多模态特征融合推荐初尝试，使用LightGCN获得ID-emb，超图卷积融合多模态信息获得Fea-emb，使用GAN丰富用户Fea，Attention融合Fea与ID。在模型选择时可以通过超参数--model在LightGCN的基础上选择是否增加超图、Gan、以及Attention等。
数据集：TIktok，Amazon，allrecipec，主页内多模态推荐相关仓库所需的数据集均可从此处获取
自己的一些demo，LightGCN召回之后用多模态特征进行精确排序，master基于GAN的俩个损失，bpr基于bpr损失。代码还在持续更新中...
pytorch实现GoogleNet、ResNet、SEnet的猕猴桃品种识别，数据集为徐香、瑞玉、翠香共900张，测试集准确率达到92%。
实时识别并输出书桌上正在翻阅的书目与页码。基于OpenCV+Qt开发，通过最大凸包提取书本边框，射影变换扭正摄像机视角，采用Orb+Ransac算法实现基于特征向量的图册匹配。
哈利被困在了一个魔法花园里。魔法花园是一个 N*M 的矩形，在其中有着许多植物，这些植物会在时刻 T 消失，如果 T 是 K的倍数。哈利每单位时间都会选择上、下、左、右四个方向的其中一个进行移动。 实验任务：已知哈利的位置和出口的位置，哈利希望你能告诉他最少需要多少时间能离开魔法花园，如果无法移动或无法找到出口，哈利会使用移形幻影。
