工作几年，发现代码写的越久，写代码前考虑的东西越多，越小心也越慢了。如果之前总是20%编码时间需要80%时间来debug和维护，那现在当然希望debug所占的时间越少越好，在编码之前更多的构思和设计，尽可能规避可能出现的问题。不知道从什么时候开始，项目进度总是在拖着我们往前疯狂地写需求，打补丁，当脏代码越来越多，结构越来越臃肿，我们开始想起来一个叫架构的东西。然后又开始计划重构代码，甚至重新设计框

开篇吐槽​在决定使用MNN实现在线训练之前，也比较了TNN/NCNN，但是发现目前各大端侧推理引擎的训练框架都不成熟，半斤八两的状态，可能都把精力放在在线预测和op支持上，但是端侧训练的需求真的少么？fine-tune在端侧应用难道不是刚需？查了下NCNN关于训练框架的文档或教程几乎没有，移植到端侧应用的更是没找到案例，NCNN发布几年至今没有完善的官方文档，目前只有github里的几个关于编译和

开篇吐槽​在决定使用MNN实现在线训练之前，也比较了TNN/NCNN，但是发现目前各大端侧推理引擎的训练框架都不成熟，半斤八两的状态，可能都把精力放在在线预测和op支持上，但是端侧训练的需求真的少么？fine-tune在端侧应用难道不是刚需？查了下NCNN关于训练框架的文档或教程几乎没有，移植到端侧应用的更是没找到案例，NCNN发布几年至今没有完善的官方文档，目前只有github里的几个关于编译和

开篇吐槽​在决定使用MNN实现在线训练之前，也比较了TNN/NCNN，但是发现目前各大端侧推理引擎的训练框架都不成熟，半斤八两的状态，可能都把精力放在在线预测和op支持上，但是端侧训练的需求真的少么？fine-tune在端侧应用难道不是刚需？查了下NCNN关于训练框架的文档或教程几乎没有，移植到端侧应用的更是没找到案例，NCNN发布几年至今没有完善的官方文档，目前只有github里的几个关于编译和

What通常一个模型训练时有多个目标函数loss同时训练就可以叫多任务学习，预测时输出多个结果的模型就是多任务模型Why工业界实际应用时维护单个模型比同时维护k个模型更方便，成本更低提高泛化性能How思路1：手工加权平均基本思想：对于多任务的loss，最简单的方式是直接将loss函数对于每个任务的loss进行加权- 这种方式手工设置权重，模型性能对权重的选择非常敏感，而且loss的权重作为超参数进

目录图形学基础知识材质和材质实例概念动态材质实例概念材质细节面板关键参数PBR基础(Physically based rendering)材质节点基础参数材质图表的计算节点使用贴图制作PBR材质玻璃&水材质制作（初级）角色皮肤、毛发材质制作（初级）材质函数材质UV计算技巧材质常用属性设置&节点后处理材质基础图形学基础知识除了自发光物体，成像皆由视网膜接收物体各尺度平面反射的光线构成

本文记录本人MacOS虚拟机下搭建Qt for ios开发环境全过程，全图解展示。。。-----------------------------------------------------------------------------------------------------------环境搭建准备：1.虚拟机：VMware Workstation 102.VMware

1.首先在虚拟机里面关闭Ubuntu系统，如下图所示： 2. 在VMware里点击菜单VM——>Settings...，如下图： 3.然后弹出“Virtual Machine Settings”对话框，如下图： 4.在上图的"Hardware"里面单击底下的Add按钮，如下图： 5.将会弹出“Add Hardware Wizard”对话框，如下图： 6.选中

异常检测算法 & PyoD算法库一般情况下，可以把异常检测看成是数据不平衡下的分类问题。但在现实情况中，异常检测问题往往是没有标签的，训练数据中并未标出哪些是异常点，因此必须使用无监督学习。引入PyOD库, 提供20多种异常值检测算法的APIpip install pyod前人经验:（来自zhihu/csdn）1. 不存在普遍意义上的最优模型，不过有些模型的表现一直不错，建议优先考虑。对于

一、安卓BLE的广播包数据从哪获取？通常，安卓APP读写BLE设备的数据都是建立连接后通过GATT获取或修改。但是，BLE设备向外广播时本身会携带一部分有用信息，如将传感数据存放到广播包的自定义数据段，最近接触的一个iBeacon/EddyStone整合项目便是类似，因此为了提取广播包进行解析，首要问题就是安卓APP如何获取广播数据。      其实，安卓蓝牙在扫描设备后，回调方法 onL