LP瞎逼逼

运动解剖学和解剖学区别是运动解剖主要针对我们的骨骼和肌肉，而解剖更加全面，包括神经、内脏等等。前文中提到过健身中动作的本质就是解剖学，详细一点说动作的本质应该是肌肉解剖，想要让一个动作的效率最大化就要了解这块肌肉的起止点、肌纤维走向，在训练过程中沿着肌纤维走向的方向上最大程度的拉伸和收缩起止点之间的距离。在本章中最重点的的是最后一小节：骨骼肌的功能及训练分析思路，我会举例说明一块肌肉的动作分析思路以及为什么要这么做；同时，建议大家去看一看抖音有个叫爱健身的二哈这个博主的视频，这哥们医学出生肌肉解剖讲的贼专业，并且在训练过程中的一些细节也很有用（比如高位下拉平握和对握有什么区别，下拉过程中的开肘和收肘各主要针对的是哪部分肌肉），同时本章中很多内容会使用他的观点。 本章中首先接受运动解剖的基础知识，主要是医学上规定的解剖的术语，包括中立位，人体的观察切面以及方位术语，主要用于解剖领域方便沟通。接下来介绍骨骼，包括人体中所有骨头的结构、功能与特性，但是每块骨头的细节我没有写，如果大家需要的话可以自己下一个运动解剖学图谱抗一下。骨连接就是我们身体的各个关节位置，涉及关节的构造和运动。最后也是最 ...

网上的营养学的入门教程大多知识结构不成体系，所以我决定将各部分的内容整合一下形成自己的体系。为了让营养学部分更加贴合大众，本部分中我首先以人体所需要的七大营养元素作为切入点，详细描述各元素的功能、特点、建议摄入量以及短缺会带来的慢性病症，更适用于大众，主要参考中国居民膳食指南；接下来讲解在健身过程中三大宏观营养素的能量计算方法，以及在增肌、减脂期间如何控制能量的摄入。 本章中首先介绍了人体中需要得七大营养素以及推荐每日摄入量，随后介绍碳水、脂肪、蛋白质这三大宏观营养素如何计算每日的摄入量，以及身体每日消耗量怎么计算，大家可以通过这两个公式制造热量缺口，实现减脂、减重的目的。最后介绍一下常见的运动补剂及作用原理，副作用等等。 人体需要的七大营养元素 碳水化合物：碳水化合物是人体主要的能量来源，包括单糖、双糖和多糖等。它们被消化吸收后，可以迅速转化为葡萄糖，为身体提供能量。 蛋白质：蛋白质是构成人体组织的基本物质，也是人体重要的能量来源之一。它是维持生命活动所必需的，对于生长发育、组织修复、免疫功能等方面都起着重要作用。 脂肪：脂肪是人体重要的能量储存形式，同时也是细胞膜、神经组织等的重 ...

运动生理学主要研究肌肉变化，包括身体、血液以及能量系统,目的是理解训练过程中肌肉发生的微观层面变化，身体在运动过程中的激素分泌也是生理学的内容之一。 这一章总共分为三个部分：骨骼肌、血液、能量系统。主要是从生理学的角度讲解，骨骼肌部分主要是讲解肌肉的收缩形式、肌纤维的特点、运动神经募集能力、肌肉延迟性酸痛及缓解办法以及告诉大家如何将这些知识点应用于训练当中，使训练更加高效。血液部分主要讲解血液的组成、运动中的呼吸方式、血液的功能，这一部分重点看呼吸，血液方面想更好地应用在运动领域需要去学一下内分泌学。能量系统部分主要讲人体的三大功能系统，以及他们的作用时间、供能底物和带线产物，最后还讲了几种在运动过程中对我们比较重要的激素，以及激素的调控方法，对我们运动过程中的激素调节十分有用。 骨骼肌骨骼肌的物理特性1.骨骼肌具有伸展性，受外力牵拉或负重时会被拉长。2.外力消失或负重取消后，肌肉长度可以恢复，显示出弹性。3.肌纤维和肌群之间存在摩擦力，称为粘滞性，影响肌肉收缩和放松(体温升高可减小肌肉群之间的摩擦)。 我们健身肌肥大的本质就是需要骨骼肌产生轻微损伤再恢复，不断重复这个过程。而肌肉在 ...

