目录
一、问题
二、问题分析
（一）此类错误的常见排查方法
1、检查MySQL配置文件
2、检查权限问题
3、检查系统资源
4、查看系统日志
5、检查MySQL错误日志
6、重新启动MySQL服务
7、手动启动MySQL服务
8、检查PID文件
9、修复权限
10、检查MySQL版本兼容性
11、使用MySQL内置命令
（二）结合实际情况分析
1、实情分析
2、验证
三、问题解决
（一）停掉以前的mysql进程
（二）重启mysql
（三）验证问题解决
一、问题 Centos系统中新安装了mysql数据库，完成后，使用命令启动mysql，如下：
service mysql start
发现出现如下图所示的错误：
二、问题分析 （一）此类错误的常见排查方法 MySQL服务在尝试启动时遇到了报错，如下：
Starting MysQL...[ERROR] The server quit without updating PID file
这个报错信息的意思是MySQL服务器在尝试启动时遇到了问题，并且未能正常地更新PID（进程ID）文件。这个PID文件是用于存储MySQL服务器进程ID的文件，用于确保系统管理员或其他工具可以轻松地识别MySQL服务器进程，并在需要时对其进行管理。
解决这个问题需要根据实际情况来处理，常规有如下方法和步骤：
1、检查MySQL配置文件 首先检查MySQL的配置文件my.cnf或my.ini（通常位于/etc/mysql/my.cnf或/etc/my.cnf），确认配置是否正确，特别是[mysqld]部分。
2、检查权限问题 确保运行MySQL服务的用户有足够的权限来写入PID文件所在的目录。
3、检查系统资源 检查是否有足够的系统资源（如内存、CPU）来启动MySQL服务。
4、查看系统日志 查看系统日志（如/var/log/syslog或/var/log/message）以获取MySQL启动时的详细错误信息。
5、检查MySQL错误日志 MySQL通常会在/var/log/mysql/error.log（路径可能因安装而异）中记录错误信息。检查这个文件以获取更多线索。
6、重新启动MySQL服务 使用命令：
service mysql restart或systemctl restart mysqld
来重新启动MySQL服务。具体哪个命令，取决于你的系统使用的是System V还是Systemd，
7、手动启动MySQL服务 尝试手动启动MySQL服务，看看是否有更详细的错误信息。可以使用mysqld命令，加上--verbose或-v参数来获得详细输出。
8、检查PID文件 即使服务没有成功启动，有时也可能产生一个空的PID文件。检查这个文件（通常位于/var/run/mysqld/mysqld.pid）是否为空或不存在。
9、修复权限 如果PID文件所在目录的权限不正确，使用chown和chmod命令来修复权限。
10、检查MySQL版本兼容性 如果最近升级了MySQL，确保升级后的版本与你的系统兼容。
前言 云计算是一种基于互联网的计算模式，通过网络提供按需访问的计算资源和服务。核心概念是把计算能力视作一种公共资源，用户可以根据自身需求动态分配和管理这些资源。
云主机 ECS (Elastic Compute Server)是一种按需获取的云端服务器，提供高可靠、弹性扩展的计算资源服务，用户可以根据需求选择不同规格的CPU、内存、操作系统、硬盘和网络来创建云主机，满足个性化业务需求。
本篇文章以移动云云主机为例，实现本地访问云主机，以及在云主机搭建FTP站点。
简单了解 1：本地访问云主机 本地远程云主机的工作原理就是通过互联网，将用户的请求发送到云服务提供商的服务器，由服务器进行处理，并将结果返回给用户。
2：在云主机上搭建FTP站点 在云主机上创建FTP站点的原理其实和在物理服务器上创建FTP站点的原理是一样的，只是底层的硬件资源是由云服务提供商动态分配和管理的。
创建实例 1.领取云主机 进入移动云的官网，根据自身需求选择一台云主机
2．完成相关配置，确认订单 往下滑动页面，完成相关配置，首次申请会免费创建一条默认VPC以及默认安全组default，创建完成后，移动云也会进行短信告知。
网络配置
安全组配置
3． 订单完成之后可以进入管理控制台查看实例 管理实例 可以点击新手须知，查看新手试用手册
点击远程登录，可以实现VNC登录
点击更多，可以对实例进行相关配置
选中实例，即可进行开机/关机/重启等操作
安全组管理 或者在管理控制台直接找到 安全组
进入云网络控制台
选中安全组，然后点击“一键放通”，即可开放默认的常见端口（windows默认远程访问端口3389）
常用的安全组端口可参考官方文档
点击确定后可以在 入向规则 和 出项规则 中查看端口状态
方向：入向规则/出向规则。 • 入向规则是指外部向云主机发送数据包，比如外部ping云主机，或是云主机下载文件等。
• 出向规则是云主机向外部发送数据包，比如云主机ping外部地址，或是云主机向外传输网页内容等。
• 安全组用于流量出和入双向控制，用户如果有安全组内虚机与其他网络互通的需求，需要配置从安全组流出流量的规则以及从外部流入安全组流量的规则。默认情况下，新创建一个安全组会自带两条默认规则，允许安全组内的所有流量流出，用户只需要进行流入流量的配置。
• 用户选择流入或者流出，授权类型和授权范围都需要填写对端地址。
访问云主机 方式一 VNC登录 在云主机控制台点击 “远程登陆”，在弹窗中选择 “立即登录”，此时可以进行 “重置密码”
进入登陆页面后，需要试用组合键 Ctrl+Alt+Delete·进行解锁，当然也可以直接点击“发送Ctrl+Alt+Delete” 进行解锁
弹出提示，选择“确定”
对于Linux云主机，默认用户名是root； 对于Windows云主机，默认用户名是Administrator。
购买云主机时设置的密码，就可以登录用户购买的云主机；也可以“重置密码”，用新密码进行登录
密码重置成功后，回到登录页面，输入新密码（输入密码时，可以进行键盘输入，也可以选择复制粘贴命令）
进入桌面
同样的，点击发送远程命令或者直接使用组合键 Ctrl+Alt+Delete ，会出现以下界面
桌面右击
方式二 本地机访问云主机 1.
