运行直接.exe文件会默认在C盘安装，不想C盘炸的同学可以使用如下方式自定义路径在cmd窗口中跳转至刚才下载的.exe文件路径然后运行下面这行命令(将<path>替换成你需要安装的文件夹路径)运行命令后会跳转安装界面，建议勾选wsl2，之后一路继续即可。安装结束后运行 docker -v 能正常跳出版本信息即可。

首先提供一下基本数据，需要自己实现的可以下载下来，自己玩下链接：https://pan.baidu.com/s/1fWZ1T6f02OYG_C-euiMQJQ?pwd=6666提取码：6666。

尝试解决使用vscode远程连接AWS实例连接超时问题

简单来说（详细的介绍建议直接看比赛介绍，无需魔法）：就是给你2份excel表（有一份是提交模板，一份是单人第二天提交细胞清单），量分别分别记录了提供者、cell_id、gene_id、cell_type、technology,这几个数据以cell_id为key互相关联，.h5文件则记录了cell_id以及DNA，RNA，蛋白质水平（这三者通过不同的转换手段转换为了（1，n）的矩阵）。（kaggle

尝试解决使用vscode远程连接AWS实例连接超时问题

简单来说（详细的介绍建议直接看比赛介绍，无需魔法）：就是给你2份excel表（有一份是提交模板，一份是单人第二天提交细胞清单），量分别分别记录了提供者、cell_id、gene_id、cell_type、technology,这几个数据以cell_id为key互相关联，.h5文件则记录了cell_id以及DNA，RNA，蛋白质水平（这三者通过不同的转换手段转换为了（1，n）的矩阵）。（kaggle

llam2模型部署成本试核算

视频生成的提示词构成（尽量使用英文），你使用哪个底座模型就去他们的社区或者官网上找到你想要做的风格的视频（sora能看到用户的提示词，wan可以去github看他们大量的示例视频也附上了提示词），去拿到他们公开的提示词，多拿几个丢给gpt让它总结提示词构成模板然后让gpt生成优化几个版本最后再丢到工作流或者api里去抽奖，以便抽奖一边微调。1.设计风格（最好是有一些知名度高的风格如迪士尼，猎魔人，

对于机器学习，我们基本遵循三步走套路：1.收集数据并给定标签2.训练一个分类器3.测试，评估其中训练分类器，测试评估便需要用到一定的框架来实现。这里推一下学习或练手用的训练集：（度娘可以直接下，大概600M+）数据库 CIFAR-10该数据库一共有10类标签，每张图片是32*32*3大小，其中共有50000个训练数据，10000个测试数据，对于没有高算力的常规配置电脑是一个比较适合的小型库。

图像去噪，主要用于去除图像的一些噪点，从而减少乃至消除噪点对边缘检测的影响。图像降噪常见的有均值滤波，高斯滤波，中值滤波，双边滤波，引导滤波等。