進捗はどうですか❓ @Rimekie@qoto.org

终于把 lotide 搭好了！和 reddit 和 lemmy 类似，但是 lotide 和 fediverse 的连通性要比 lemmy 好很多[1]（小声：也没有 lemmy arbitrary 的敏感词过滤）。只不过现在 lotide 默认前端的界面很复古，100%无 js，功能也比较少。

欢迎大家来玩！

[1] 比如说可以直接关注一个社区，例如 @Ebbtide

https://lotide.exopla.net.eu.org/

If you're happy that Biden won because you think he's an actual progressive crusader, then please hold him to his promises on things like student debt forgiveness, economic reform, etc. Biden is going to be operating in an extremely lenient environment that is not going to demand much out of him beyond "not being Trump" which is a pretty low bar.

In Japan, there is a service called ADVENTAR that hosts the "Advent Calendar" by blog. It is also hosted by a technical blog service called Qiita.

Since the spread of Mastodon in Japan in 2017, a calendar using these services has been created for each user of Mastodon, distributed SNS, and servers every year, and many articles have been contributed.

BT下載時最哀傷的一件事，不是沒人做種子，而是自己下載完之後，自家網絡不知怎麼沒法做種...
🚮

我要把abbyy finereader推荐给所有的文史哲朋友，看到这个竖排繁体的识别率，感动到说不出话来

我对京东的厌恶好像是从京东白条广告开始的，当时它的slogan是：京东白条，让你的青春不留白。说白了就是哄涉世未深学生去贷款生活，打的名号还是青春不留白。非常，非常，非常大的恶意。当然后来强奸东的事情就完全弃用了。在那之前买过一次年卡，发现年卡会员被价格歧视，大数据杀熟了。对京东唯一的好感是京东的送货员，朴实又对自己的工作有点骄傲和归属，可惜业绩下滑他们被第一个取消底薪和裁员。

VAE，即variational autoencoder。先讲autoencoder，虽然叫autorncoder但是其实包含了编码器encoder和解码器decoder，是对称的。对于一系列类似的数据，例如图片，虽然数据量很大但是其实是符合一定分布规律的，信息量远小于数据量。编码器的目的就是把数据量为n维的数据压缩成更小的k维特征。这k维特征尽可能包含了原始数据里的所有信息，只需要用对应的解码器，就可以转换回原来的数据。在训练的过程中，数据通过编码器压缩再通过解码器解压，然后最小化重建后数据和原始数据的差，训练好了以后，就只有编码器被用作特征提取的工具，用于进一步的例如图像分类等应用中，故称为autoencoder。

垃圾是放错地方的资源，有一天解码器也被拿出来：你既然可以从k维特征向量恢复出一整张图片，那我给你一个随机生成的k维特征向量，看看你能生成什么。然而实际结果显示，autoencoder虽然可以“记住”
见过的照片，但是生成新图像的能力很差。于是有了variational autoencoder。VAE在令k维特征中的每个值变成了符合高斯分布的概率值，于是对概率的改变可以让图片信息也有相应的平滑的改变，例如某个控制性别的维度，从0到1可以从一个男性的人脸开始，生成越来越女性化的人脸。

那么VAE其实还是有很多统计假设的，而且我们要判断它生成的效果如何，也需要评估它生成的数据和原始数据的差距大不大。于是有人丢掉所有统计假设，并且把这个评估真（原始数据）假（生成数据）差异的判别器也放进来一起训练，创造了GAN，生成对抗神经网络。GAN有两个部分，生成器和判别器。生成器从一些随机的k维向量出发，用上采样网络合成大很多的n维数据，判别器就负责判断合成出来的图片是真是假。一开始合成出来的都是意义不明的无规律结果，很简单的判别器就可以分辨出来。生成器发现一些生成的方向，比如有成块的色块，可以骗过判别器，它就会往这个方向合成更多的图片，而判别器发现被骗过去了，就会找到更复杂的特征来区分真假。如此反复，直到生成器生成的结果，判别器已经判断不出真假了，这就算是训练好了。这样训练出来的生成器，可以生成非常逼真，即使是人眼也很难分辨的图片，但是是不存在的。