kafka是一个分布式流媒体平台，它可以处理大规模的数据流，并允许实时消费该数据流。在实际应用中，我们需要动态控制kafka消费速度，以便处理数据流的速率能够满足系统和业务的需求。本文将介绍如何在kafka中实现动态控制消费速度的方法。
1.消费者配置
在Kafka中，消费者可以使用以下参数控制消费速度：
fetch.min.bytes - 当有新数据可用时，消费者从kafka获取数据的最小字节数。如果设置得太小，消费者将不得不频繁地拉取数据，这可能会影响消费速度。如果设置太大，则消费者可能会等待太长时间才能获取数据。
fetch.max.wait.ms - 消费者等待新数据到达的最大时间，以毫秒为单位。如果在此时间内没有获取到数据， 消费者将返回一个空记录集。如果设置得太小，则 消费者可能会频繁地请求数据，这可能会影响消费速度。如果设置得太大，则当Kafka中有数据可用时，消费者可能会等待太长时间。
max.poll.records - 消费者从Kafka获取的最大记录数。这是控制消费速度的另一个参数。如果设置得太小，则消费者可能会经常请求数据，这可能会影响消费速度。如果设置得太大，则可能会导致消费者在处理多条记录时所需的时间过长。
下面是一个使用上述参数的示例消费者的配置：
Properties props = new Properties();
props.put("bootstrap.servers", "localhost:9092");
props.put("group.id", "test-group");
props.put("enable.auto.commit", "true");
props.put("auto.commit.interval.ms", "1000");
props.put("fetch.min.bytes", "1024");
props.put("fetch.max.wait.ms", "500");
props.put("max.poll.records", "100");
props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
人工智能（AI）的安全问题，正以前所未有的关注度在全球范围内被讨论。
日前，OpenAI 联合创始人、首席科学家 Ilya Sutskever 与 OpenAI 超级对齐团队共同领导人 Jan Leike 相继离开 OpenAI，Leike 甚至在 X 发布了一系列帖子，称 OpenAI 及其领导层忽视安全而偏爱光鲜亮丽的产品。这在业界引起了广泛关注，在一定程度上凸显了当前 AI 安全问题的严峻性。
5 月 21 日，图灵奖得主 Yoshua Bengio、Geoffrey Hinton 和姚期智联合国内外数十位业内专家和学者，在权威科学期刊 Science 上刊文，呼吁世界各国领导人针对 AI 风险采取更有力的行动，并警告说，“近六个月所取得的进展还不够”。
他们认为，AI 的无节制发展很有可能最终导致生命和生物圈的大规模损失，以及人类的边缘化或灭绝。（点击查看详情）
在他们看来，AI 模型的安全问题，已经上升到足够威胁人类未来生存的水平。
同样，AI 模型的安全问题，也已经是可以影响每一个人、每一个人都有必要关心的话题。
**5 月 22 日，注定是人工智能史上的一个重大时刻：**OpenAI、谷歌、微软和智谱AI 等来自不同国家和地区的公司共同签署了前沿人工智能安全承诺（Frontier AI Safety Commitments）；欧盟理事会正式批准了《人工智能法案》（AI Act），全球首部 AI 全面监管法规即将生效。
再一次，AI 的安全问题在政策层面被提及。
人工智能首尔峰会“宣言”
在以“安全、创新、包容”为议题的“人工智能首尔峰会”（AI Seoul Summit）上，来自北美、亚洲、欧洲和中东地区的 16 家公司就 AI 开发的安全承诺达成一致，共同签署了前沿人工智能安全承诺，包括以下要点：
确保前沿 AI 安全的负责任治理结构和透明度；
基于人工智能安全框架，负责任地说明将如何衡量前沿 AI 模型的风险；
建立前沿 AI 安全模型风险缓解机制的明确流程。
图灵奖得主 Yoshua Bengio 认为，前沿人工智能安全承诺的签署“标志着在建立国际治理制度以促进人工智能安全方面迈出了重要一步”。
目录
一.下载安装MySQL
1.在MySQL官网上下载。
2.上传MySQL到centos虚拟机上
3.解压并安装MySQL 二.安装配置Hive
1.下载hive
2.上传hive到虚拟机中
3.解压Apache-hive配置环境变量
1.解压Apache-hive
2.配置环境变量
4.配置hive的配置文件
1.配置hive-env.sh文件
2.配置hive-site.xml文件
5.解压mysql的jar包驱动
1.解压jar包
2.移动jar包到hive的目录下
6.格式化hive
7.启动hive
一.下载安装MySQL 1.在MySQL官网上下载。 1.搜索MySQL的官网，也可以点击https://www.mysql.com/进入MySQL的官网页面。 2. 进入页面后点击 downloads，进入下载页面
3.进入到 downloads界面后往下拉页面，选择MySQL Community Downloads
4.进入MySQL的社区下载，下载MySQL和jar包，需要注意的是hive的配置MySQL
的jar包，这里一并下载。
下载MySQL
点击 MySQL Community Server
进入页面后显示的是MySQL的最新版本，最新版本往往在自己的项目中会导致一些
问题，比如：jar包不全，版本冲突等。这里我们选择下载的是MySQL的8.0.26。这个与
我们所要搭配的Hive-3.1.3的版本是兼容的。
点击Archives，这里可以选择MySQL的旧版本。
进入到Archives界面后选择响应的版本系统，选择8.0.26版本，系统选择红帽
选择好版本后我们点击下载我们的MySQL版本
注：这里面下载文件最大的那一个版本，这里面包含了下面的文件，是这一版本
MySQL软件包的总和。
点击download下载，这里需要注意的是有的浏览器下载的时候会弹出是否需要帮助
的页面，只需要点击左下角不需要帮助就行了。
下载jar包(如果只是安装MySQL的不用下载jar包)
回到之前的MySQL社区下载的界面选择MySQL的jar
进入jar的界面选择 Archives，进到Archives界面后这次选择
2.上传MySQL到centos虚拟机上 点击Xftp 7连接我们的虚拟机
这里的Xftp 7我们可以在Xftp 7可以在官网上自行下载，这里就不阐述具体的下载了
3.解压并安装MySQL 1. 进入到我们的centos虚拟机，找到我们上传到文件目录下，这里的目录可以随意选择
在上传的过程中，我们默认放在/opt目录下用来管理安装的包
2.使用命令解压我们的MySQL安装包
解压命令为：
tar -xvf mysql-8.0.26-1.el7.x86_64.rpm-bundle.tar
这里如果想要将其解压到别的文件夹下可以使用
tar -xvf mysql-8.0.26-1.el7.x86_64.rpm-bundle.tar -C [所要存放的目录] 这里就解压到我们当前的目录下，需要注意的是解压出来是多个文件，所以放在一
思路：中国地图画两遍，截取响相应经纬度范围的区域
难点：中国海岸线以及南海岛屿等数据的准确性
解决思路：在阿里云上获取中国地图的json文件，离线转成shp文件（网上有教程，也可留言获取）
效果图：
import matplotlib.pyplot as plt import cartopy.crs as ccrs from cartopy.io import shapereader import cartopy.feature as cfeature #新建图层 fig = plt.figure(figsize=(15,15)) ax = fig.add_subplot(111,projection=ccrs.PlateCarree()) #绘制中国地图 shp_path = r'D:\ERA5\shp\中国\中国.shp' reader = shapereader.Reader(shp_path) for record in reader.records(): ax.add_geometries([record.geometry],ccrs.PlateCarree(),facecolor='none') ax.add_feature(cfeature.RIVERS.with_scale('50m'))# 添加河流，湖泊 ax.add_feature(cfeature.LAKES.with_scale('50m')) ax.set_extent([73, 135, 13, 55]) #绘制南海子图 sub_ax = fig.add_axes([0.764, 0.22, 0.15, 0.15], projection=ccrs.PlateCarree()) for record in reader.records(): sub_ax.add_geometries([record.geometry],ccrs.PlateCarree(),facecolor='none') sub_ax.set_extent([105,125,0,25], crs=ccrs.PlateCarree()) plt.show()
页面结构代码：
address-form.vue --->新建地址和修改地址页面
<template> <view class="content"> <form> <!-- 表单内容 --> <view class="form-item"> <text class="label">收货人</text> <input class="input" placeholder="请填写收货人姓名" v-model="form.receiver" /> </view> <view class="form-item"> <text class="label">手机号码</text> <input class="input" placeholder="请填写收货人手机号码" v-model="form.contact" /> </view> <view class="form-item"> <text class="label">所在地区</text> <picker @change="onRegionChange" class="picker" mode="region" :value="form.fullLocation.split(' ')" > <view v-if="form.fullLocation">{{ form.fullLocation }}</view> <view v-else class="placeholder">请选择省/市/区(县)</view> </picker> </view> <view class="form-item"> <text class="label">详细地址</text> <input class="input" placeholder="街道、楼牌号等信息" v-model="form.address" /> </view> <view class="form-item"> <label class="label">设为默认地址</label> <switch @change="onSwitchChange" class="switch" color="#27ba9b" :checked="form.isDefault === 1"
--no --no，去除画面中的某些元素。官方示例如下：
注意点：
1.--no参数，大部分的时候都可以去除你想要的东西，但也有失效的时候。例如在mj的刻板印象中，某个画面就必须包含某种元素，就很难通过--no去除这种元素，此时可以试用局部重绘。
2.--no参数后可以更多个条目，条目之间用逗号隔开，比如--no fruit,dog 就可以为生成的图去掉“水果”和“狗”两种元素。
3.局部重绘时，不想要重绘后的图出现某种元素也可以用--no.
