良好的习惯真的感觉对人影响深远，周末除了补足之前拉下的功课，还应该做的一个很重要的工作就是把自己电脑里缓存的很多中间状态的文件做一个扩展的分析，这样解码以后再分类归档，这个过程也是对自己已经有的思考和工作的一个回顾，感觉很类似ResNet的那个skip connnection，所以我觉得机器学习包括其他很多的学习，其真正应该改变的是学习者的行为习惯，模型都自动化地具有了这些好习惯，人为何不能学习和具备呢，看似是人在学习模型的行为，其实是在学习作者的行为习惯，这才是达到了学习的真正目标，而不仅仅是发表了论文对么，在这个意义上的学习才能真的改变自己，提升自己对么；
这样一梳理之后发现很多问题自己都想过了，就像有些老师在分享自己工作的时候也提到了，sora的那个技术自己的团队也想过但是没有资源搞，怎么解决的呢，就是先生成一个4s的，以此为条件再生成一个8s的，大家都在尽力在适应自己的条件下探索和创新，没有谁能完全复现作者的条件对么，就像nnUNet说其实模型在不同的人手里有不同的性能，这来自很多不容易看见比较不容易度量的内容，比如环境安装，工程实现的细节，参数，甚至温度这些的，以前他们说这些细节的时候真的没太大感觉，自己实际做了些实验之后才明白事实就是这样
也许就是没有两片相同的树叶，我们也不必这样照搬，关键学了人家的思路，内化成了行为习惯，发现了自己的不足，在当前的条件下尽力做更多的探索，这就是我们学习的意义啦
局限于语言表达和思维，有些部分说得比较粗陋，或者跳跃，还是得把学到的好好践行起来
最后这个分类的标签我给的比较主观，不管环境安装方面，那些pip conda的并不唯一的方式，你知道缓存里缺啥，直接缺啥找啥依赖复制过来就完了，不用反复地下载安装，就算是你一个项目一个环境地管理，以前创建的那些环境里也有很多可以用的包可以复制过来，不管是做迁移还是做啥，如果觉得下载比较慢的时候是可以这么做的；