这个部分其实不该我来写，因为我从来不按计划来…但是还是需要让大家了解运动计划的涉及原理。本章内容分为三部分：有氧训练、抗阻力训练和伸展训练的设计。目的是为了提高生体体适能，包括身体成分、肌肉、心肺耐力和柔韧性等素质。运动计划的重要性：1.运动计划对于提高体适能、避免单一性训练、增强会员与教练的粘性至关重要。2.一个好的运动计划应包含有氧虚拟化、抗阻力训练和伸展训练等部分。 运动设计原则讲了我们作为健身教练为学员设计原则，包括一次训练课程的宏观安排应该是啥样、运动负荷的监测方法、抗阻训练的设计原则。有氧计划设计告诉我们如何通过有氧增加心肺功能、如何确定自己是如何处在有氧氧化系统区间进行减脂。抗阻计划设计包括不同年龄段的人应该如何安排抗阻训练以及拉伸事项。 运动计划的原则运动计划的要素： 运动目的 运动频率 运动强度 运动时间 运动类型 训练课安排： 准备活动：包括心血管热身和专项热身，持续5-10分钟。 基本部分：训练强度最高，是训练课的重点。 整理活动：包括有氧放松、肌肉按摩和伸展，持续5-10分钟。 运动负荷监控方法： 心率监控：通过测量心率来监控运动强度。（测评方法：心率需 ...

抑郁康复后深知身体健康、心理健康对人的重要性，身体是达成任何人生成就的基础。所以我准备做一个类似于人类身体使用百科全书的系列文章，主要从解剖学、生理学、心理学、营养学等方面介绍如何使用我们的身体，然而我们大多数人不是医学、生物、化学、心理学等专业领域出生，一上来就讲一些晦涩难懂的基础理论学习曲线相当之陡峭。个人是喜欢从实际应用出发再学习原理，一来从应用出发可以很快看到成果，提高积极性与热情；二来可以减缓学习曲线，且有了成果的基础再去学习原理会自己的理解更深刻。同时我喜欢健身，这样从运动健身角度切入人类身体使用对于我来说是比较好的方式。本系列种所有章节适合想系统学习健身运动理论体系的人士（很多细节不全面，旨在为大家搭建知识框架），营养学部分的前两章（人体需要的七大营养素、热量摄入计算）适合所有人阅读，包括有减脂、减重需求的。同时，文章也是为了梳理我自己这几年健身的一些经验，形成系统。文章中用到的理论主要参考出版的书籍、网上我感觉比较靠谱的博主和个人经验，大家自行甄别。（题外话：现在慢慢发现写博客是真的用处巨大，尤其是对于我这种学的杂记忆力又不好的人，每次进一个长期不接触的领域就要重头来一 ...

如何计算模型的推理时间为了理解如何优化神经网络，我们必须有一个指标，通常该指标为推理时间，推理时间指的是神经网络执行一次前向传播所需要的时间。通常我们用一秒钟内模型能够执行的推理次数来表示模型的推理速度，单位用fps表示。假如模型推理一次需要的时间为0.1s，那么其推理速度可以表示为1/0.1=10fps。 为了衡量模型的推理时间，我们首先需要弄明白3个概念： FLOPs， FLOPS， 和 MACs。 FLOPs为了衡量模型的推理时间，我们可以计算模型必须执行的计算操作的总数。在这里提出术语FLOP(Floating Point Operation)，即浮点运算操作，这些运算操作包括加、减、乘、除和其他任何跟浮点数相关的操作。一个模型的FLOPs为该模型全部的FLOP之和，这个数值可以告诉我们模型的复杂程度。 FLOPSFLOPS(Floating Point Operations per Second)表示每秒钟内可以执行的浮点运算数。该指标可以用来衡量我们使用的计算平台的性能，其值越大，表明在该计算平台上每秒钟内可执行的浮点操作数越多，那么模型的推理速度就越快。 MACsMAC ...

