一直想建立一个视频搬运的工作流，比如在b站上看到什么视频了，复制下链接，然后自动抓取转码和上传到推特或者油管，推特机器人账号需要自己有服务器，所以再议。本文主要是收集一些ffmpeg的使用，视频剪辑软件对于我的需求来说太重了。比如我可能需要的是剪切，转码，音频提取（接翻译接口），字幕生成之类的，这些事情脚本做还是比较方便的。然后因为还是参考别人的博客也没有自己读文档，先在这里记录一下地址。 转码

python代码即便是编译成pyc也同样可以被反编译，通常为了产品发布跟代码保护，会编译成so(linux)或者pyd(windows)。 配置主要流程是，先调用Cython包将python代码编译成c代码，再将c代码编译成so文件跟pyd文件。由于使用了gcc，所以需要安装对应的build工具。在windows平台可以通过Visual Studio Installer安装对应的包。 Linux

命令行运行Python文件时，可以添加相应的参数。如： 1python add.py 1 2 在运行时，from sys import argv就可以读取命令行参数，通常是一个列表，此处的 argv = [add.py, 1, 2]。对于比较复杂的程序，使用这种方式读取命令行参数显然还是比较麻烦的。于是就引入了 argparse模块。具体可以参考官方文档：Parser for command-l

Docker安装和从docker file build网上应该有教程，这里记录一下我自己在安装pymarl所遇到的一些问题及一些常用命令。目前只写了一点点，后续会继续在这篇博文之中添加。 一. 常用命令 docker删除镜像： 删除容器 12345docker ps #查看正在运行的容器docker ps -a #查看所有容器docker rm container_id #删除容器

PSRO这篇文章看了很久还是看不懂，慢慢做点笔记。 最简单最传统的多智能体即为InRL，即为每个智能体分别独立训练，但是会遇到不稳定（non-stationary）及非马尔科夫（non-Markovian)。非马尔科夫性我的理解即为，上一轮训练收敛的策略与下一轮训练没有确定的相关性，这一点也跟不稳定相对应。在这种情况下，训练只会得到相互过拟合的智能体，没有办法获得泛化的能力。 本文提出了一种独立学

一 I’ve long been trapped in a circle of fighting against myself. Up till now, still I have no idea why things falled in such a rush. With no bravery to expose the trouble of myself, I swallowed the pi

也算是已经工作了近五个月，现在来谈一谈自己的感想。实际上我对于这份工作还是感激的成分比较多，因为彼时的我仍然处于抑郁的状态，行动力极其有限。有这么一个机会能够脱离家庭环境进入社会环境，对我来说算是一个小小的转折 。不过显然，如果当初去了体制内，或许结果会更加的不同。总而言之，在这短短的5个月里，似乎是看西洋景一般，体验到了很多新奇的经历，证明了自己总算是还没有退化，可以承担一些任务。

WSL在windows上的确相当的鸡肋，但是假若没有配置服务器，WSL配合VSCode，也可以充当生产力工具。比较大的bug是，WSL的文件与NTFS的文件系统并不同步，可能是创建了多个缓存，因此需要不断地Reload来更新。如果有服务器资源或者Linux桌面版，那么配合VSCode远程开发工具就已经很香了。以下是WSL的安装教程。

在去年三月我曾经对勃学发表了一番小小的意见，虽然无甚价值，但是修复了博客，重新上传一下：