大多数情况下，我们并不需要服务器的 GUI 来占用宝贵的 GPU 资源，同时远程桌面的方式给开发带来了诸多不可预见的错误，虽然 SFTP 和 X11 转发的方式使得在本地编辑代码很方便，但是对于 debug 等操作却没法很好的完成，被迫开远程桌面进行 debug 。为此，本篇将以 IDEA 家族的 IDE 为例简要介绍如何使用 SSH 进行远程服务器的代码调试，以避免手动同步代码导致的潜在风险。

今天是一个特别的日子，值得一辈子去记住它，努力和细心同等重要，都是生活中必须要有的特质，呜呼哀哉，我没更早的认识到这一点。 一直以来我都觉得我配不上现在所拥有的一切，我甚至怀疑自己是不是在做梦，何德何能受到别人的认可，又何德何能受到别人的质疑。 从读研开始，其实已经遇到很多的挫折，事情愈发的复杂，问题也越来越明显，可能我确实不配。 感恩的是，身边还有女朋友和父母，他们对我的支持和鼓励是我唯一的动力，也是我挺下去的支柱。 可是我真的很难受，屡屡的挫败让我对自己也产生了巨大的怀疑，我真的适合吗？ 今天的天特别的阴沉，肆虐的新冠又在我的老家起来了，一切的事情都似乎诉说着不详，也许，我真的是不配。 所期望的未来，似乎触手可及，可惜的是，似乎又不可及，生活凋敝，心态也很难在短时间内调整好了。

ZSH 是一个流行的 Shell 客户端，相比 Bash 等传统 Shell，ZSH 不论在易用性和显示效果上都更为优秀，但是 ZSH 本身的配置比较复杂，为此开源项目Oh My Zsh诞生了，其中涉及到一些配置信息，在此做个记录。

本文是 2020 年 CVPR 的 Oral 展示的论文，来自于腾讯的 AI 实验室，主要说的是医学影像中的分割问题，使用的方法是多实例学习（Multiple Instance Learning）来做病理学图片的分割。其中多实例学习对我而言是一个没有接触过的领域，它与一般的标签不一样的在于 MIL 所给出的是一系列被称之为词袋（Bag of Instances）的标签，而 MIL 的目标就是从词袋中找出相关的标签。文章使用了基于变分自动编码器和生成对抗网络的组合模型(VAE-GAN)构建了一个特征提取器，并使用了图卷积神经网络实现了结肠癌病理学切片的区域分割，性能有些许优势。文章的创新点主要在于使用了这些技术首次利用病理图片来预测淋巴结的转移。但是整体的创新性还是有待商榷，理论贡献可能不是太大。

本文是 2019 ICCV 的文章，由新加坡国立的电子与计算机工程系学习与视觉实验室的 Wang, KaiXin 等人完成¹。文章的目标是解决小样本数据中的图像分割问题，主要策略是使用 Prototype Alignment (原型分配)的方式将 Prototypical Network 中的距离度量思想用到了图像分割领域，实现流程上，文章使用了支持集和查询集互对齐的方式将支持集查找的原型分配交给查询集，查询集将依据此得到新的查询集原型，而这部分的原型应当可以用于支持集的分割，分割的结果将通过 PAR (原型分配正则化)的方式实现区域特征的对齐。其中，文中对于原型的训练使用了非参数度量的学习方式，将分割任务转换为逐像素的分类，最终实现了较好的实验效果。

基于 Few-shot learning 和 Meta-learning 的方法在现实场景中有着较广泛的应用，特别是在对医学等数据标注成本较高的场景中，基于 Few-shot 甚至是 Zero-shot 的方法具有一定的优势。这篇文章来自于 2017 年的 NeurIPS，由加拿大多伦多大学 Vector Institute 的 Jake Snell 完成。这个方法简单且有效，在该领域有一定的影响力。此文基于这篇文章作了一些自己的理解，并简要介绍了部分小样本学习和元学习的内容。

最近所里有一个 GUI 项目需要调用 PyTorch 的模型，虽然之前做过一些，但是大部分用的是 Python 接口，这次对实效性有要求，因此做一个 C++的接口，现在把一些配置事项做个记录。

本文是 CVPR 2020 年的 Oral talk。来自威斯康星麦迪逊分校的黄子煊和 Yin Li 完成，文章提出了具有可解释性的深度模型，核心是将基于目标物体的组成部分区域的发现和该识别整合到深度神经网络中。通过分割出目标物体的特定组成部分并且得出该组成部分对最终分类的影响大小，从而实现对物体的组成解释。特别的，通过先搜索物体具体部分区域可能出现的简单先验，可以在无监督的情况下得出物体的组成部分区域。文章证明了，将基于区域的部分特征发现和分类成因相结合可以提高模型最终的性能。

最近看了一些代码上的东西，偶然看到了 Flutter，感觉他的代码很高级，而且调试起来很简单，所以想来尝试一下。我计划以一个图片浏览器为出发点来开始这个语言的学习，希望能继续下去。

最近在家办公，很多时候访问外网不方便，还好有scihub可以之间搞下来论文，相对来说比较方法，但是复制粘贴doi的方法有点愚蠢，所以花了一下午时间看了看Chrome extension和JavaScript的一些知识，写了一个小工具。就叫它SCI Helper吧。