学习目标：了解深度学习在内窥镜图像上的研究。学习内容：深度学习在内窥镜图像研究：比赛推荐，https://endovis.grand-challenge.org/https://github.com/JunMa11/MICCAI-OpenSourcePapers工业界：将深度学习用于处理内窥镜图像的公司：https://www.magentiq.com/copy-of-products内窥镜实时A

原文出自这里提取码：7gpfB站视频：第一次讲，有很多问题，也先放在这里吧，麦克分问题，声音很小。

微软 和 IBM于 1991年 提出的资源交换的文件格式 RIFF（ resource interchange File Format）；wav 是 属于RIFF 中的一个应用实例；

音频任务前言：使用 filter Bankoutput 作为特征， 作为首选；Mel sepctgram;conformer绝对位置编码，相对位置编码选择相对位置编码；将 tranformer 中的 FC拆成两个部分，分别放在 上下 两个部位；中间加入CNN 模块...

如果是神经网络模型调试， 尝试将batch -size=1 ;pycharm 中， file–>settings -->Build, —> pythonDebugger—> Gevent compatible.

voicebox：http://www.ee.ic.ac.uk/hp/staff/dmb/voicebox/doc/voicebox/index.htmlstprtool：http://cmp.felk.cvut.cz/cmp/software/stprtool/Gammatone-like spectrogram：http://www.ee.columbia.edu/~dpwe/resource

使用pycharm 专业版，在设置解释器中，具备ssh 解释器功能；一般在本地无法调试远程端代码，机械性的scp传输文件十分影响工作效率，PyCharm的Pro支持远程Run，Debug，等可视化的功能。

梅尔频率倒谱 系数为了理解梅尔频率 倒谱系数 ， 我们需要先理解以下基本概念：mel frequencycepstrumcoefficient1. 频谱1.1声音信号是一维的时域信号，无法观察出频率随时间的变化规律。1.2频谱：如果通过傅里叶变换把它变到频域上，可以看出信号的频率分布， 即在各个频率分布上，信号的幅度值。横坐标： 频率 ；纵坐标： 幅度值；1.3时频域分析：频谱虽然可以看出信号的频

11.17 日，周末去高校参加学术会议，起因， 由于使用了某高校内的公共有线网络， 远程连接服务器后，黑客利用 ssh开放的 22 端口，篡改了主机的配置， 使得只要一连上网络， 服务器cpu 会被占满，估计被人用去挖矿。该端口开放的本意是用来pycharm 远程调试的。不同于一般的主机安装过程，服务器上一般只会使用单系统，这里以 super_mircro 超威主板 x299 为例子，安装ubun

来源于论文Pitfalls of Graph Neural Network Evaluation。包含 58 个基础的分类数据集几何，如 “IMDB-BINARY”，“PROTEINS”等；引用网络数据集，包括“Cora”，“CiteSeer”，和 “PubMed”；关系实体网络，包括“AIFB”，“MUTAG”，“BGS”，“AM”；亚马逊网络数据集，包括“computers” 和 “Photo