日本之旅

简介: 第一次去日本,也是第一次出国。在此记录自己的所有见闻。回来以后,发现自己有点喜欢日本这个国家。给我一些印象深刻的点如下:环境干净,城市安静刚进日本,你就会发现日本的街道,酒店都是无比的干净整洁。

第一次去日本,也是第一次出国。在此记录自己的所有见闻。回来以后,发现自己有点喜欢日本这个国家。


给我一些印象深刻的点如下:

环境干净,城市安静

刚进日本,你就会发现日本的街道,酒店都是无比的干净整洁。日本的街道没有垃圾桶,当然,街道也没有垃圾。我在日本呆了一个星期,没有发现任何街道有垃圾和烟头。所有人都是自己带着垃圾袋,把自己产生的垃圾背回家,再分类处理。

城市安静,日本人汽车很少会鸣笛。日本的商场也不会有音响促销的声音等。夜晚很安静,不会有扰民的声音。在车上,也不会有人大声说话。


老龄化严重

在日本,很多岗位的都是老年人。很少看到年轻人。我们的司机是一个70岁的老人。什么概念,一个70岁的老人,每天要开车8个小时。我一开始有点震惊,很心疼他,但是,在日本,这种情况很多。日本人,他们生活工作压力也是很大。


服务意识高

在日本酒店,日本服务很好,我们下车,酒店服务人员帮忙提行李,离开酒店,他们工作人员,目送我们离开。只要,是我们的需求,都是无条件满足。

日本人很温柔,礼貌

我和我女朋友说,日本的女生好温柔。 我女朋友就说,那里的男生也温柔。本来想暗示她,结果,她这样怼我。 日本妹子好温柔,她们给东西,都是两只手一起。你在路上走路都会有默认人对你,点头问候。很礼貌的问候。


日本美食

我是吃不惯,只适合拍照,中国饮食习惯的人是觉得难吃。



城市之美




人文





风景





总结

我不知道旅行的意义,我现在也没有什么感触,只是想出去看看,在一个熟悉的人和物的环境呆腻了,看看不一样的人文。什么是人生,就是各种经历。 丰富经历和阅历,这才不枉一生。

目录
相关文章
|
存储 关系型数据库 数据库
postgresql|数据库|提升查询性能的物化视图解析
postgresql|数据库|提升查询性能的物化视图解析
1368 0
|
机器学习/深度学习
基于PaddleGAN精准唇形合成模型实现美女表白视频
基于PaddleGAN精准唇形合成模型实现美女表白视频
1046 0
基于PaddleGAN精准唇形合成模型实现美女表白视频
|
机器学习/深度学习 异构计算 Python
Bert-vits2最终版Bert-vits2-2.3云端训练和推理(Colab免费GPU算力平台)
对于深度学习初学者来说,JupyterNoteBook的脚本运行形式显然更加友好,依托Python语言的跨平台特性,JupyterNoteBook既可以在本地线下环境运行,也可以在线上服务器上运行。GoogleColab作为免费GPU算力平台的执牛耳者,更是让JupyterNoteBook的脚本运行形式如虎添翼。 本次我们利用Bert-vits2的最终版Bert-vits2-v2.3和JupyterNoteBook的脚本来复刻生化危机6的人气角色艾达王(ada wong)。
Bert-vits2最终版Bert-vits2-2.3云端训练和推理(Colab免费GPU算力平台)
|
并行计算 API C++
又欲又撩人,基于新版Bert-vits2V2.0.2音色模型雷电将军八重神子一键推理整合包分享
Bert-vits2项目近期炸裂更新,放出了v2.0.2版本的代码,修正了存在于2.0先前版本的重大bug,并且重炼了底模,本次更新是即1.1.1版本后最重大的更新,支持了三语言训练及混合合成,并且做到向下兼容,可以推理老版本的模型,本次我们基于新版V2.0.2来本地推理原神小姐姐们的音色模型。
又欲又撩人,基于新版Bert-vits2V2.0.2音色模型雷电将军八重神子一键推理整合包分享
|
机器学习/深度学习 异构计算 AI芯片
云端开炉,线上训练,Bert-vits2-v2.2云端线上训练和推理实践(基于GoogleColab)
对于笔者这样的穷哥们来讲,GoogleColab就是黑暗中的一道光,就算有训练时长限制,也能凑合用了,要啥自行车?要饭咱也就别嫌饭馊了,本次我们基于GoogleColab在云端训练和推理Bert-vits2-v2.2项目,复刻那黑破坏神角色莉莉丝(lilith)。
云端开炉,线上训练,Bert-vits2-v2.2云端线上训练和推理实践(基于GoogleColab)
|
存储 JSON 前端开发
为什么String跟JSON不是同个东西?
很多人会误解JSON仅仅是序列化后的String,但这样的表述并不完全准确。JSON本质上是以字符串(String)形式表示的数据交换格式,但它不仅仅是一个字符串,而是具有特定语法和结构的字符串。 很经常遇到的一个场景: 后端:我给你返回了一段JSON,你转化下再遍历吧。
|
人工智能 数据安全/隐私保护 计算机视觉
旷视开源的AI人像视频生成太炸了!输入照片即可模仿任意表情包
【7月更文挑战第6天】旷视科技开源AI模型MegActor,以照片生成逼真人像视频,模仿表情包。基于条件扩散模型,解决身份泄露和背景干扰问题,使用合成数据、图像分割、CLIP编码及风格迁移技术。虽有视频质量、隐私风险及计算资源限制,但对动画和虚拟偶像行业带来革新。[链接](https://arxiv.org/abs/2405.20851)
340 3
|
机器学习/深度学习 人工智能 自然语言处理
AIGC生成表情包
7月更文挑战第3天
|
图形学
Unity 导入原神人物模型
Unity 导入原神人物模型
5208 2
Unity 导入原神人物模型
|
数据采集 机器学习/深度学习 自然语言处理
本地训练,开箱可用,Bert-VITS2 V2.0.2版本本地基于现有数据集训练(原神刻晴)
按照固有思维方式,深度学习的训练环节应该在云端,毕竟本地硬件条件有限。但事实上,在语音识别和自然语言处理层面,即使相对较少的数据量也可以训练出高性能的模型,对于预算有限的同学们来说,也没必要花冤枉钱上“云端”了,本次我们来演示如何在本地训练Bert-VITS2 V2.0.2模型。
本地训练,开箱可用,Bert-VITS2 V2.0.2版本本地基于现有数据集训练(原神刻晴)