点击链接，查看当下最先进的神经网络生成的不存在的人脸，每刷新一次就有一张新的：https://thispersondoesnotexist.com/

当然如果你想要二次元老婆也可以看这个：https://www.thiswaifudoesnotexist.net/

分享 GitHub 上一款开源的对象存储管理工具：Aragorn，基于 Electron + React + TS 开发，可作为图床上传工具使用。

GitHub： 网页链接

https://weibo.com/5722964389/JsaMxhSVF

再港一下，现在从海外回国不是要核酸检测和血清 IgM/IgG 双阴性吗。

其实在 1.29 就已经有药厂（特指丽珠）拿到了血清检测的技术，但是因为在武汉测试使用的时候阳性率太高了，官方一直拖到 3.17 才获得许可（查证可搜索丽珠 新冠血清）。核酸的假阳性率大概在 11％，血清假阳性在 2％，从一月底到现在技术手段并没有进行调整。

学过免疫学的朋友应该能理解为什么血清阳性率比核酸高：
血清抗体，尤其是 IgM，在病毒从人体消失后也存在，所以血清算是检测感染和被感染过的患者。下面提供的参考新闻也提到了原理，以及血清检测可以用作流行病学研究。

同时血清检测的好处是时间比核酸检测快太多了：血清只需要 30 分钟出结果，核酸需要跑 PCR ，再快也要数小时。

血清比核酸便宜，而且试剂盒产量更大。

如果血清和核酸一起使用，血清做快速检测做初步判断，同时核酸检测用来排查感染中/感染后，这样疫情初期的检测速度会快很多。但是一直官方以阳性率太高为理由被卡到三月中，血清检测才获得许可。

参考文献在此嘟串下。

又及，请不要转发到其他平台，如果想给朋友看请一定要码掉我的 ID 昵称和头像。

之前我写过一篇如何通过Docker搭建Mastodon站的教程，但对于有魔改需求的朋友，难道每次升级都要重新魔改一次吗？并非如此。本文就将介绍一种通过GitHub和DockerHub，在每次升级时保留自己魔改的方法：

https://pullopen.github.io/2020/11/01/Mastodon-on-Docker-2.html

通过文中设置，既能保留Docker安全、不容易搞坏、不需要本地precompile的特点，又能轻松保留自己的魔改。注意：本方法和Docker搭建仅适用于希望【照搬】成熟、轻量魔改的朋友，不适合需要经常调试、创新的大佬（废话）。

本文依旧来源于兔子大佬 @star 小课堂笔记！

#长毛象建站 #长毛象中文使用指南

在淫秽色情品问题上最广为人知的是“丹麦试验”。丹麦在1967年和1969年分两步放开了淫秽色情文学和视觉产品的市场。丹麦试验的两个主要结果是：第一，合法化以后，淫秽色情品的制售经过一个短暂的高潮之后急剧下降，大多数公民对淫秽色情品产生了厌恶感。一项对大量观看淫秽色情品的后果的研究表明：被试者的性行为并未发生变化，虽然最初他们对性想得多些，但不久他们的性幻想又降到了观看前的水平。试验表明，观看淫秽色情品产生了一种稳定地降低对淫秽色情品的兴趣的效果，不断接触此类材料的结果使人感到餍足和无聊。他们的欲望完全满足了，发腻了。第二，犯罪率下降。1967年的犯罪率比上年下降了25%；1968年又下降了10%；到1969年淫秽色情品彻底解禁后，犯罪率下降了31%。其中猥亵儿童罪下降了80%；露阴癖的犯罪率和报案率下降；观淫癖只剩下很小的比例；暴力侮辱女性的犯罪（包括强奸和猥亵）也大幅度下降了。（盖格农，第321页）在淫秽色情品合法化后的10年中，任何种类的性犯罪均无增长。在英国、荷兰、西德和瑞典等国家，放宽控制淫秽色情品、同性恋和流产的法律努力获得了成功。