2020-07-01 blog

昨天重置了surface go。先做好了基本规划然后再进行重装的。装完之后效果还是很不错的。
当然了，貌似在操作的步骤上面略微有点不完美，但是最终效果还是挺好的。

首先是备份。只不过因为我的sg上面大部分东西其实笔记本上面都有，所以这一步基本上也没啥文件需要备份，一个u盘就全带过来了。

然后是重置。重置直接清空整个c盘，比较干净。这一步主要是怕之前装的各种乱七八糟的东西影响后续的操作。

然后重置之后就是更新。原本打算用易升升到2004的，结果发现暂时还没有适配，所以就放弃了，就升到1909。笔记本升了2004，感觉比1909要漂亮。

然后就是先进行基础设置。装Chromium版Edge替换掉自带的Edge，使用火绒替换掉随时可能抽风的WD，并且顺便阻拦弹窗。使用软媒魔方进行一些常规的装机之后的设置。

然后就是装软件和环境什么的。大致如下：VS Code、Anaconda、Notepad++、GitHub Desktop、Foobar2000、Pot Player、QQ、SSR、Final Shell、FileZilla、坚果云、TeamViewer、Typora、Honey View、winrar（火绒挡掉这个的广告）。其他拓展的还有：幕布、QQ音乐、Steam等。

这里原本打算装上小米的智能互联软件，然后和手机互传文件的。结果后面发现传不了文件，所以还是卸载了。

然后Edge装上各种拓展，VS Code装上各种拓展，基本上就能好好使用了。

然后我又想到了，在笔记本上面折腾散热的经历，于是我打算试试在surface上面装xtu。
装完之后发现，是可以调整的，没有问题。然后的话，因为surface主要是移动使用，主要用电池，所以基本的思路是降温降功耗，要节能。一开始先根据网上的说法，降了0.05V，发现还是比较稳定的。所以我尝试了一下降0.075V，然后跑AXV2压力测试，效果还是不错的。
然后把功耗略微拉低了一点点。最终的效果是温度大概降了4度还是5度吧，挺不错的了。

但是，由于不在学校，目前surface也没有太大的用处，主要就是用来刷火影哈哈哈。

今天发现了，我的笔记本的触摸板有点翘起。原本我还以为是因为南桥那边热，导致金属变形了。我仔细一想，不对啊，如果真是因为热而导致的变形，应该很早之前就变了才对啊。因为改散热之前更热。

网上查了一下资料，大概定位了问题：电池鼓包。
但是我也不确定是不是因为电池的问题。看来得拆机验证一下。

之前折腾过的手机打字。

最近因为开始重新更新blog，也打算更多地输出”文字“或者其他东西。手机基本都拿在手上，很多时候灵光一现，用手机及时记录是一个很好的选择。

之前用过拼音双键来打字，是挺好用，但是可能是因为我用得不够多，并不够智能。
而且有些时候他跟直接的拼音，逻辑也不太一样。
不过最近我又开始练这个打字了。主要是因为k30p比mix2s还大了一圈，打字着实有点累。

灵感

“记忆”分类器

一种“新”的分类器构造方案，有点类似分工合作的思路。

第一步，将数据分为三类，一类是有标记，用于监督学习，一类是无标记，用于Student-Teacher方法，一类是验证集。

第二步，构建模型。模型分为两部分。第一部分是判别器，判断图像是否属于该判别器的类，最终输出是给出一个尺寸为（1）的置信度。该部分可以动态创建出多个，视具体数据集的不同会不同。第二部分是特征快速提取，用于判别对应的图像应当选取哪个或者哪些判别器，输出的是快速提取后的特征和判别器选择矩阵。

第三步，梳理数据流。图片输入->总模型->分模型1->特征提取层->[特征图，判别器选择矩阵]->分模型1输出->特征图复制n份，并乘上矩阵->分模型2输入->判别器->[置信度*n]->矩阵合并->分模型2输出->归一化->总模型输出。总输出包含：[判别器选择矩阵，置信度矩阵]

第四步，训练阶段。第一阶段：进行监督学习，由于选择矩阵和置信度矩阵理论上都为标签矩阵，所以将标签复制一份放到fit的y里面即可，即y=[labels, labels]。第二阶段：无标记学习。由第一阶段完全训练好的模型，对无标记的数据进行predict，生成“标签”，并与有标记的数据放到一起，用于新模型的训练。第三阶段：重复第二阶段。第二阶段的模型训练好之后，对无标记的数据进行predict，再和原本的有真标签的数据放到一起，再继续训练新模型。