--quality 写为--quality 或 --q，用来改生成图像要花的时间，只有0.25,0.5,1三个可选，比1大的数会向下取整为1。值越大，细节越丰富，生成图像要用的时间越长，但是不会影响到图片的分辨率。
以下是官方的示范：
注意点：
1.--q的默认值就是1，也就是说mj是默认生成细节最多的图的，如果想要更丰富的细节，可以在指令中加上intricate details等提示词。
2.个人经验，如果只是测试某条指令的效果好不好，可以调低q值，好让mj更快给你生成图片。
--repeat 写为--repeat或--r，主要用来重复任务，只能在--fast模式下用。
比如 a cat --repeat 2，mj就会有两个指令为 "a cat"任务在跑图。
还可以排列组合你想要的元素，用{}隔开想组合的元素就行，举例：
输入 /imagine a {white,black} robot {dog,cat}
会执行以下4个任务
a white robot dog
a white robot cat
a black robot dog
a black robot cat
--seed 就是种子，可以理解为图片的身份证。有了这个身份证，每次生成的图片就相似。
以下是官方的示范，由于使用了同一个seed,跑了三次都是一样的。
你也可以为生成的图片指定seed，写完图片指令后，加上--seed id就行，id自己指定，取值范围是[0,4294967295]，就是0到2的32次方，大概42亿多。
以下是官方示范的用法：
注意点：
1.不同账号之间不能通过seed传图，但同一账号间的不同服务器/频道传图。
2.查看seed的方法
右键，然后点击小信封，
就会看到mj机器人给你发的消息，点开就能看到seed
--stop --stop用来提前停止做图。取值范围是[10,100]，即可以在任务完成10%到100%间的任意时刻停止做图。默认值为100。
以下是在不同百分比时停止任务时的图像变化，图源官方：
注意点：
1.Upscaling的任务下，--stop参数不可用。
2.个人经验：一般会在fast剩余时间快用完或者出图慢的时候用这种参数，提前看看指令的大概效果，会比较节约时间。
3.stop的任务目前本人还没找到让它继续的方法。
--style raw 可以使用另一种模型的作画风格，对图像的美化更少。
C#中多线程Task详解 1.常用多线程创建方式比较1.1Thread方式1.2ThreadPool方式1.3 Task方式1.4 Task方式介绍1.5 什么时候使用多线程 2.Task创建任务的几种方式2.1 Task task = new Task2.2 Task task1 = Task.Run最常用2.3 Task task2 = Task.Factory.StartNew 实例化工厂2.4 Task有返回值的创建方式 3.委托方式与lambda方式4.Task常用的API4.1 实例方法.wait()4.2 实例方法.ContinueWith()4.3 静态方法，Task.WaitAll4.4 静态方法Task.WaitAny4.4 任务工厂Task.Factory.ContinueWhenAll4.4 任务工厂Task.Factory.ContinueWhenAny4.5 Thread.Sleep与Task.Delay的区别 5.Task任务取消5.1 任务取消常见方式5.2 延时取消5.3 任务取消触发回调函数5.4 多个任务共同取消 6.线程同步、异步6.1 线程同步6.1.1 lock方法6.1.2 monitor类 6.2 线程异步6.2.1 控制台应用async和await6.2.2 Winfrom界面async和await 6.3 异步并发 7.线程调试方法7.1 多线程界面调试方法7.2 多线程界面调试实操 8.多线程异常处理8.1 单线程异常与多线程异常比对8.2 单线程与多线程案列8.3 多线程异常捕捉与处理8.4 多线程中多个异常捕获 8.总结 参考文章： 一文带你搞懂C#多线程的5种写法
C# 中的多线程实现方式
C# Task的各种用法和详解(推荐,精)
C# Task和async/await详解
C#多线程和异步（二）——Task和async/await详解
多线程之Task（任务）
C#中的多线程Task
async/await异步和Task多线程您真的明白了吗？
谈谈C#多线程开发：并行、并发与异步编程
c#： 异步代码是如何解决高并发问题的？async/await、Task、IOCP/epoll
C#多线程调试
目录
一、MySQL数据库
1、简介
2、优点
2-1、开源和免费
2-2、高性能
2-3、可扩展性
2-4、易用性
2-5、灵活性
2-6、安全性和稳定性
2-7、丰富的功能
2-8、结合其他工具和服务
2-9、良好的兼容性和移植性
3、缺点
3-1、对大数据的支持有限 3-2、缺乏全文索引
3-3、缺乏地理空间数据支持
3-4、存储引擎的局限性
3-5、配置和管理复杂性
3-6、安全性问题
4、应用
4-1、Web应用开发
4-1-1、动态网站
4-1-2、内容管理系统(CMS)
4-2、企业应用
4-2-1、企业资源规划(ERP)
4-2-2、客户关系管理(CRM)
4-3、数据分析与数据挖掘
4-3-1、数据仓库
4-3-2、数据挖掘与机器学习
4-4、游戏开发
4-4-1、在线游戏
4-4-2、游戏统计与分析
4-5、移动应用开发
4-5-1、后端数据存储
4-5-2、用户认证与授权
4-6、物联网(IoT)
4-6-1、设备数据存储
4-7、电子商务
4-7-1、购物车与订单管理
4-7-2、库存管理与物流跟踪
4-8、金融与银行业
4-8-1、账户管理
4-8-2、风险管理
5、安装及配置
5-1、版本选择
5-2、下载MySQL 8.0
5-3、安装MySQL 8.0
5-4、配置MySQL 8.0
二、推荐阅读 1、Python函数之旅
2、Python算法之旅
3、博客个人主页
一、MySQL数据库 1、简介 MySQL是一个关系型数据库管理系统(Relational Database Management System，RDBMS),由瑞典MySQL AB公司开发，现在属于Oracle旗下产品，是最流行的关系型数据库管理系统之一，尤其在WEB应用方面，它是最好的RDBMS应用软件之一。
2、优点 2-1、开源和免费 MySQL是一个开源项目，这意味着任何人都可以查看、修改和使用其源代码，它提供了免费的社区版，为开发者和初创企业提供了低成本的解决方案。
2-2、高性能 MySQL经过优化，能够处理大量的数据和高并发的访问请求，它支持多种存储引擎，如InnoDB(支持事务处理和外键)、MyISAM(高性能全文搜索)等，可以根据不同的应用需求选择合适的存储引擎。
2-3、可扩展性 MySQL支持分布式架构，可以通过分库分表、读写分离等方式实现水平扩展，它还提供了集群和复制功能，可以确保数据的高可用性和容错性。
