我觉得这些大公司开源目的是建立技术标准，如果只是着眼软件本身就格局太低了。 以前 google 开源 tensorflow 的时候我也特别不理解。 一开始都用着真香，然后就看到 google 云上很多 tensorflow 相关套件，还有 TPU 等技术慢慢就想明白了。

大公司将自己的明星项目开源本身就是自带流量，等于一次大规模广告。等事实标准，周边的项目都丰富起来了后面的用户根本没有动力切换到一个相似的项目上，除非后来的项目有什么不可比拟的优势。

@Leviathann 如果是程序上的 debug ，和普通的程序 debug 没什么区别，难的是如何对效果进行 debug ； 其实可以理解为用现实中标注过的数据作为海量测试用例进行测试，然后观测其各项指标。

生物信息学重点应该也是在 生物和算法吧，其实编程能力要求应该不高

内向当然好了，不需要像一帮外向的人通过商业互吹或者阿谀奉承来实现自己的目标与体现自己的价值。 在内向的人眼里他者只是有些时候不得不打交道的一群傻逼而已。

不知道分类了以后要做什么？ 可以看看 LDA 主题模型吧。

我脑中经常冒出自残的想法。。。 小时候坐自行车后座老想着如果把脚塞进车轮里会怎样，后来确实塞了一次。 长大后经常会想象如果这个地方跳下去会怎样，如果刀子切过去会怎样。 当然长大了知道痛不会付诸实践

突然让我想到前段时接很火的那个电视剧 <人生切割术>

其实我很好奇，人是怎么分类的？ 标准是什么？ 因为只要听 10 秒 感觉应该也不是特别复杂的上下文理解

其实用 AI 分类不一定非要转文字啥的，也可以直接拿着音频数据作为一个序列信息来进行分类啊。 也不需要写任何规则只需要先人工分一部分数据就行了。

只是一共就几千条数据上 AI 显然是不太划算的，得是一个持续性的长期工作才有价值

好像时好时坏，我刚才看也是 503 ，刷了几次又好了

可以模拟屏闪效果。把屏幕切割成 n*m 的方块，然后相邻的方块用不同的频率进行闪动。 理论上这种闪动可以让肉眼很难捕捉，但是以一定帧率拍摄的设备有很大概率无法看全屏幕内容。

不要只谈预期收益，还要谈预计的投资周期可以有多长，能够忍受什么样的波动与损失，愿意花多少精力来打理