视频关键帧提取常用方法关键帧，是指动画中一个绘图，定义任何的起点和终点平滑过渡。一系列关键帧定义了观看者将看到的运动，而关键帧在电影，视频或动画上的位置定义了运动的时间。 基于镜头的方法基于镜头的关键帧提取算法是视频检索领域中最先发展起来，也是目前最为成熟的一种通用方法，该算法的一般实现过程是：先按照某种技术手段把源视频文件按照镜头变化分割，然后在视频每个镜头中选择首、尾两帧作为关键帧。这种方法的优点是实施起来很简单，算法的计算量也很小，但是这种方法存在很大的局限性，当视频中内容变化剧烈、场景非常复杂时，选取镜头中的首、尾两帧并不能代表视频的全部内容变化，所以该方法已经远远不能满足当今社会人们对关键帧提取的标准和要求。 基于运动分析的方法这种方法是一些学者基于物体运动特征的属性提出的一种关键帧提取算法，它一般的实现过程是：在视频镜头中分析物体运动的光流量，每次选择视频镜头中光流移动次数最少的视频帧作为提取到的关键帧。利用光流法计算视频帧的运动量公式如下所示：$$M(k) = \sum \sum |L_{x}(i,j,k)|+|L_{y}(i,j,k)|$$式中，M(K)表示第 ...

注意力机制$$Q : query(查询) \newlineK ：key（键） \newlineV ：value（值） \newline\sqrt{d_{k}}: 因为QK相乘后会得到很大的梯度，使得softmax之后得到很小的梯度，\newline为解决这一问题引入\sqrt{d_{k}}（梯度小训练慢）$$举个例子（淘宝搜索）： 淘宝搜索东西时，输入查询（qurey， Q）比如笔记本 【计算相似性】∶淘宝后台拿到这个查询Q，并用这个查询Q去和后台的所有的商品的关键字(或者title)(key，K)—一的来对比，找到物品和我们查询的相似性(或者说物品对应的相似性的权重)，相似性越高，越可能推送给我们 【得到价值】︰并且这个时候还要考虑物品的价值(value，V)，这个V不是指物品值几块钱，而是这个物品在算法中的价值。如果商家给了淘宝广告钱，或者商品物美价廉，评论好，点赞高，购买多，等等，那么算法就越有可能把物品排在前面推送给我们。 【计算带权重的价值】:我们拿刚刚的相似性，乘上物品在算法中的价值V，计算结果就是每件物品的最后的带相似性权重的价值，淘宝最后的 ...

Self Attention:不是 Target 和 Source 之间的 Attention 机制，而是 Source 内部元素之间或者 Target 内部元素之间发生的 Attention 机制，也可以理解为 Target=Source 这种特殊情况下的注意力计算机制。 具体计算过程是一样的，只是计算对象发生了变化而已。 注意力机制和自注意力机制的区别抽象的文本处理领域的 Encoder-Decoder 框架 没有用注意力情况首先，输入的信息经过 encoder 先转换为语义编码 c 生成输出的时候，借助语义编码 c I= f(语义编码 c) love= f(语义编码 c，I) you = f(语义编码 c，I，love) 为什么没有用到注意力机制？因为对于输出的每一个字，语义编码 c 的都是一样的，而这个语义编码是通过我喜欢你四个字来的，也就是对于生成 I，love，you，而言，用到的我喜欢你四个字的权重是一样的 用注意力的情况比如生成 I 的时候， 语义编码 c= [ 我(0.7)，喜(0.1) ，欢(0.1) ， ...

背景目前我们输入的都是一个向量，最后输出类别或者数值（例如一张图片分类或检测task）假设现在输入变成一个向量序列，同时长度会改变，那该怎么解决呢？ 第一个例子：词汇序列转换：一个单词对应一个向量，一个句子就是一排长度不一的向量，如何把一个单词表示成一个向量呢？有两种做法：one-hot Encoding和Word Embedingone-hot Encoding缺点是每个词汇之间我们看不到任何联系Word Embedding每个词向量是有语义顺序的，画出来就会是动物在一块(dog,cat,rabbit)，植物在一块(tree,flower)等 第二个例子：一段声音其实就是一排向量，我们取一段语音信号作为窗口，把其中的信息描述为一个向量（帧），滑动这个窗口就得到这段语音的所有向量，一分钟有6000个声音向量 transfoemer的结构 可以看出它是一个典型的seq2seq结构（encoder-decoder结构），Encoder里面有N个重复的block结构，Decoder里面也有N个重复的block结构。