@Simon95
- 我觉得 DDN 的情况可能是第一层重建效果会比较差（非常模糊），随着层数增加才会变得清晰。
- 虽然 DDN 是在样本空间做的采样和 “残差”，但 DDN 也可以像 latent diffusion 一样在 latent 空间做生成。（这时候的生成样本就成了 AutoEncoder 的 latent ）
- 训练效率还可以，中文博客的 “附录的 Q1” 有论述。目前 DDN 的最大问题还是 latent 空间不够大，需要改进自身（方案见中文博客的“不足和改进”）或者和 GPT 结合来分段建模，缩小空间
- 欢迎尝试，遇到问题了随时提 issue ，发邮件~

@TQQQ 我觉得 DDN 是具备处理 TTS 任务的能力，因为在文字条件的约束下，生成空间被大幅缩小。
建议再搭配一个自回归模型（ GPT ），以获得更强的建模能力。比如把 GPT 的分类 head 换为 DDN ，应该能 work 。

@halberd 感谢欣赏~
别忘了，主干 feature 会贯穿 DDN 的每一层。也就是说，每一层的计算和特征还会为最后一层的 output 负责，而不仅仅是专门为了某一层切分成 K 小块而服务。

@Simon95 DDN 和 VQ-VAE （ RVQ ） 明显不同。
相似之处：
- 两者都把数据映射到离散的潜空间。
区别：
- VQ-VAE 需要额外的先验模型（如 PixelCNN 或 transformer 先验）来建模码本的分布； DDN 自己就能构建层次离散分布，甚至可作为类似 VQ-VAE 系统的先验模型。
- DDN 的 K 个输出是随输入变化的特征； VQ-VAE 的码本是一组与输入无关、固定不变的独立参数（ embedding ）。
- VQ-VAE 输出二维 code index 网格 latent ； DDN 输出一维/树状结构的 latent 。
- VQ-VAE 需要 Straight-Through 梯度估计器。
- DDN 支持零样本条件生成。
因此，我认为它们挺互补的。（参见论文中的“Connections to VQ-VAE”部分。）

---

我对 VQ-VAE 不是很了解，在我看来 VQ-VAE codebook collapse 应该有很多方法能缓解，比如和 DDN 论文中 Split-and-Prune 类似的 reinitialization 的方案。（也在“Connections to VQ-VAE”部分。）

@JoeJoeJoe DDN 的形式上和 k-means 比较相似，且都支持无监督聚类。但他们不同点有：算法作用（生成建模 VS 聚类）、优化目标、优化方式、DDN 的层次结构、DDN 的样本点是神经网络的 outputs 等。 所以，属于独立的两个算法。

@julyclyde add_service 在 shell 命令和 service 文件要求的细节对齐上, 做了很多工作(if else + assert). 能避免绝大多数问题, 我知道的坑都有单独代码处理.
其可以支持开机自启运行 二进制/shell/Python/JS/TS 等脚本. 最关键的是有一个克隆环境变量的功能(--clone-envs), 能做到和当前 shell 一致的运行环境, 避免了很多环境变量不同的坑.

@skyrim61 没有区别。 只是配置 service 来写启动项太繁琐了， 需要创建文件，修改 n 个配置参数，然后至少两个 systemctl 命令才能完成， 而且配置文件很多小细节没做好就得 debug+重新修改。

所以我开发了小工具 add_service ， 一行命令就可以无脑完成 service + 设置启动项，非常方便。

@julyclyde 的确很低频. 但一个是 systemd 太复杂, 繁琐了, 二是我工作上经常要配置新电脑, 用到的频率偏高一些. 所以就写了这个工具, 希望对有类似需求的人有用吧.

@cheng6563 哈哈哈, 命令打错这种事情太常见了. 所以开发的时候也考虑了这方面. add_service 纯粹就是自动化地按照人们的预期创建 service 文件和执行 systemctl 命令.
且为了透明性, add_service 会在 terminal 上 log 出它要做的全部操作(可以在项目主页看到详细 log). 做错了很方便根据 log 删除对应的文件, 也可以一行删除 `add_service --rm service_name`.

