Hyacinth

一、先天起卦（未得卦先得数）梅花易数以先天卦序“乾1、兑2、离3、震4、巽5、坎6、艮7、坤8”取数，卦以八除，爻以六除。 卦以八除：即取得数字后除8取余数对应卦，例如得数字7为艮卦；数字12除8余4为震卦。 爻以六除：即取变爻时，以重卦总数除6取余数做变爻，例15除6余3，则3爻变。 1、时间起卦法（年月日时起卦）直接利用起卦当下的农历时间（年、月、日、时）来推算。 适用场景： 心中突然有事想测，或者有人直接来问事，没有其他明显的外部兆头。 取数规则： 年数： 取地支排序（子1，丑2，寅3…亥12）。 月数： 取农历月份（正月为1…腊月为12）。 日数： 取农历日期（初一为1…三十为30）。 时数： 取地支排序（子1，丑2，寅3…亥12）。 推算公式： 上卦 = (年 + 月 + 日) ÷ 8 取余数 下卦 = (年 + 月 + 日 + 时) ÷ 8 取余数 动爻 = (年 + 月 + 日 + 时) ÷ 6 取余数 例：2017年1月14日上午10点起卦 农历：丙申年十二月十七日巳时。 上卦：7（年数）+12（月数）+17（日数）&#x...

一、准备工作1、你本地需要装什么本地至少准备这几个： VS Code VS Code 扩展：Remote - SSH 本地终端 Windows：PowerShell / Windows Terminal macOS / Linux：Terminal VS Code 官方说明，Remote - SSH 扩展可以让你直接打开远端机器上的文件夹，并像本地开发一样使用 VS Code 的功能。 2、AutoDL 实例要处于开机状态AutoDL 控制台里把实例开机，然后复制它给你的 SSH 命令。AutoDL 官方文档里就是这种形式： 1ssh -p 38076 root@region-1.autodl.com 这里面分别对应： 用户名：root 主机地址：region-1.autodl.com 端口：38076 二、测试普通 SSH 能不能连上在本地终端先试一次，不要一上来就开 VS Code。 1ssh -p 38076 root@region-1.autodl.com 如果第一次连接，终端可能会提示是否信任主机，输入： 1yes 然后输入 Au...

Conda 命令速查适用平台：Windows / macOS / Linux（PowerShell、bash、zsh 等）。 1. 基础与自检1234conda --version # 查看 conda 版本conda info # 运行环境与配置概览conda config --show # 展示所有配置项conda config --show-sources # 配置文件来源（.condarc 位置） 初始化 shell（只需一次）： 123456# 任选或多选：bash / zsh / fish / powershell / cmd.execonda init bashconda init zshconda init fishconda init powershellconda init cmd.exe 看到 “No action taken.” 说明已初始化；重开终端即可。 2. 环境（env）管理2.1 创建 / 激活 ...

文章的分类和标签设计分类（Categories）技术类 编程语言（programming-languages） 算法与数据结构（algorithms-and-data-structures） 计算机系统（computer-systems） 网络与安全（networks-and-security） 数据库与数据（databases-and-data） 人工智能/机器学习（machine-learning） 前端开发（frontend） 后端与分布式（backend-and-distributed） 移动与客户端（mobile-and-client） 运维与DevOps（devops） 软件工程与工具（software-engineering） 图形学与多媒体（graphics-and-media） 人机交互与可用性（hci-and-ux） 数学基础（math-foundations） 课程与作业（courses-and-assignments） 项目与实习（projects-and-internships） 读书与论文笔记（reading-and-papers） 比赛与刷...

Git 命令速查适用平台：Windows / macOS / Linux。覆盖安装后常用到的配置 / 新建与克隆 / 提交与撤销 / 分支与合并 / Rebase / 远端 / 标签 / 记录 / 暂存 / 子模块 / 工作树 / 稀疏检出 / 清理 / 排错等。 1. 基础配置（一次性/全局）12345678910111213git --versiongit config --global user.name "Your Name"git config --global user.email "you@example.com"git config --global init.defaultBranch main # 默认主分支名git config --global core.autocrlf input # macOS/Linux ...

微表情和心理特征一致性融合的测谎模型研究 一句话：就是做一个“看脸+听声音+看说话内容”的多模态测谎模型，核心不是简单把特征拼在一起，而是专门抓“微表情”和“心理特征”之间的不一致，把“言不由衷”“认知超载”这种心理机制用算法形式表达出来。 一、在整个课题中的位置 研究内容一：解决“有啥数据”的问题（数据集分析与构建）。 研究内容二：解决“怎么判断谎言”的核心算法问题。 研究内容三：把算法做成一个可用的平台系统。 所以，研究内容二就是：基于微表情和心理特征一致性融合的测谎模型研究——是整篇论文里最“算法”和“创新点”集中的部分。 二、这个模型整体在做什么？从流程上看，可以概括成三层： 原始输入： 视频：包含被试脸部的连续帧（微表情信号） 音频：说话的声音（语速、停顿、音高等） 文本：把说话内容转成文字（语义、情感、复杂度等） 中间特征层： 视觉通道 → 提取微表情时空特征 语音/文本通道 → 计算认知负荷分数序列、情绪矛盾分数序列等“心理学特征”，再编码成一个心理特征向量（+基本声学与文本特征） 决策层： 通过一个一致性融合模块（交叉注意力 + 不一致性加...