目录 一、实验目的二、实验内容和要求三、实验步骤1、建立数据表2、建立数据源视图3、建立挖掘结构Student.dmm4、部署项目并浏览结果5、挖掘模型预测 四、实验结果分析五、实验总结体会 一、实验目的 通过本实验，进一步理解基于划分的、基于层次的、基于密度的聚类分析方法以及经典的聚类分析算法，并掌握利用 SQL Server 等工具平台进行聚类分析的方法，掌握挖掘结构、挖掘模型的基本概念，能够使用数据挖掘向导创建数据挖掘结构和模型，掌握数据挖掘设计器的使用方法，掌握模型查看器方法 ，理解聚类分析算法常用的参数含义和设置方法。
二、实验内容和要求 针对实际需求，构建格式规范的数据集，并能够借助于 SQL Server、Weka、SPSS 等工具平台，利用 K-means 等聚类分析算法进行聚类分析，正确分析实验结果，发现知识，完成实验报告。
三、实验步骤 以下是参照示例：以 SQL Server 作为工具，完成数据集的构建和聚类分析。——以下内容，仅供参考！
1、建立数据表 启动SQL Server，在DM数据库中建立一个Student表，其结构如下，并输入示例数据。
2、建立数据源视图 新建一个 Analysis Services 项目 ClusterMining。建立数据源视图，它对应DM数据库中的Student表。
3、建立挖掘结构Student.dmm 新建挖掘结构，在“创建数据挖掘结构”页面的“您要使用何种数据挖掘技术？”选项下，选中列表中的“Microsoft聚类分析”。
选择数据源视图为DM。
在“指定表类型”页面上，在Student表的对应行中选中“事例”复选框，并单击下一步按钮。
在“指定定型数据”页面中，将“学号”列设为键列，把其它所有列设为输入列。
在“创建测试集”页面上，“测试数据百分比”选项的默认值为30%，将该选项更改为0.
在完成向导页面的“挖掘结构名称”和“挖掘模型名称”中，都输入Student。
在“挖掘模型”选项卡中设置算法的参数如下图所示。
4、部署项目并浏览结果 先处理（部署）、再浏览。
在挖掘模型查看器中，浏览聚类分析的结果。
5、挖掘模型预测 （1）单击“挖掘模型预测”选项卡，再单击“选择输入表”对话框中的“选择事例表”命令，指定DM数据源视图中的Student表。
（2）保持默认的字段连接关系，将Student表中的各个列拖放到下方的列表中，选中最后一行下面的空白行字段前面的“源”，从下拉列表中选择“预测函数”选项，并设置字段为Cluster。
（3）在任一空白处右击，并在下拉菜单中选择“结果”，出现如下所示的分类结果。
四、实验结果分析 1、分类关系图
（1）所有链接
（2）最强链接
2、分类剖面图
3、分类特征
4、分类对比
（1）“分类1”VS“非分类1”
（2）“分类1”VS“分类2”
五、实验总结体会 通过数据挖掘聚类分析实验，积累了许多宝贵的经验。首先，我认识到对数据进行深入理解是取得成功的关键。在开始实验之前，我仔细分析了数据的结构、特征和可能存在的异常或缺失值等情况。这样的数据理解使我能够更好地选择合适的分析方法，并取得更好的结果。其次，在进行聚类分析之前，特征选择和预处理是不可或缺的步骤。通过特征选择，我能够提高模型的性能并降低计算复杂性。而预处理则可以使数据更加干净、一致，从而减少对聚类结果的影响。
选择合适的算法是成功实现聚类分析的重要因素。我研究了各种聚类算法，包括K均值、层次聚类和DBSCAN等。每种算法都有其适用的场景和限制，所以我根据实际情况选择了最合适的算法。这样做可以确保我的聚类结果更加准确和可靠。然后，我意识到结果的解释和评估是聚类分析中不可或缺的步骤。聚类分析的结果不仅仅是一组类别标签，更重要的是对这些类别的解释和理解。最后，我意识到持续学习和改进是取得优秀成绩的关键。数据仓库与数据挖掘是一个不断发展和变化的领域，需要不断学习新的方法和算法。通过不断尝试新的技术和流程，我能够不断优化实验流程，并取得更好的结果。
总的来说，进行数据仓库与数据挖掘的聚类分析实验是一个充满挑战但又充满乐趣的过程。通过深入理解数据、选择合适的算法、进行特征选择和预处理、解释和评估结果，以及持续学习和改进，我相信我能够不断提高我的数据分析技能，并在这个领域取得更出色的成果。
报错如下：
[ 2% 2/78] Verify system/netd/server/aidl_api/netd_aidl_interface/4 files have not been modified
FAILED: out/soong/.intermediates/system/netd/server/netd_aidl_interface-api/checkhash_4.timestamp
if [ $(cd ‘system/netd/server/aidl_api/netd_aidl_interface/4’ && { find ./ -name “*.aidl” -print0 | LC_ALL=C sort -z | xargs -0 sha1sum && echo 3; } | sha1sum | cut -d " " -f 1) = $(read -r <‘system/netd/server/aidl_api/netd_aidl_interface/4/.hash’ hash extra; printf %s $hash) ]; then touch out/soong/.intermediates/system/netd/server/netd_aidl_interface-api/checkhash_4.timestamp; else cat ‘system/tools/aidl/build/message_check_integrity.txt’ && exit 1; fi
###############################################################################
# ERROR: Modification detected of stable AIDL API file #
文章目录 前言一、Maven介绍二、下载三、安装四、配置环境变量五、验证六、maven配置配置本地仓库配置远程仓库 七、maven的常用命令总结 前言 Maven是一个项目管理和构建自动化工具，主要服务于基于Java的软件项目。是我们WEB开发过程中必不可少的工具。
一、Maven介绍 Maven是一个项目管理和构建自动化工具，主要服务于基于Java的软件项目。它使用一个名为POM（Project Object Model，项目对象模型）的XML文件来描述项目的构建过程、依赖关系和其他配置信息。Maven能够使项目构建过程更加标准化，简化项目管理工作。
maven的特点如下：
依赖管理：Maven通过中央仓库来管理项目依赖，自动处理依赖的传递性问题，确保项目构建时依赖的正确性和一致性。
项目信息管理：Maven使用POM文件来描述项目的基本属性，包括项目名称、版本、开发者信息、许可证等。
标准化构建生命周期：Maven定义了一系列的构建生命周期阶段，如clean、compile、test、package和deploy，这些阶段可以被自动化执行。
