我是如何得到三角形，平行四边形，梯形的面积？
我是如何得到三角形，平行四边形，梯形的面积呢？其实很简单。其实列这三种图形的求面积方法。都和长方形有关，长方形是长乘宽，那么我们在算平行四边形的时候，我们用到了分割，我们把平行四边形分割下来，三角形保持另外一边是垂直的，形成90度的状态。那个三角形拼音到另外一边和另外一个三角形进行重合，形成了长方形。分割它的面积是不变的，如果长方形是长乘宽，那么平行四边形有一条线。叫做高那个高就相当于是长方形的宽
人工智能
魔珐星云：让AI拥有身体，开启具身智能新纪元
目录前言破局“不可能三角”：魔珐星云的技术内核1、AI端渲与实时解算技术：让智能“即时响应”2、让AI“活”起来：低成本、跨端驱动的多模态实时交互引擎3、智能视频生成：多模态输入、专业画质与云端渲染一体化蓝耘平台体验：SDK实战驱动路演人员下载demo驱动SDK设置参数获取密钥获取ASR获取模型API制作完成总结：
AI的提示词专栏：Prompt 与传统机器学习特征工程的异同
AI的提示词专栏：Prompt 与传统机器学习特征工程的异同
本文围绕 Prompt 与传统机器学习特征工程展开分析，二者本质均为构建 “人类需求” 与 “模型能力” 的输入桥梁，目标一致（降低模型理解成本）、依赖领域知识、需迭代优化。但核心差异显著：特征工程作用于模型训练前，需结构化数据&#
MVC、MVP、MVVM 架构 笔记
个人笔记 by Ai， 如有错误 望指正谢谢一、主流 Web MVC
流程：用户操作 → Controller －请求读/改数据 → Model －执行请求并返回结果 → Controller －传递结果→ View －根据结果更新页面
这里的 View不依赖Model行为，但大概率依赖数据
心理学研究方法（34）
中原焦点团队网络中26期坚持分享第950天（20220913）
因素分析中需要对因素的参照轴作出旋转，原因是因素参照轴是因素在向量空间的参考框架，作出转轴可以使结果更容易解释；转轴后得到的因素结构可靠性更高，可以重复便于验证。
转轴是指因素坐标轴围绕其原点旋转至一定的位置，使得因素的结构更为明确。采用两种转轴方法：直转法和斜转法。直转法假定基本因素之间相互独立，从而做出正交旋转；斜转法允许因素之间
8大AI平台速度和token消耗测试,小米MiMo也加上！
自己开发的工具要多用！周一工作日的时候我们测试了6大Coding Plan的速度和能耗（tokens）！当时主要包含了智谱、Kimi、MiniMax、火山方舟、阿里百炼、腾讯混元等 6 个 Coding Plan 的平台。今天周六，休息日，我再来测一次！测试选手加上了最新发布的小米 MiMo2Pro&
08.07.回溯阅读
《思辨与立场》第八章 第七节 读书笔记。
一种让我们的头脑向不同经验开放，并因此抵消社会条件和主流媒体影响的、非常有效的方式就是回溯阅读。
回溯阅读为我们提供了一个独特的视角，以及摆脱当今的预设立场和思想体系之外的能力。
广泛地阅读以前的作品会在我们的头脑里形成多种看问题的角度。这些多种看问题的角度能使我们更好地理解当下的复杂性。
回溯阅读书单：
（至少2000年前） 柏拉图（在苏格拉底时代）、
Kubernetes与边缘AI最佳实践
Kubernetes与边缘AI最佳实践1. 边缘AI核心概念1.1 什么是边缘AI边缘AI是指在边缘设备上运行AI模型，而不是在云端数据中心。边缘AI可以减少延迟、节省带宽、保护隐私，并在网络连接不稳定时保持服务可用性。1.2 边缘AI的优势
低延迟：数据不需要传输到云端，响应时间更短
带宽节省：减少数据传输，
跟着Nature Medicine学作图--复杂热图
复杂热图.png
从这个系列开始，师兄就带着大家从各大顶级期刊中的Figuer入手，从仿照别人的作图风格到最后实现自己游刃有余的套用在自己的分析数据上！这一系列绝对是高质量！还不赶紧点赞+在看，学起来！
参考文献
本期分享的是昨天更新的Nature Medicine上面那篇文章中的一个复杂热图！
这个热图可以说是高端大气上档次！配色自然不必多说，非常有特色的就是单元格中的
样式迁移（neural style）
(一)样式迁移(neural style)
就是有两张图片，例如一张人像，一张油画，你想把优化的风格迁移到人像上。生成一张油画版的新的人像。
（1）基于CNN的样式迁移
从图中看出似乎有三个神经网络，实际上是只有一个神经网络。这图的意思是，我们希望输出值是左右两张图片的结合，但是具体怎么结合呢？就是让有些层能够和左边网络的某些层匹配。还有些曾能够和右边的样式的某些层匹配
