&figure&&img src=&https://pic2.zhimg.com/v2-dacb7a8011843_b.jpg& data-rawwidth=&720& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic2.zhimg.com/v2-dacb7a8011843_r.jpg&&&/figure&&p&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-0eee5bd7d_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&312& data-thumbnail=&https://pic3.zhimg.com/v2-0eee5bd7d_b.jpg& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic3.zhimg.com/v2-0eee5bd7d_r.jpg&&&/figure&&p&椰子可以说是很神奇了，椰汁能让很多本来就好吃的东西变得更美味更甜蜜，椰肉也是甜滋滋的。那么你试过椰子和鸡蛋的组合吗？蛋香+奶香，你绝对无法抗拒！&/p&&p&&br&&/p&&h2&&b&椰皇炖蛋&/b&&/h2&&p&by nini啤梨&/p&&figure&&img src=&https://pic1.zhimg.com/v2-8ff07dd940ff0fb7e1b395e6bdabbbe2_b.jpg& data-size=&normal& data-rawwidth=&1080& data-rawheight=&1080& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic1.zhimg.com/v2-8ff07dd940ff0fb7e1b395e6bdabbbe2_r.jpg&&&figcaption&Photo by nini啤梨&/figcaption&&/figure&&p&&b&
·· 用 料 ··&/b& &/p&&p&牛奶 100g
椰汁 80g&/p&&p&鸡蛋 2只
椰皇 1只&/p&&p&&br&&/p&&p&&b&
·· 做 法 ·· &/b& &/p&&p&1 | 把椰子用刀背敲开壳，把椰汁倒出。&a href=&https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMTQ5MTMwOTA2MQ%3D%3D%26mid%3D%26idx%3D5%26sn%3D81dbb8cbad72aff68da2a78%26chksm%3D68dd029c5faa8b8a7c77b54eea5b5f8af128c6216deeca7e5adb18eacd8d845ca85%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&戳这里，查看如何2分钟内开椰子！&/a&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-0f3f41a46bf4acb96da068_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&864& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic1.zhimg.com/v2-0f3f41a46bf4acb96da068_r.jpg&&&/figure&&p&2 | 准备2只小鸡蛋，敲开鸡蛋均匀搅拌，一定要轻轻地搅拌，避免出现太多蛋泡。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-2f776c4b6cba866d53cd57_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&979& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic4.zhimg.com/v2-2f776c4b6cba866d53cd57_r.jpg&&&/figure&&p&3 | 加入纯牛奶。加入椰汁。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-5ad83e569ee_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&864& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic4.zhimg.com/v2-5ad83e569ee_r.jpg&&&/figure&&p&4 | 把鸡蛋、牛奶、椰汁的混合液，倒进已清空的原只椰子里，盖上椰肉盖，大火蒸45分钟。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-e61d0972bdddc832b3d05_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&995& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic1.zhimg.com/v2-e61d0972bdddc832b3d05_r.jpg&&&/figure&&p&5 | 成品，口感超级滑的椰皇炖蛋，色泽金黄。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-8ff07dd940ff0fb7e1b395e6bdabbbe2_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&1080& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic1.zhimg.com/v2-8ff07dd940ff0fb7e1b395e6bdabbbe2_r.jpg&&&/figure&&p&&br&&/p&&p&&b&
··小 贴 士··&/b& &/p&&p&1 | 先搅拌好蛋液，轻轻地搅，再逐步加牛奶、椰汁，切勿搅过起蛋泡，就会蒸出来。 &/p&&p&2 | 大火蒸的过程中，水会很快干，所以要偶尔打开锅盖留意加水。&/p&&p&&br&&/p&&p&&b&