插件和目标：Maven拥有丰富的插件生态系统，每个插件可以执行特定的任务。插件可以绑定到生命周期的特定阶段，以实现复杂的构建逻辑。
跨平台：Maven可以在多种操作系统上运行，因为它是基于Java开发的。
可扩展性：用户可以编写自定义插件来扩展Maven的功能。
继承和聚合：Maven支持项目继承，允许创建层次结构的项目结构。此外，它还支持多模块项目（聚合）的构建。
Maven是Java开发者常用的工具之一，它帮助开发者从繁琐的项目配置和管理中解放出来，专注于代码开发和业务逻辑实现。
二、下载 访问官网进行下载，官网地址：https://maven.apache.org/download.cgi
点击超链接进行下载，最新版本Maven
如果下载历史版本的可以点击 Release Notes，往下滑找到自己想下载的版本。
三、安装 安装maven是有前置条件的，如下：
最主要的就是要求已经安装了JDK，并且有JDK版本限制。我安装的3.9.6版本的maven，要求JDK8或以上的。如果不知道如何安装JDK可以参考之前的文章。MacOS安装JDK8
下载完成后，双击解压
解压后，目录如下：
将文件夹 apache-maven-3.9.6拷贝或移动至系统目录 /usr/local（可以自定义文件夹路径，到时候需要配置环境变量需要用到）
打开终端，输入命令 sudo mv 然后将 downloads 中的 apache-maven-3.9.6 文件夹拖进来
然后补充后面路径 /usr/local
完整命令如下：
sudo mv /Users/Zhuanz1/Downloads/apache-maven-3.9.6 /usr/local 输入命令，查看文件夹
cd /usr/local 输入命令 ll 查看，apache-maven-3.9.6
四、配置环境变量 打开终端，输入命令
sudo vim ~/.bash_profile 然后按【 i 】键 进入编辑模式
在结尾添加Maven配置
export MAVEN_HOME=/usr/local/apache-maven-3.9.6 export PATH=$PATH:$MAVEN_HOME/bin 然后按【 esc 】键 退出编辑模式
一.何为Java时间戳 在Java中，时间戳通常指的是自1970年1月1日午夜（UTC）以来的毫秒数。
这个概念在Java中主要通过java.util.Date类和java.sql.Timestamp类来表示
而在Java 8及以后的版本中，引入了新的日期时间API，即java.time包，提供了更多的功能和灵活性。
二.获取当前时间戳 1.使用System.currentTimeMillis()方法 long currentTimestamp = System.currentTimeMillis(); 2. 使用java.util.Date 类 java.util.Date类可以用来表示特定的瞬间，它包含了自1970年1月1日午夜（UTC）以来的毫秒数。
// 创建一个Date对象表示当前时间 Date now = new Date(); long timestamp = now.getTime(); // 获取时间戳 // 从一个已知的时间戳创建Date对象 long timestamp = ... // 假设你有一个时间戳 Date date = new Date(timestamp); 3. 使用java.sql.Timestamp 类 java.sql.Timestamp类是java.util.Date的一个子类，它提供了更高精度的时间表示，包括纳秒
// 创建一个Timestamp对象表示当前时间 Timestamp now = new Timestamp(System.currentTimeMillis()); // 从一个已知的时间戳创建Timestamp对象 long timestamp = ... // 假设你有一个时间戳 Timestamp ts = new Timestamp(timestamp); 4.Java 8中的 java.time 包 Java 8引入了一个新的日期时间API，提供了更好的处理日期和时间的类。其中，Instant类可以用来表示时间戳。
文章目录
引言
人物介绍
突出贡献 专业名词解释
引言 今天下午闲来无事翻阅了一下csdn首页的头条文章——《27 岁天才创始人 Joel Hellermark 分享了自己和“AI 教父” Geoffery Hinton 的最新采访》
感觉挺有意思，就从头到尾的看了一遍，里面有很多自己以前从未涉及到的知识，就浅显的整理了一下：
人物介绍 杨立昆（Yann LeCun）、杰弗里·欣顿（Geoffrey Hinton）和约书亚·本希奥（Yoshua Bengio）
被业内称为“当代人工智能三教父”
杨立昆（Yann LeCun），在法国皮埃尔和玛丽·居里大学获得计算机科学博士学位。现任纽约大学柯朗数学科学研究所Silver冠名教授、Facebook公司人工智能首席科学家、副总裁。他获得了包括美国工程院院士、IEEE神经网络先锋奖（IEEE Neural Network Pioneer Award）等一系列荣誉。他还是纽约大学数据科学中心的创始人，与约书亚·本希奥一起担任加拿大先进研究院机器与大脑学习项目的主管。
杰弗里·欣顿（Geoffery Hinton），在爱丁堡大学获得人工智能博士学位。现任谷歌公司副总裁、工程研究员，多伦多人工智能矢量研究所首席科学顾问、多伦多大学名誉教授。他是加拿大先进研究院神经计算和自适应项目（Neural Computation and Adaptive Perception Program）的创始人，还获得了加拿大最高荣誉勋章（Companion of the Order of Canada）、英国皇家学会成员、美国工程院外籍院士、人工智能国际联合会（IJCAI）杰出研究奖等一系列荣誉。2017年被彭博社（Bloomberg）评为改变全球商业格局的50人之一。
约书亚·本希奥（Yoshua Bengio），在加拿大麦吉尔大学取得计算机博士学位。现为加拿大蒙特利尔大学教授、加拿大数据定价中心主任（IVADO）、蒙特利尔学习算法研究中心（Mila）科学主任、加拿大先进研究院主任。他还与杨立昆一起担任加拿大先进研究院机器与大脑学习项目的主管。他创建了目前世界上最大的深度学习研究中心——蒙特利尔学习算法研究中心，使蒙特利尔成为世界上人工智能研究最为活跃的地区之一，引来大批公司和研究室入驻。
突出贡献 三位科学家发明了深度学习的基本概念，在实验中发现了惊人的结果，也在工程领域做出了重要突破，帮助深度神经网络获得实际应用。
Hinton 最重要的贡献来自他1986年发明反向传播的论文 “Learning Internal Representations by Error Propagation”；1983年发明的玻尔兹曼机（Boltzmann Machines），以及2012年对卷积神经网络的改进。