@ExplodingFKL 目前不支持, 感受了一下 systemd/User, 没有太明白其应用场景; add_service 主要的目的是便捷地添加 systemd 开机自启启动项, 所以不宜变得复杂, 保持简洁为好.

我已经坏了起码 3 双亚瑟士了, 都是小脚趾那里网面开破的, 而且两只鞋子差不多同一时间出现破洞, 真的怀疑其设计或者质量有问题

我和 @tomychen 的方案一样

- 在国内中转阿里云上安装 [Docker 上的 IPsec VPN 服务器]( https://github.com/hwdsl2/docker-ipsec-vpn-server)
- 从 `docker logs` 中找到默认账户 /密码 /密钥, 并在 IOS 上配置新 L2TP VPN
- IOS 在配置 L2TP VPN 时, 可以添加代理, 我添加了一个自动代理(pac), 代理指向一个 docker 网络中 v2ray 的 http 代理
- 用的是, 默认走代理, 中国网站直连的 [ifyour/ipac]( https://github.com/ifyour/ipac)
- pac 缓存到了阿里云上, 方便填写 `http://39.105.21.95:9000/vpn/pac_in_docker.pac`

https://i.imgur.com/0FUyUrK.jpg

其它:
- 为了方便开关 VPN, 在桌面上配置了一个 IOS shortcuts, 添加操作来打开下面的 URL, 就可以跳转到 IOS VPN 设置界面
- `prefs:root=General&path=ManagedConfigurationList/VPN`
- 比较奇怪的是, 在 http://cip.cc 上, 有时候显示的 IP 是国内阿里云 IP, 但能成功连接外网

推荐 [v2rayA]( https://github.com/v2rayA/v2rayA), 这是我了解到的最方便的 linux 真全局代理了

强大 /智能的功能, 易用的 WEB UI, 方便安装, 尤其是支持 Linux 真全局代理非常牛逼

在内网电脑 A 上 :
```bash
# 开一个 socks 5 的代理
ssh -D 0.0.0.0:1080 B_user@B_ip

# 想办法在 A 上安装并运行 v2rayA
# 以 docker 为例
docker pull mzz2017/v2raya
docker run -d \
--restart=always \
--privileged \
--network=host \
--name v2raya \
-e V2RAYA_ADDRESS=0.0.0.0:2017 \
-v /lib/modules:/lib/modules:ro \
-v /etc/resolv.conf:/etc/resolv.conf \
-v /etc/v2raya:/etc/v2raya \
mzz2017/v2raya
```

然后在 A 的浏览器打开 WEB UI: `http://127.0.0.1:2017`
配置一个 socks5 127.0.0.1:1080 的 server
然后在设置里面打开透明代理, 选择启用, 不进行分流

大功告成!!!

@laike9m 好的 我会考虑强调这一点的，谢谢建议😄

@laike9m 高端，涨姿势了。如果调试环境没有 Interactive console 能用的话，那应该用不上 boxx.g

@laike9m python xxx.py 都无法运行 那还属于 Python 程序吗。。。。 好奇要如何运行。。。

@laike9m 我是觉得 pdb 的 debug console 的体验和 IPython 差太多，才写了这个功能。平时调试 `script.py` 都是在 IPython console 里面运行 `%run script.py` 来运行再调试。

P.S. 平时调试时，把整个 `local()` 复制出来的 `g()` 操作更常用

@laike9m 前辈啊，之前和你的想法很接近，有想法后就直接动手实现了一个 `boxx.dira`（ meaning `dira attribute`），后来又把能打印的信息都加上了 扩展成了 `boxx.what`。

整个项目都不需要 `ipdb` 或 notebook，可以在原始 Python 里直接使用，由于我主要做科学计算 更喜欢在 IPython 里面调试。

`boxx.p` 没有使用除了 `sys` 以外的包 火焰图用了标准库的 `cProfile`来产生调试文件 + `SnakeViz` 用浏览器可视化 `cProfile`文件