## 材料
- 五花肉
- 螺丝椒
- 小米椒
- 大蒜、姜
## 步骤
- 五花去皮切片，比回锅肉片小一些厚一些，具体大小随意。前后腿太瘦不行。
- 嫩点的螺丝椒切滚刀，不太能吃辣的话光螺丝椒就够了，喜欢吃些辣的可以加几颗小米辣。小米辣斜刀长圈，大蒜籽切横片。姜去皮切片和蒜搁一块儿，不去皮也行，随意。
- 空锅起猛火，爆锅下螺丝椒杀青起锅，带点糊没关系
- 继续空锅猛火直接下五花肉，一会儿自己就出油了。一直煸到带点焦边带点焦香味，半油渣状态为宜。然后下十几二十粒浏阳豆豉，豆豉一般来说要先蒸一下，懒得蒸也行，随意。继续下小米辣下螺丝椒，翻炒几下，下姜蒜，翻，下蚝油，翻，黄酒，翻，生抽及微量老抽，翻，味精，翻。然后把刚才煸好的螺丝椒下回来，继续翻。关火起锅完毕。

辣椒炒肉

通过多段排序+取模来拆分数据
```sql
WITH base_data AS (
    SELECT 
        a.*,
        ROW_NUMBER() OVER(PARTITION BY bucket_no) AS rk,
        COUNT(1) OVER (PARTITION BY bucket_no ) AS bucket_size
    FROM 
    (
        SELECT 
            *,
            hash(rand()) % 100000 AS bucket_no
        FROM 
            tmp_gumu_data_html_score_low_reward_hash_1030_4
        
    )a
),
bucket_data AS (
    SELECT 
        bucket_no,
        SUM(bucket_size) OVER() - bucket_size AS bucket_base,
        SUM(bucket_size) OVER() AS total_cnt
    FROM (SELECT DISTINCT bucket_no,bucket_size FROM base_data)
)
SELECT 
    a.* except(rk,bucket_size,bucket_no),
    LPAD((b.bucket_base+a.rk - 1) % 12, 2, '0') AS part_num
FROM 
    base_data a
INNER JOIN 
    bucket_data b
    ON a.bucket_no = b.bucket_no
   
;
```

数据打散拆分到多个 part

测试 2

测试

> https://www.ruanyifeng.com/blog/2025/08/weekly-issue-363.html
> 转载至阮一峰的网络日志

最好懂的神经网络解释
神经网络是 AI 的算法基础。




前些天，我在美国科普网站《量子杂志》（Quanta Magazine），读到一篇[科普文章](https://www.quantamagazine.org/how-can-ai-id-a-cat-an-illustrated-guide-20250430/)，用一个浅显的例子 + 插图，解释了神经网络，堪称我见过的最好懂的教程。

下面就是我整理出来的中文版。

1、


![image.png](http://blog.tools.uuin.vip/static/img/8229ad185146529f9347048f3e5738e6.image.webp)

你的计算机里有一堆照片，想要从中找出猫的照片，应该怎么做？

你很快意识到，这其实是一个机器分类问题，计算机要把照片分成两类：一类是猫，另一类不是猫。

2、


![image.png](http://blog.tools.uuin.vip/static/img/0b65e3a846369edc4cd440b8f98dccc0.image.webp)

让我们把这个问题想成一张地图，中间有一条分界线，把地图分成两个国家。

你的任务是，找出这条分界线的确切位置。这样的话，给出任意一个点，你就知道它在分界线的左边还是右边。

3、

![image.png](http://blog.tools.uuin.vip/static/img/a32dc43c4d5b3bb22ce1d8e1ae9b6a60.image.webp)


作为已知条件，地图上很多点的归属，是已知的。比如上图中，三角点属于 A 国，方块点属于 B 国。

你要做的就是，从这些点推测出分界线。

4、


![image.png](http://blog.tools.uuin.vip/static/img/523531a90ccdc6979c11f074bfa1f6c6.image.webp)

我们可以建立一个数学函数（上图的点 N），处理这个问题。

这个函数接受两个参数，分别是每个点的 x 坐标和 y 坐标，函数的返回值是0～1之间的一个值，表示该点有多大概率属于当前国家。

5、


![image.png](http://blog.tools.uuin.vip/static/img/d4199ab97d9f872a5bf35258ba035987.image.webp)

你就用已知的点，去训练这个函数。

计算机自动根据每次训练的误差，调整每个参数的权重值，最终得到一条最接近的分界线。

6、


![image.png](http://blog.tools.uuin.vip/static/img/98b8d2f7f23ff91164beb5147904a579.image.webp)

笔直的分界线只是最理想的情况，现实世界中，分界线更可能是七拐八弯的曲线。

7、


![image.png](http://blog.tools.uuin.vip/static/img/27764eceed1a08212fdde31841363bf6.image.webp)

这时，只用一个函数来确定分界线，就不太够了。你需要多个函数，从不同角度进行判断。

8、


![image.png](http://blog.tools.uuin.vip/static/img/4c98fb9acba44e9fd58a633cbd7efde6.image.webp)

判断过程甚至需要分阶段进行，也就是需要多层函数。

这些函数组成的网络，很像人类的神经系统，所以称为神经网络。每个函数就是网络中的一个神经元。

9、


![image.png](http://blog.tools.uuin.vip/static/img/8f037d196ad49b34c1ede0500ed24b3b.image.webp)

好了，现在再回到猫的照片。我们同样需要建立一个函数，来判断照片是猫的概率。

地图分界线的函数只需要 X 和 Y 两个参数，猫照片的函数就不行了，需要把整张照片输入进去。假如照片大小是2500个像素，那么函数就有2500个参数。

10、

![image.png](http://blog.tools.uuin.vip/static/img/8b2ff46d928633659f5c98bc364d22de.image.webp)


函数的参数个数，可以看成空间的维度，2个参数就是二维空间，2500个参数就是2500维的空间。

猫照片的函数就是在2500维空间里面，通过大量训练，找到一条分界线，从而算出任意一张照片落在线内的概率有多大。