1.NPDP学习笔记-第五章 产品创新中的笔记市场研究
2.飞腾ft2000/4（长城世恒DF712）安装系统折腾笔记
3.MLP杀疯了？四篇初代MLP论文笔记
4.使用JSARToolKit5 开发AR应用 (1) 简介
5.HCIP学习笔记——BGP协议的邻居建立配置与解析
6.会用 arXiv，提高科研效率

NPDP学习笔记-第五章 产品创新中的源码市场研究

       市场研究是探索客户需求和解决问题的关键步骤，它通过理解客户如何满足自身需求及其选择解决方案的线笔原因，帮助明确产品创新的记源方向。客户之声是笔记新产品的创意源泉，涵盖了多个工具和方法，源码数字藏品源码站以深入挖掘用户需求。线笔

       市场研究的记源六步骤包括：定义客户心声、一级市场研究、笔记次级市场研究、源码抽样方法、线笔定性与定量市场研究。记源定性方法如焦点小组法、笔记客户现场访问、源码人种学研究和社交媒体，线笔提供直接的用户洞察。定量方法如问卷调查，通过数据收集和分析，揭示消费者行为和偏好。

       定量市场研究中的消费者检测组、概念测试和概念排序，旨在预估销量、试用率和想法的进一步开发，而不仅仅是测试。眼动测试和生物特征反馈则通过技术手段捕捉用户真实反应。大数据和众包方法利用广泛的数据源和公众智慧，加速创新进程。

       多变量研究方法如因子分析、一键加验证写法源码多维尺度分析和联合分析，通过分析复杂数据集，识别关键变量和用户关注点。A/B测试和多元回归分析提供实验验证和关系理解，而TURF分析帮助优化客户组合，实现最大回报。

       产品使用测试则通过模拟真实环境，验证产品的实际应用效果，揭示潜在问题。VR和AR测试提供沉浸式体验，提前评估产品在不同场景下的表现。市场测试，如可控销售、假销售和完全销售，评估产品上市前的市场接受度。

       综上所述，市场研究贯穿产品创新的各个环节，从客户需求理解到产品测试与优化，是确保产品成功的关键驱动力。通过系统的市场研究，企业能够更准确地定位目标市场，满足用户需求，实现创新价值。

飞腾ft/4（长城世恒DF）安装系统折腾笔记

       拥有长城世恒DF的设备，原装银河麒麟v系统限制了更新到sp1，因此决定尝试更换其他系统。作为arm架构的通达信威科夫指标源码设备，探索适合的选项是关键。

       首先，华为Euler欧拉系统引起了注意，但下载安装过程中遇到问题，屏幕显示异常，尝试失败。接着，阿里巴巴anolioso系统成为选择，经过多次安装尝试，发现mbr格式的问题，切换到gpt后顺利安装。然而，系统缺少网卡驱动，通过硬件检测得知是atheros AR型号，寻找驱动未果，只能外接USB网卡。尽管基于centos的anolioso有deb包兼容性问题，但基本功能可用。

       红旗linux同样需要额外网卡驱动，且已停止更新，于是放弃。Ubuntu安装过程中遭遇中断，无法继续。铜豌豆(Debian)由于DF主板的昆仑固件不支持efi，安装受阻。深度社区的Deepin arm镜像已不再提供，无法安装。龙潭虎穴旗舰版源码然而，Deepin arm最终成功安装并能正常使用，只是网卡识别问题需额外处理。

       经过一番努力，Deepin arm成为DF在arm架构下相对稳定且可使用的系统，尽管还需解决网卡兼容问题，但已满足基本需求。

MLP杀疯了？四篇初代MLP论文笔记

       最近，多篇关于多层感知机（MLP）的创新论文引起了CV圈的广泛关注。这些论文，包括MLP-Mixer、Beyond Self-Attention、RepMLP以及Do You Even Need Attention？都在短时间内发布，被称作是"初代"MLP论文。让我们逐一解析这些论文的关键点。

       首先，MLP-Mixer（arXiv:.）由谷歌VIT团队提出，其核心是全MLP架构用于视觉任务。论文中，输入图像被分割成小patch，每个patch作为独立的输入进行处理。模型通过channel-mixing和token-mixing MLP层进行信息交互，展示了MLP在图像识别中的新可能。

       Beyond Self-Attention（arXiv:.）由清华计图团队提出，他们提出一种新型的外部注意力机制，通过两个共享的记忆单元实现，避免了传统自注意力的为什么有的网站看不了源码计算量大和缺乏跨样本交互的缺点。这种机制通过两个线性层和双重归一化操作实现，实验覆盖了多种视觉任务。

       RepMLP（arXiv:.）是清华丁霄汉的研究，它探讨了如何将卷积转换为全连接层，从而重参数化图像识别。论文分析了卷积与MLP处理图像的优缺点，如局部先验和全局信息，最终设计出将卷积操作融入纯MLP网络的方法。

       Do You Even Need Attention？（arXiv:.）则是牛津大学的一篇简短论文，它质疑了注意力机制在VIT中的核心作用，通过将注意力层替换为全连接层，结果显示VIT的成功可能并不仅仅依赖于注意力机制。代码实现部分，展示了这一实验的简单实现。

       这些论文展示了MLP在视觉任务中的新应用和潜力，同时也提醒我们，即使在Transformer主导的领域，MLP作为一种基本的神经网络结构，依然有其独特的价值和未被充分挖掘的潜力。

