id并放入~/.vscode-server/bin/目录；1.89版本后需下载server和cli两个文件，分别解压后放入~/.vscode-server/cli/servers/Stable-${commit_id}/和~/.vscode-server/目录。关键步骤是获取本地VSCode的commit_id，根据版本和系统架构下载对应安装包，并按指

原创 of 的发音？弱读最常见/əv/

最常见（弱读，口语 / 学术汇报里几乎都用这个）这仅仅是所有相关的问题之一。这是送给我的一个孩子的礼物。这是最常采用的方法之一。我们把你看作家中的一员。（美音偏 /ɑːv/）我一直把你当成自家人。牛津高阶英汉双解词典。牛津高阶英汉双解词典。牛津高阶英汉双解词典。牛津高阶英汉双解词典。

原创 linux上面能对pdf注释嘛？推荐Okular，亲测好用

Okular是KDE官方推出的多功能PDF阅读器，特别适合学术论文批注和长期阅读。它支持高亮、下划线、删除线等文本批注，以及便签注释和手写批注功能，所有注释都能直接保存到PDF文件中并兼容Acrobat。安装简单，各Linux发行版均可通过包管理器安装。虽然界面风格偏KDE，但在GNOME下也能使用。设置默认打开方式后，用户可方便地进行手写注释或文字高亮操作，是处理学术文献的理想工具。

原创 如何用AI分析整个项目(修改整个项目的代码)

使用vscode里面的copilot插件即可，从extensions中下载，选择agent模式，然后点击add_content，里面有上传文件夹的功能。然后就可以对整个文件夹进行分析。此外，edit模式还能直接自动修改代码，而不需要人工手动修改。

原创 在有真实标签 (Ground Truth) 的情况下，常用的指标有哪些？聚类指标有哪些？内部评估和外部评估？

分选正确的脉冲数占总脉冲数的比例。

原创 samba: Depends: python3 (＜ 3.11) 但是将要安装 3.10.6-1~22.04.1

【代码】samba: Depends: python3 (＜ 3.11) 但是将要安装 3.10.6-1~22.04.1。

原创 两个电脑（windows和linux之间）如何快速传输文件（亲测可用，方便快捷）

摘要：本文介绍了两种实现电脑间文件共享的方法：1) 通过连接同一WiFi使两台电脑处于同一网段，然后使用系统自带的共享文件夹功能；2) 无网络时可用网线直连（接口不同需使用拓展坞）。操作步骤包括：先ping对方IP确认网络连通性，然后在文件夹属性中设置共享，另一台电脑即可在网络中访问共享文件夹。该方法适用于Windows/Linux系统间的文件传输。

原创 深度聚类（Deep Clustering）与度量学习（Metric Learning）的共同点和不同点

深度聚类（Deep Clustering）与度量学习（Metric Learning）虽然在处理数据时经常“结伴而行”，但它们的底层逻辑、工作方式以及解决的问题重点有着本质的区别。为了让你更透彻地理解，我们将这两者放在一起进行深度的横向对比。

原创 ElevenLabs，目前最像真人、最适合模仿学术口语的英文朗读工具/tophonetics英文添加音标和朗读功能

ElevenLabs 是目前的英文朗读工具，很多科研人员、播客和演讲者都在用。官网：👉。

原创 半监督学习和元学习的区别

基于模型的：Meta-LSTM、Meta-Transformer。基于度量的：ProtoNet、Matching Net。“如何更好地利用未标注数据，弥补标注样本不足？明确区分 support / query。的情况下，提高模型在当前任务上的性能。基于优化的：MAML、Reptile。，用很少的数据就能学会一个新任务。元测试阶段：新任务，小样本快速适应。“如何让模型学会‘如何学习’？：在任务层面进行训练与泛化。训练阶段：有标注 + 无标注。元训练阶段：多个任务。

原创 电脑连接手机的wifi速度很慢怎么办，手机速度正常

比如换个地方，换个手机卡，链接别人的热点，用USB共享网络等方法试试。热点设置里面，将AP频段这个有2GHz修改为5GHz。电脑连接手机的wifi速度很慢怎么办，手机速度正常。如果不行的话再考虑其他方法。

原创 PolSAR Image Registration——极化合成孔径雷达（PolSAR）图像配准

本文介绍了极化合成孔径雷达（PolSAR）图像配准的概念与重要性。PolSAR通过多极化通道获取目标散射特性，图像配准则实现不同时空条件下获取图像的对齐。配准是极化特征分析、地物分类等应用的前提，否则会导致特征破坏。但PolSAR配准面临多通道统计差异、斑点噪声、几何畸变及散射机制变化等挑战。该技术对提升PolSAR数据应用价值具有关键作用。

原创 如何阅读一篇论文：三遍阅读法

本文提出三遍阅读法来高效阅读学术论文：第一遍（5-10分钟）快速浏览标题、摘要、引言和结论，判断论文价值；第二遍（约1小时）重点阅读图表和关键内容，掌握核心观点；第三遍（1-5小时）深度理解并尝试"虚拟复现"，批判性分析论文优缺点。这种方法既能快速筛选文献，又能深入理解重要论文，适合科研工作者采用。

原创 如何搜索到最新的且有代码的论文（全网独家）

如Incremental Learning，然后左边选择时间为2024年之后的论文，打开论文之后在全文中搜索github/http关键词，看能不能找到代码链接。方法1：问AI给出近两年发表且可复现的论文（如增量学习领域）方法2：微信/知乎搜索该领域有代码可复现的论文。方法3：在谷歌学术上搜索论文关键词，