Hinton 和他的学生 Alex Krizhevsky 以及 Ilya Sutskever 通过 Rectified Linear Neurons 和 Dropout Regularization 改进了卷积神经网络，并在著名的 ImageNet 评测中取得了很好的成绩，在计算机视觉领域掀起一场革命。
目录 一、C++的背景及简要介绍1.1 什么是C++1.2 C++发展史1.3 C++的重要性 二、C++关键字三、命名空间2.1 命名空间定义2.2 命名空间使用 四、C++输入 & 输出 一、C++的背景及简要介绍 1.1 什么是C++ C语言是结构化和模块化的语言，适合处理较小规模的程序。对于复杂的问题，规模较大的程序，需要高度的抽象和建模时，C语言则不合适。为了解决软件危机， 20世纪80年代， 计算机界提出了OOP(object oriented programming：面向对象)思想，支持面向对象的程序设计语言应运而生。
在1982年，Bjarne Stroustrup博士在C语言的基础上引入并扩充了面向对象的概念，发明了一种新的程序语言。为了表达该语言与C语言的渊源关系，命名为C++。因此：C++是基于C语言而产生的，它既可以进行C语言的过程化程序设计，又可以进行以抽象数据类型为特点的基于对象的程序设计，还可以进行面向对象的程序设计。
1.2 C++发展史 1979年，贝尔实验室的本贾尼等人试图分析unix内核的时候，试图将内核模块化，于是在C语言的基础上进行扩展，增加了类的机制，完成了一个可以运行的预处理程序，称之为C with classes。语言的发展就像是练功打怪升级一样，也是逐步递进，由浅入深的过程。我们先来看下C++的历史版本。
阶段内容C with classes类及派生类、公有和私有成员、类的构造和析构、友元、内联函数、赋值运算符重载等C++1.0添加虚函数概念，函数和运算符重载，引用、常量等C++2.0更加完善支持面向对象，新增保护成员、多重继承、对象的初始化、抽象类、静态成员以及const成员函数C++3.0进一步完善，引入模板，解决多重继承产生的二义性问题和相应构造和析构的处理C++ 98C++标准第一个版本，绝大多数编译器都支持，得到了国际标准化组织(ISO)和美国标准化协会认可，以模板方式重写C++标准库，引入了STL(标准模板库)C++ 03C++标准第二个版本，语言特性无大改变，主要：修订错误、减少多异性C++ 05C++标准委员会发布了一份计数报告(Technical Report，TR1)，正式更名C++0x，即：计划在本世纪第一个10年的某个时间发布C++ 11增加了许多特性，使得C++更像一种新语言，比如：正则表达式、基于范围for循环、auto关键字、新容器、列表初始化、标准线程库等C++ 14对C++11的扩展，主要是修复C++11中漏洞以及改进，比如：泛型的lambda表达式，auto的返回值类型推导，二进制字面常量等C++ 17在C++11上做了一些小幅改进，增加了19个新特性，比如：static_assert()的文本信息可选，Fold表达式用于可变的模板，if和switch语句中的初始化器等C++ 20自C++11以来最大的发行版，引入了许多新的特性，比如：模块(Modules)、协程(Coroutines)、范围(Ranges)、概念(Constraints)等重大特性，还有对已有特性的更新：比如Lambda支持模板、范围for支持初始化等C++ 23制定ing C++还在不断的向后发展。但是：现在公司主流使用还是C++98和C++11，所以不用追求最新，重点将C++98和C++11掌握好，等日后，随着对C++理解不断加深，有时间可以去琢磨下更新的特性。
1.3 C++的重要性 下图数据来自TIOBE编程语言社区2024年最新的排行榜，在30多年的发展中，C/C++几乎一致稳居前5。
TIOBE 编程语言社区排行榜是编程语言流行趋势的一个指标，每月更新，这份排行榜排名基于互联网上有经验的程序员、 课程和第三方厂商的数量。排名使用著名的搜索引擎（诸如 Google、MSN、Yahoo!、Wikipedia、YouTube 以及 Baidu 等）进行计算。
注意：排名不能说明那个语言好，那个不好，每门编程语言都有适应自己的应用场景。
二、C++关键字 C++总计63个关键字，C语言32个关键字
三、命名空间 在C/C++中，变量、函数和后面要学到的类都是大量存在的，这些变量、函数和类的名称将都存在于全局作用域中，可能会导致很多冲突。使用命名空间的目的是对标识符的名称进行本地化，以避免命名冲突或名字污染，namespace关键字的出现就是针对这种问题的。
包含头文件 stdlib.h后，会展开此文件，此在此头文件中有一个全局的函数，名为rand()，会与此处变量的命名造成冲突。还有一点：在不同的域中是可以定义同名变量的。一般在大型项目中，如果没有命名空间，那么不同程序员负责的不同模块之间就极有可能会定义出相同名字的变量或函数名。
#include <stdio.h> #include <stdlib.h> int rand = 10; //C语言没办法解决类似这样的命名冲突问题，所以C++提出了namespace来解决 int main() { printf("%d\n", rand); return 0; } // 编译后后报错：error C2365: “rand”: 重定义；以前的定义是“函数” 2.
文章目录 2.1 Chart包方式安装kafka集群 5.开始安装2.2 命令行方式安装kafka集群 搭建 Kafka-UI三、kafka集群测试3.1 方式一3.2 方式二 四、kafka集群扩容4.1 方式一4.2 方式二 五、kafka集群删除 参考文档
[Helm实践---安装kafka集群 - 知乎 (zhihu.com)](https://zhuanlan.zhihu.com/p/642515749) [K8S Kraft Kafka 集群搭建 - 掘金 (juejin.cn)](https://juejin.cn/post/7330515218605637667) 2.1 Chart包方式安装kafka集群 bitnami/kafka 就是原生的 Kafka，confluentinc 是在原生 Kafka 的基础上加了一些东西，但他还是兼容原生 Kafka，有兴趣的自己去看
1.添加helm仓库地址
helm repo add bitnami https://charts.bitnami.com/bitnami 1.更新仓库
helm repo update bitnami 1.查看kafka的Chart包的历史版本
root@master1:~/helm/kafka# helm search repo bitnami/kafka -l NAME CHART VERSION APP VERSION DESCRIPTION bitnami/kafka 28.3.0 3.7.0 Apache Kafka is a distributed streaming platfor... bitnami/kafka 28.
