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，源码淘宝源码代码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、ide怎么点开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php源码获取文件链接设备，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。小米3+内核源码然而，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tomcat+源码+响应头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。