原创 AI公式复制到Word是乱码？一键实现AI输出的Markdown转Word

从AI（Deepseek、豆包、Kimi、ChatGPT等）聊天窗口，点击AI回答左下角的复制按钮，不要手动复制哦，不然格式会乱。我们把复杂的流程变得极其简单，无论你懂不懂技术，都能轻松上手。一份公式清晰、排版工整的Word文档已经下载到你的电脑里了。，将你刚刚复制的内容粘贴到输入框中。

原创 lib\multiprocessing\spawn.py“, line xxx, in _main self = reduction.pickle.load(from_parent) EOFError

摘要：Windows多进程报错"Can't pickle local object"的解决方案：主要因Dataset类定义在main()函数内导致无法序列化。推荐方案是将Dataset类移到main()外作为全局类（工业标准做法），可保持num_workers>0的高效数据加载；临时方案是设置num_workers=0，但会降低数据加载速度，仅适用于快速测试。

原创 百度翻译、有道翻译、谷歌翻译中【有道翻译】能对重点单词进行注释

有道翻译支持重点单词注释功能，而百度翻译和谷歌翻译暂未提供该服务。这一差异化功能使有道翻译在辅助学习场景中更具优势。三家主流翻译工具的核心功能对比显示，单词注释可能成为用户选择翻译平台的重要考量因素之一。（47字）

原创 表格的下一页空格删不掉怎么办？（解决表格后多出来的空白页）

摘要：删除Word文档中多余空白页的有效方法是调整回车符所在段落的字号大小。具体操作为选中回车符所在段落，将字号设置为1磅最小值，即可自动删除第二页空白页。该方法简单实用，相关操作可参考知乎专栏文章（p/663951253和p/147863420）。

原创 online与见刊的区别

论文发表的两种状态：Online（在线发表）和见刊（正式出版）存在关键区别。Online阶段指论文已完成评审、编辑和校对，获得DOI号可被引用检索，但尚未分配卷期页码；见刊则表示论文被正式编入期刊某一卷期，具有固定页码，是最终版本。Online属于提前在线发表状态，而见刊标志着论文的完整出版流程结束，通常数据库会以见刊版本作为最终收录标准。

原创 gpt上面的内容复制到word后格式会乱怎么办？

滞后也可以直接从语雀中复制到word中，这时候就格式正常了。然后语雀里面就看着正常。

原创 机载单站无源定位如何得到比较准确的结果（提供两个比较精确的交叉定位方法）

摘要：本文提出使用线性代数中的坐标变换方法精确计算飞机方位角。通过构建机体坐标系到大地坐标系（NED）的旋转矩阵，解决飞机横滚和俯仰导致的几何投影误差问题。文中给出了Python实现代码，包括角度转换、旋转矩阵构建和向量变换等步骤，最终计算出0-360度的真北方位角。该方法利用欧拉角顺序变换（Yaw-Pitch-Roll）实现坐标转换，适用于需要高精度方位计算的航空应用场景。

转载 11个MDPI投稿状态详细解析

本文详细介绍了MDPI期刊投稿的11个主要稿件状态及处理流程，包括待初审、审稿中、修改稿审稿、等待决定、待修稿、编辑决定、接收/拒稿、英文校对、作者校对、重提交和格式转换等环节。每个状态的预计处理时间从1-5天到2-3周不等，并提供了超时后的处理建议。文章特别提醒作者注意校对阶段是修改格式问题的最后机会，但不可改动论文内容。该指南可帮助投稿者了解审稿进度，合理规划时间。（149字）

原创 语言的艺术-卡耐基：第一章 敢于开口，培养勇气和自信

原创 vscode打开终端报错：无法将“xxx\anaconda\Library\shell\condabin\conda-hook.ps1”项识别为 cmdlet、函数、脚本文件或可运行程序的名称

该错误提示conda无法找到conda-hook.ps1脚本文件，原因是文件路径不正确。经检查发现D:\xxx\anaconda\Library\shell路径下缺少shell文件夹，而实际该文件夹存在于D:\xxx\anaconda目录下。将shell文件夹及其包含的conda.ps1文件移动到正确的Library路径下后，问题得到解决。这个案例说明当出现路径相关错误时，应仔细检查文件的实际存储位置，确保路径配置与系统实际目录结构一致。

原创 运动单站无源定位模型（4种情况理解）和5种经典的单站运动无源定位的方法的运动精度排序，及所需的参数

摘要：本文分析了运动单站无源定位模型的四种情况，重点探讨仅测向定位的可观测性。通过图示说明，当观测站静止时无法确定目标距离和速度（图4.23a），而当观测站进行变速、变向运动时（图4.23b），从不同位置获取的多角度观测信息可消除定位歧义性。文中用车辆与行人持望远镜观察的比喻，形象解释了动态观测如何通过"投影"变化实现唯一解定位，强调观测站运动状态对定位精度的关键影响。（149字）

原创 单站无源定位 (Single-station Passive Localization) 介绍

摘要：单站无源定位领域的关键研究进展包括：1)经典理论证明机动观测是必要条件(Nardone,1981)；2)现代非线性滤波方法中容积卡尔曼滤波(CKF)优于EKF(Arasaratnam,2009)；3)深度学习新方法利用LSTM/GRU网络直接输出目标位置(2020)或结合物理模型优化滤波器(2021)；4)伪线性估计器(PLE)通过凸优化解决非线性问题(Dogancay,2012)。研究从基础理论到SOTA方法形成了完整的技术路线。（149字）

原创 window中记事本如何反撤回，ctrl+shift+z不行

摘要：撤销操作后无法用Ctrl+Shift+Z重做时，可以尝试使用Ctrl+Y（Windows）或Cmd+Y（Mac）来恢复。Ctrl+Z用于撤销操作，而Ctrl+Y则用于重做被撤销的操作，这适用于大多数软件。使用前请确认当前程序是否支持该快捷键组合。