一、简介 Kafka 是最初由 Linkedin 公司开发，是一个分布式、分区的、多副本的、多订阅者，基于 zookeeper 协调的分布式日志系统（也可以当做 MQ 系统），常见可以用于 web/nginx 日志、访问日志，消息服务等等，Linkedin于2010年12月贡献给了 Apache基金会 并成为顶级开源项目。
应用特性 分布式存储：数据被自动分区并分布在集群的节点中。消息有序性：Kafka 能确保从生产者传到消费者的记录都是有序的。高容错性：允许集群中节点失败（若副本数量为n,则允许n-1个节点失败）。高吞吐量：Kafka 支持单机每秒至少处理10万以上消息，通常可以达到数百万条消息。易扩展性：支持集群热扩展。高并发：支持数千个客户端同时读写。持久性：支持消息数据持久化到本地磁盘 并支持数据备份和灵活配置数据的持久化时间。实时处理/低延迟：在数据写入的同时对进行处理，消息延迟最低只有几毫秒。 应用场景 Kafka 本质是 支持分布式的消息系统/消息中间件 。分析 Kafka 的应用场景等同于分析 消息中级件 的应用场景。通常，使用 消息系统 的 发布/订阅模型 功能来连接 生产者 和 消费者。实现以下三大功能：
生产者和消费者的解耦消息持久化 / 消息冗余消息缓冲 / 流量消峰 具体应用场景有：
日志收集或数据管道：作为日志收集系统或数据处理管道的一部分，以处理大量的日志数据或实时数据流。负载均衡：如果系统收到大量请求或数据流，可以使用消息队列把这些任务平均分配给多个处理器或服务，从而实现负载均衡。系统解耦：消息队列经常用作不同服务间的通信机制，以解耦系统的不同部分。分布式事务：如果一个事务需要跨多个服务进行，可以使用消息队列来协调不同服务之间的通信，确保事务的原子性。实时流数据处理：比如实时日志分析或者实时数据报警。Kafka 能接收实时数据流并保证它的可靠性和持久性，这样就可以在上游源源不断生产数据的同时，下游可以实时地进行分析。通知和实时更新：消息队列可以用作通知的中介，比如告知用户完成某个任务，或者在后端数据更新时实时通知前端。 设计目标 高性能：以时间复杂度为O(1)的方式提供消息持久化能力，即使对TB级以上数据也能保证常数时间的访问性能。高吞吐率：即使在非常廉价的商用机器上也能做到单机支持每秒100K条消息的传输。消息系统：支持Kafka Server间的消息分区，及分布式消费，同时保证每个partition内的消息顺序传输。横向扩展：支持在线水平热扩展 二、kafka安装和配置 1. zookeeper安装配置 需要说明一下， 为了支持 Kafka 的集群功能， Zookeeper 必须使用集群模式部署。
本文以部署 3 个Zookeeper 实例的伪集群为例。具体安装步骤参阅之前的文章：Zookeeper 安装教程和使用指南
2. kafka安装配置 下载链接：Kafka Downloads
下载页面中包含两种下载方式
: kafka-[version]-src.tgz：包含 Kafka 源码和API源码，需要自己编译 a) 安装 [root@Ali ~]# wget https://downloads.
有朋友问我，如何有效学习一个新技术。笔者这么多年的经验是：1）了解国内外产业应用和标准法规现状，先建立宏观知识图谱及技术系统框架；2）根据系统框架逐块进行深入研究（横向、纵向），穿插行业内主流厂商对应模块技术方案；3）系统研究行业内TOP厂商完整解决方案；4）针对你选择的重点方向进阶研究。因此笔者建立的自动驾驶专题介绍也会按照这个思路搭建技术体系（发布内容顺序不一定能严格遵守该路线，但会力求不断更新最终能按照该思路完成自动驾驶专栏搭建）。
本文及之后几篇系列文章，旨在针对自动驾驶行业领军企业特斯拉的技术方案进行深入解读和分析（资料来源：特斯拉官网，AI Day 2021，AI Day 2022，Inventor Day 2023）。特斯拉自动驾驶技术的核心是三个点：算法、数据和硬件，以下笔者将分别介绍AI Day 2021，AI Day 2022，Inventor Day 2023三次分享的内容，然后综合梳理出目前特斯拉自动驾驶解决方案。本文主要介绍特斯拉AI Day 2021的算法部分内容。
1 感知算法系统框架 1）系统框架 （摄像头raw data 1280*960，12bit (HDR) @36Hz）
特斯拉的感知算法系统，取名为HydraNet（九头蛇），九头非常形象的表示了感知系统整个算法模型是一个多头任务学习神经网络架构，旨在处理自动驾驶汽车所需的多种感知任务；颈部形象的展示出整个感知模型共享特征提取部分，从而提高计算效率和感知精度。
从上图可以看到，整个算法模型的输入是来自8个摄像头提供的raw data，通过神经网络将图像实时处理转换成4D向量空间（包括自动驾驶所需一切物体的3D表示，再加上时间维度），包括线、边、道路、交通标志、行人、车辆的位置、方向、速度、角速度等。提取到的特征序列进入到特定任务头进行处理，例如使用一阶YOLO进行目标检测等，针对性完成更多任务处理。
2）模型优点 HydraNet使用共同的共享骨干网络Backbone，再分支到多个任务头进行具体的子任务处理，具有非常明显的优势：
特征共享：在测试时，可以通过共享前向传递推理，提高车载系统的效率。任务解耦：各任务独立进行，互不影响，因此更新某个数据集或更改某个任务头的架构时，无需重新验证所有任务。瓶颈处理：可以将Multi-scale features特征缓存到磁盘，只需对缓存的特征进行微调即可。 3）各组成模块 3.1）Rectify校准 考虑到不同位置安装的摄像头的抖动等问题，需要对每个输入的视觉数据进行校准，就是Rectify模块的任务，将所有图片转换为虚拟通用摄像头。
3.2）Backbone主干 RegNet Rectify校准之后的下一层是算法模型的backbone特征提取主干，使用RegNet（残差神经网络）在延迟和精度之间进行了很好的折衷，可以提供不同尺寸不同精度的特征输出。（算法底部提供高精度空间信息W*H=160*120，低通道数C=64，可以看到更多图像细节；顶部提供低精度空间信息W*H=20*15，高通道数C=512，可以看到图像的大部分而且具备更多上下文语义）
RegNet由一系列重复的网络块组成，通过一组参数（如宽度、深度、分组卷积等）来灵活调整网络规模，使得网络能够适应不同的计算资源和任务需求；在设计RegNet过程中，重点关注网络的宽度（通道数）和深度（层数）的平衡，确保在不同层次上都有足够的表达能力。
工作原理：
网络块（Simple Block）：每个网络块由标准的卷积层、批量归一化层和ReLU激活函数组成；使用分组卷积来提高计算效率，同时保持模型性能。阶段（Stage）：RegNet由多个阶段组成，每个阶段由若干个相同的网络块组成；不同阶段之间通过调整宽度（通道数）和分组数来改变计算复杂度和表达能力。 可调参数：
w_0（起始宽度）：第一个阶段的通道数。w_a（宽度增量）：每个阶段的宽度增加量。w_m（宽度乘数）：每个阶段的宽度乘数，用于调整每个阶段的通道数。d（深度）：每个阶段的网络块数。g（组数）：每个卷积层的分组数，用于分组卷积。 BiFPN BiFPN，全称是Bi-directional Feature Pyramid Network（双向特征金字塔网络），是谷歌在EfficientDet论文中提出的一种高效的特征融合模块，旨在高效地融合来自不同尺度的特征，增强多尺度目标检测的性能，同时保持较低的计算复杂度。
