@also24 #3 看起来应该是描述里漏了个 [5,0] 的点

1. 切割的块数 n=3 是确定的吗？
2. 输入确保有解吗？

1 、2 的回答都是 yes 的情况下，也许可以穷举出所有可能的形状。或者把问题简化成，先切掉一个矩形，剩下的图形能不能分割成俩矩形

@jeeyong #61 test_image = np.array(test_image).reshape(2,3,2).astype(np.uint8)[:, :, ::-1]

@jeeyong #55 你最后一个链接是 undefined,我看不了期望的是怎么样的。但你开头给的那些数字，alpha 看起来非常的小？那显示出来就几乎是透明的。或许 208 是 alpha ，4 是灰度？具体 ct 影像的格式我不了解

test_image = [208, 4, 208, 4, 208, 4, 100, 4, 100, 4, 100, 4]
test_image = np.array(test_image).reshape(2,3,2).astype(np.uint8)
image = PIL.Image.fromarray(test_image, mode='LA')
# if need RGBA
image = image.convert('RGBA')

pillow 本身就支持灰度 + alpha 的格式: https://pillow.readthedocs.io/en/stable/handbook/concepts.html

浙江人，因为学校都推广普通话，一直认为自己和身边的人没有口音，最多只有特定字受方言影响的错误（比如前后鼻音）。但去上大学过半年回来突然发现，原来自己和大家都是有口音的

和公司确认好，L1 过去以后给不给继续抽 H1B ，同时也要问好绿卡的流程（比如是立即开始办还是要工作一定时间）。以中国人的排期，5 年大概率等不到绿卡排期，L1 不像 H1B 那样容易续，会挺麻烦的

1. 几乎所有环节（支付宝、微信、银行、手机）都出了问题的情况下：“银行是工商银行，从和民警的口中得知，有可能是内部员工泄漏信息”
2. “从民警口中得知，国内能使用的最安全的银行是瑞士银行和招商银行”

甚至觉得是不是真的报了警都不好说

地图上找附近亚超（如果在欧美工作），基本上啥都买得到。买电饭煲一般比买菜简单

我记得输出是 [batch_size, 句子最大长度，vocab_size]，也就是输出填好以后的整段话。但可以把非 mask 的位置上的 loss 屏蔽掉不参与 BP

可能没说清楚，你可以先看一眼可选的 config: https://huggingface.co/docs/transformers/model_doc/bert#transformers.BertConfig
里面有两个参数分别是 num_hidden_layers 和 num_attention_heads ，而它们的默认值刚好都是 12.

你说打印出来看起来像是线性的 12 层，这是个 num_hidden_layers: https://github.com/huggingface/transformers/blob/main/src/transformers/models/bert/modeling_bert.py#L577, 可以从源代码看出来确实是线性进行的。

而 multihead 的并行，是我上面发的那个，包括往下几行的 forward 。这个在打印的结构里是没有体现的

弹幕很多人都提到了，再提两个不大不小的问题
1. YouTube 更新剧往往要慢一点，这样会导致没法和朋友讨论，也容易被剧透。
2. YouTube 对版权音乐的审核很严格，会出现国内综艺在 YouTube 上没背景音乐版权的情况，这段时间就只能消音。这个对一些音乐和选秀节目观看感受影响挺大的

1. 建议项目里（比如第三个）不要把所有你试过的方法一股脑全摆上去，这样会给人一种理解不深，只是把所有能用的方法试了一遍的感觉。
2. 另外介绍模型的时候，很少直接写 CNN ，因为 CNN 的模型太多了，得写的更具体一点
3. 技能清单里的 GNN ，不知道是不是指 graph 的。这个其实相对 CNN 或者 sequential 的模型，是用的比较少的，应该是个亮点。建议多介绍下什么为什么用 GNN ，效果如何

IM 当入口确实有，slack 就有 jira 的插件

1. 协同文档还有 confluence ，和 jira 一样是 Atlassian 的
2. 用 IM 很难说，但想象了一下要查过去某个 ticket 会很麻烦

因为你设置了 3 倍行距？