使用JSARToolKit5 开发AR应用 (1) 简介

       使用JSARToolKit5构建AR应用的简介

       JSARToolKit5是一个强大的工具，用于开发增强现实（AR）Web应用程序。它允许开发者将虚拟对象融入现实世界，通过Three.js的3D引擎构建互动的3D AR对象。AR技术区别于VR，前者将虚拟内容添加至现实场景，如模拟家具布局，而VR则提供全沉浸式体验。

       增强现实的潜力在于它能将虚拟信息无缝融合到日常生活中，比如在笔记本上实时显示笔记，或者在咖啡店通过AR导航。此外，AR还能将智能融入现实，如识别物体、提供信息和增强导航功能。

       JSARToolKit5作为ARToolKit的JavaScript版本，提供了将对象与图像和视频结合的能力，使虚拟对象看起来像真实场景的一部分，并支持交互和动画。通过一个简单的示例，我们将在设备摄像头的视频中添加一个AR小框，用户点击后可以查看内部内容。

       开发AR应用的核心涉及跟踪视频中的AR标记，如BarcodeMarker，以及使用Three.js在标记位置显示3D对象。通过JSARToolKit提供的帮助函数和API，我们可以轻松地集成这些技术。

HCIP学习笔记——BGP协议的邻居建立配置与解析

       在HCIP学习中，我们探讨了BGP协议的邻居建立配置与解析。首先，配置基础阶段，AR-1和AR-3尝试通过IBGP建立邻居，要求双方在相同AS号内，通过命令`Peer 邻居地址 as-number`来配置。初期，邻居状态为idle，随后检测到路由后进入connect状态，尝试三次握手。AR-1和AR-3之间的连接失败源于AR-1未开启BGP，调整后通过环回口IP修复了TCP握手。

       接下来，AR-3与AR-4建立EBGP邻居，初始状态为idle，由于没有路由，需要手动配置静态路由。EBGP中，TCP连接失败可能由于TTL值问题，通过修改TTL值至得以解决。在AR-3路由表中，去往4.4.4.4的路由优先级问题与BGP邻居状态相关，通过调整静态优先级或AS内部路由引入以确保路由可达。

       为了确保BGP路由的可用性，需要确保所有设备都有下一跳的路由信息。例如，通过静态路由宣告直连网段，或者在AR-3作为ASBR引入直连路由至AR-1，使其能接收到相关路由。在IBGP和EBGP邻居间，BGP的“下一跳”属性有所不同：IBGP传递时不修改，而EBGP会使用自己的更新源。

       最后，通过配置BGP邻居、静态路由以及理解BGP防环机制（如水平分割和AS路径）来优化网络环境。例如，通过路由反射器和联盟技术减少IBGP邻居的配置负担，避免环路并确保路由信息的正确传递。

会用 arXiv，提高科研效率

       分享一下我在提高科研效率中对arXiv的使用心得，主要通过合理利用其功能和一些插件。这篇文章是论文写作助手系列的一部分。

       首先，arXiv是全球知名的论文预印本平台，发音类似于archive，源自古希腊字母chi的发音。它提供了一个无需同行评审的发布空间，涵盖物理、数学和计算机科学等多个领域。提交论文到arXiv，你可以通过之前分享的方法进行操作。

       关于arXiv，这里有五个关键点：

       高效阅读：推荐使用arxiv-utils插件，它能快速切换abs和pdf格式，方便查看；提供直接下载功能，自定义文件名，同时解决在线阅读大pdf的加载问题，通过ar5iv和arxiv vanity将其转换为html网页。

       论文整理：利用Endnote或Mendeley之外，本地保存pdf并与Onedrive同步是必不可少的。同时，用markdown文件整理笔记和分类，甚至有自动化脚本来简化这个过程。

       引用管理：虽然常用Google Scholar，但arXiv上的bibtex有时不完整，这时需要手动美化引用。DBLP是查找完整发表信息的好去处，有工具可以帮助自动化修改。

       发现新论文：别忽视arXiv底部的工具，如Litmaps和ReadPaper等，可以帮助你追踪文献发展和找到相关文章。

       学习论文写作：通过模仿他人的文章，学习Latex排版技巧，点击Tex Source下载源文件，或利用overleaf插件方便编辑。此外，还有更多关于英文写作的资源供你参考。

       通过这些方式，arXiv不仅提供了一个分享论文的平台，也成为了科研工作中提高效率的重要工具。

LEDNet 论文笔记

       本文讨论的论文是《LEDNet: A Lightweight Encoder-Decoder Network for Real-Time Semantic Segmentation》。该论文最早版本在arXiv上发表于年5月7日，并在ICIP 中被收录。论文的代码可以在这里找到：LEDNet。

       论文采用的下采样模块源自ENet的initial block，使用了stride=2卷积与Maxpooling结合的方式。随后，作者将多个模块的技术融合，形成了SSnbt模块。此模块吸收了ResNet、ENet中的分解卷积、Large Kernel Matters中的Global Convolutional、ShuffleNet中的通道混洗等技术的特点。

       关于论文中的APN模块，虽然ICIP对提交论文的页数有限制，未能提供详细的解释。但通过分析，红蓝框对应的部分可能涉及注意力机制。注意力机制在论文中被证明是有效的，去除该部分后模型性能会有所下降。

       综上所述，LEDNet通过整合多种轻量级技术，提供了一种实时语义分割的高效解决方案。其下采样模块与SSnbt模块的创新设计，以及对注意力机制的引入，为实时语义分割任务的优化提供了新的思路。尽管APN模块的详细说明有限，但其在模型性能提升中的作用已被证实，显示出LEDNet在实时语义分割领域具有较大的潜力和价值。