一些小总结，关于如何找代码+如何读懂代码，在AI时代基本都有了一些自动化的解决方案，对于cs+x的AI4S科研人员来说，是真正赶上了一个好时代

我们给损失函数加权重，一般通常是给正类样本更高的权重（因为一般数据稀缺，是阳性样本数目少），这意味着模型不会放过任何一个阳性样本，也就是说一个真实阳性样本，模型预测分为真阳性（预测对）、假阴性（预测错），模型会对后者也就是漏掉正类的惩罚变重，也就是说模型会拼命减少假阴性，严厉惩罚假阴性。真阳性率其实就是召回率（在所有ground truth为阳性的样本中，预测为模型找回为阳性的样本比例，在所有真实

之前使用的一些廉价的内网穿透的云服务容易崩，干脆写一个监控脚本能够自己重连

biomamba影像组学推文读后感

基本处理模式其实和我之前博客提到的easyspider类似，具体工具使用体验&方法另开一篇博客来讲。可视化配置+工作流+自动化执行浏览器插件。

安装开源pymol

在vscode上写latex

承接上一篇博客，如何在vscode中集成R

开一个新坑，单细胞多组学分析，预计R和python版本都会更新，与机器学习同步更新

本篇正式跨越numpy到pytorch，从理论到工程化组织，神经网络在我们眼里应该不那么神秘了，