BIFPN通过引入双向特征融合路径，结合加权特征融合策略，能够更有效地融合不同尺度的特征信息，增强特征的表达能力，提高了多尺度目标检测的性能。其主要思想包括：
双向特征融合：在传统的自顶向下路径之外，增加自底向上的路径，使得信息在不同尺度之间可以双向传递，从而更好地融合多尺度特征。加权特征融合：使用可学习的权重对不同尺度的特征进行加权融合，从而自动学习特征融合的最佳方式。 BIFPN的结构如下
输入特征层：来自主干网络（如EfficientNet、ResNet等）的多尺度特征层，通常包括不同分辨率的特征图。双向路径：自顶向下路径：从高分辨率特征层开始，通过上采样和逐层融合，将高层次的语义信息传递到低分辨率特征层。自底向上路径：从低分辨率特征层开始，通过下采样和逐层融合，将底层的空间细节信息传递到高分辨率特征层。加权特征融合：在每个特征融合节点，采用加权求和的方式，将来自不同尺度的特征进行融合。具体地，每个输入特征都乘以一个可学习的权重，然后进行加权求和，再经过归一化（如Softmax），以确保不同特征贡献的合理性。融合结果输出：最终输出多尺度融合后的特征图，供后续的目标检测头（如分类和回归）使用。 3.3）数据融合BEV+Transformer 8个摄像头提供的图像数据特征融合带来了2个问题：
结合时间对多个图像数据处理和预测过程中，调整占用跟踪器及其超参数非常复杂，我们希望避免通过手写C++来进行调参，更希望在神经网络中完成，实现端到端的优化。融合的2D图像空间并不理想，希望直接在高维3D向量空间中进行处理。
如何将2D图像空间转换为向量空间，将8张图像信息输入神经网络，融合后输出得到向量空间，并通过解码得到各个任务头的输出？如何标注数据，对于基于向量的特定数据集，需要在向量空间中进行标注？
针对第一个问题，我们使用Transformer（Multi-head Attention）来解决。
Transformer是一种用于处理序列数据的神经网络架构，由Vaswani等人在2017年提出，最初用于机器翻译任务，通过引入自注意力机制（self-attention）和多头注意力机制（multi-head attention）来捕捉序列中元素之间的关系，不依赖于传统的递归神经网络（RNN）结构，从而提高了并行计算能力和长距离依赖建模能力。
Transformer的架构 Transformer架构主要包括两个部分：编码器（Encoder）和解码器（Decoder），每个部分都由若干个相同的层堆叠而成。
编码器（Encoder）：由多个编码器层（Encoder Layer）组成，每个编码器层包括多头自注意力子层和前馈神经网络子层。多头自注意力子层中自注意力机制通过计算序列中每个元素对其他所有元素的注意力权重来捕捉序列中的全局依赖关系；多头注意力机制将输入分成多个部分，每部分独立计算注意力，然后将结果拼接起来，并通过线性变换得到最终的输出。前馈神经网络子层中每个位置的输出都通过一个相同的前馈神经网络，通常由两个线性变换和一个ReLU激活函数组成；每个子层之后都使用残差连接（Residual Connection）和层归一化（Layer Normalization）。解码器（Decoder）：也由多个解码器层（Decoder Layer）组成，每个解码器层包括以下三个子层：掩码多头自注意力子层（类似于编码器中的多头自注意力子层，但通过掩码机制确保每个位置只能关注当前位置及之前的位置，从而保留自回归性质），多头注意力子层（通过注意力机制将解码器的输出与编码器的输出进行结合，使解码器能够关注编码器中的信息），前馈神经网络子层（与编码器中的前馈神经网络子层相同，每个子层之后都使用残差连接和层归一化）。 多头注意力机制（Multi-Head Attention） 多头注意力机制是Transformer中的核心组件，通过并行计算多个不同的自注意力来增强模型的表现力。其主要步骤如下：
前提条件：H5站点及微信支付正常(采用微信公众号支付)。
我是小程序小白，之前对小程序毫无概念，最近想把自己的H5站点发布成小程序，各种资料搜索，实践总结如下：
webview嵌入H5制作微信小程序 第一步：开通小程序公众平台账号，获得小程序appid 第二步：配置业务域名 在小程序公众平台中 开发 开发管理 开发设置中配置业务域名为H5站点域名
并且下载校验文件放到H5站点根目录。
第三步：下载安装HBuilderX和 微信开发者工具。 第四步：创建项目 使用HBuilder创建一个最简单的uniapp项目，vue版本，2，3都可以
第五步：写入webview及配置
写入启动页
启动页的webview地址，src则是注意事项中h5发布的域名以及他访问的入口文件位置
第六步：配置微信小程序appid 第七步：配置调试 在HBuilderX中 工具->设置->运行设置中配置 微信开发者工具 的安装地址。
微信开发者工具中 设置->安全设置 打开服务端口：
第八步：生成项目文件到微信开发者工具 打开微信开发者工具，并且在HBuilderX中 点击 运行->运行到小程序模拟器->微信开发者工具
然后在微信开发者工具下会生成项目对应的js文件并可以调试了，界面会在开发者工具中展示出来。
第九步：发布 微信开发者工具中调式没有问题，就可以发布版本到小程序公众平台了。
将原有H5中的微信支付，改造成小程序支付 Webview嵌入H5的小程序不支持原有H5的微信支付，需要改造，具体改造地方在：
第一：：在小程序公众平台中，开通微信支付功能，关联原有H5已有公众号支付，使用同一主体。 第二：在小程序公众平台中 开发 开发管理 开发设置中 设置 appSecret小程序秘钥，后面获取用户code的接口需要用到
配置服务器域名 为H5站点域名及相关域名解析地址 (正式发布后需要用到，开发与体验版调试时，因为不校验域名，不会有问题，不配置的话会在正式发布后唤起失败无反应)
第三：统一下单前需要获取微信用户的临时code，原有微信公众号获取code的接口需要改成使用微信小程序的接口。可参考微信接口说明。 https://api.weixin.qq.com/sns/jscode2session?appid=xxxxx&secret=xxxxxx&js_code='获得的用户code'&grant_type=authorization_code
这里需要小程序的appid和密钥。
这样做的目的，是不绑定微信用户登录，也可以支付。
第四：统一下单需要使用小程序的appid下单。 第五：原有签名需要改用小程序appid参数进行签名。 第六：在微信开发者工具中 新建支付跳转页面，比如pages/pay/pay 。 注意，不要在HBuilderX中新建再运行到微信开发者工具，不然会覆盖原有代码。
第七：小程序中pay.js的onload方法请求小程序支付 我这里是直接在pay.js中onload方法中先获取从H5页面跳转传过来的参数，再调用wx.login获取用户临时code，然后通过wx.request用该code调用H5统一下单接口以及签名等操作(原H5会有的)。成功后返回5个后续用到的相关参数值，然后调用wx.requestPayment去请求小程序支付。支付成功后，可以跳转到对应的H5页面（需要在小程序中定义对应的webview页面）
onLoad(options) {
console.log(options);
var params = JSON.parse(decodeURIComponent(options.param));
console.log('params:'+params);
var order_id = params.order_id;