··厨 友 的 作 品·· &/b& &/p&&p&第一次蒸很成功，老公儿子都说很赞，色泽金黄，香甜滑口，美味。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-cebe0a2e6c06a5cdb45444_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1024& data-rawheight=&1280& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic2.zhimg.com/v2-cebe0a2e6c06a5cdb45444_r.jpg&&&/figure&&p&Photo by Mandy小厨娘&/p&&p&&br&&/p&&p&椰香奶香蛋香～好吃！&/p&&figure&&img src=&https://pic3.zhimg.com/v2-67dd4a6d8b1840bfae2b02_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1024& data-rawheight=&942& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic3.zhimg.com/v2-67dd4a6d8b1840bfae2b02_r.jpg&&&/figure&&p&Photo by 手机用户3936_abg9&/p&&p&&br&&/p&&p&方子很不错，很香很滑，成功！&/p&&figure&&img src=&https://pic2.zhimg.com/v2-340ec2ba1a7f52d42cb9e2a16c26fe88_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&756& data-rawheight=&751& class=&origin_image zh-lightbox-thumb& width=&756& data-original=&https://pic2.zhimg.com/v2-340ec2ba1a7f52d42cb9e2a16c26fe88_r.jpg&&&/figure&&p&Photo by 爛瞓猪&/p&&p&&br&&/p&&p&&br&&/p&&p&&a href=&https://link.zhihu.com/?target=http%3A//www.xiachufang.com/category/2819/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&戳这里&/a&，查看更多&b&椰子&/b&的做法。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-69ce6f3edf7ffa04c80b_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&342& data-rawheight=&146& class=&content_image& width=&342&&&/figure&&p&&/p&
椰子可以说是很神奇了，椰汁能让很多本来就好吃的东西变得更美味更甜蜜，椰肉也是甜滋滋的。那么你试过椰子和鸡蛋的组合吗？蛋香+奶香，你绝对无法抗拒！ 椰皇炖蛋by nini啤梨
·· 用 料 ·· 牛奶 100g 细砂糖 椰汁 80g鸡蛋 2只 椰皇 1只
84年暑假，有个农民带了3只鸡和42个鸡蛋到镇上赶集，想卖了钱给儿子交学费，没想一出门就遇上了公安局，那年头的公安局爱喝鸡汤，立马铐了起来，鸡和蛋全部收归国有，还说犯了投机倒把罪，要判刑。这家人慌了，四处借了260元钱，派他儿子送到派出所，赶到时天已经黑了，整个派出所弥漫着炖鸡香味，所长大人头戴大沿帽，手执肥鸡腿，左啃一口右啃一口，样子威武庄严，十分专政。那农民铐在墙边的栏杆上，衣服全撕破了，身上血迹斑斑，趴在地上一动不动，不知是死是活。他儿子把钱送上，吓得话都说不出来。所长剔了剔牙，问他：“几岁了？干什么的？”那儿子回答：“15了，学生。”所长把钱收下，用油乎乎的手拍拍他的头：“小兔崽子，别跟你爹学，长大了做个好人！”&br&
1984年，我刚刚初中毕业，中考成绩全县第一。在那间飘着炖鸡香味的土坯平房里，我上了人生的第一堂伦理课：做个好人。那夜里我背着爸爸回家，他一直没说话，路上摔了一跤，半天爬不起来。他摸着我的脸问我：“儿子，你能考上大学吧？”&br&
我说：“一定能！”&br&
他沉默了半天，一字一句地说：“学法律。”&br&
我说：“好，学法律！”&br&&br&
——慕容雪村《原谅我红尘颠倒》
84年暑假，有个农民带了3只鸡和42个鸡蛋到镇上赶集，想卖了钱给儿子交学费，没想一出门就遇上了公安局，那年头的公安局爱喝鸡汤，立马铐了起来，鸡和蛋全部收归国有，还说犯了投机倒把罪，要判刑。这家人慌了，四处借了260元钱，派他儿子送到派出所，赶到时…
&p&作为加班必备食物，小编要拿出全球最好吃的十大泡面来推荐给大家，是时候唤出泡面之神了，让大家看看最好吃的泡面都有哪些！ &/p&&figure&&img src=&https://pic4.zhimg.com/v2-58bcf5b31d14db_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&600& data-rawheight=&394& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic4.zhimg.com/v2-58bcf5b31d14db_r.jpg&&&/figure&&p&以下泡面是一个号称泡面之神的奇男子——李内煦亲身尝试过后做出的测评，公正与否欢迎在下方留言！&/p&&figure&&img src=&https://pic4.zhimg.com/v2-c96e341b7a51c42d327c4f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&358& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/v2-c96e341b7a51c42d327c4f_r.jpg&&&/figure&&p&&b&10.妈妈泰式鲜虾酸辣面（泰国） &/b&&/p&&p&泰国的mama牌泡面，有最正宗的泰式口味，面饼筋道，配上鸡蛋，牛肉片，香菜吃，泰式的酸辣口味将会更加浓郁！ &/p&&figure&&img src=&https://pic1.zhimg.com/v2-fb0dc1ebcbeec59d966055c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1332& data-rawheight=&702& class=&origin_image zh-lightbox-thumb& width=&1332& data-original=&https://pic1.zhimg.com/v2-fb0dc1ebcbeec59d966055c_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/v2-55beaa38f7e73d2ff27abf3_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&454& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/v2-55beaa38f7e73d2ff27abf3_r.jpg&&&/figure&&p&&b&9. 小拌面 古早味葱油细面&/b&&/p&&p&看摆盘不知怎么还挺小清新的，具有台湾的古早味道，搭配好看的餐具，撒一点作料在面的上方，看起来也让人胃口大增。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-459f82fecff8c8885840fbe_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1180& data-rawheight=&878& class=&origin_image zh-lightbox-thumb& width=&1180& data-original=&https://pic3.zhimg.com/v2-459f82fecff8c8885840fbe_r.jpg&&&/figure&&p&&b&8. 出前一丁 黑蒜猪骨汤味&/b&&/p&&p&来自香港的出前一丁，相信很多人吃过，在家吃时可以配上大块的叉烧肉，和一些红油香料，汤底浓厚就像日式拉面一样，绝对值得一试！&/p&&figure&&img src=&https://pic3.zhimg.com/v2-dfe1fc6d5ed893ebf348a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&352& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic3.zhimg.com/v2-dfe1fc6d5ed893ebf348a_r.jpg&&&/figure&&p&&b&7. Nyor Nyar | 槟城白咖喱面&/b&&/p&&p&据说这一款泡面最适合口味重的人吃，汤底非常浓，还配有辣咖喱，简直让人回味无穷啊！&/p&&figure&&img src=&https://pic3.zhimg.com/v2-264c28d4ef41dea941c7cb_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&306& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic3.zhimg.com/v2-264c28d4ef41dea941c7cb_r.jpg&&&/figure&&p&&b&6.Prima Taste Singapore 咖喱全麦拉面&/b&&/p&&p&全麦面的口感质朴，咖喱汤底厚实，还有椰奶粉配面，如果你喜欢也可以倒进汤里，能完美的融合在一起！&/p&&figure&&img src=&https://pic2.zhimg.com/v2-d2e11bae657d_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&285& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic2.zhimg.com/v2-d2e11bae657d_r.jpg&&&/figure&&p&&b&5.MyKuali Penang 红冬阴功拉面&/b&&/p&&p&面条弹牙有嚼劲，辣味、香茅的清香味，还有虾的鲜味，简直了！&/p&&figure&&img src=&https://pic2.zhimg.com/v2-85da7af3ecc_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&305& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic2.zhimg.com/v2-85da7af3ecc_r.jpg&&&/figure&&p&&b&4.CarJEN 咖喱叻沙&/b&&/p&&p&这一款泡面最好吃泡面的榜单联系三年！汤底有咖喱、椰子粉还有特制的蘸酱，最后成品的口感浓郁有顺滑，非常棒！&/p&&figure&&img src=&https://pic1.zhimg.com/v2-9df0283eed98efb83d46c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&294& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic1.zhimg.com/v2-9df0283eed98efb83d46c_r.jpg&&&/figure&&p&&b&3.Nissin Straits Kitchen 叻沙&/b&&/p&&p&日清的拉面口碑一直很好，配料非常豪华，还能配上叻沙叶，味道口感大增，还会有浓郁的南国风味！ 不过相应的味道也比较贵啦~&/p&&figure&&img src=&https://pic3.zhimg.com/v2-311ae03c0c80b573f1aa2e766de2c4aa_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&218& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic3.zhimg.com/v2-311ae03c0c80b573f1aa2e766de2c4aa_r.jpg&&&/figure&&p&&b&2.MyKuali Penang香辣虾汤拉面&/b&&/p&&p&这一款汤底有非常香浓的鲜虾味道，可以用炸洋葱来提升整个泡面的味道，据说是Hans吃过最好吃的泡面！&/p&&figure&&img src=&https://pic2.zhimg.com/v2-ddeddb9a665_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&308& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic2.zhimg.com/v2-ddeddb9a665_r.jpg&&&/figure&&p&&b&1.Prime Taste 新加坡叻沙全麦面-&/b&&/p&&p&这款泡面在2013年就曾位居榜单前列，这一次改良成全麦之后，味道有得到了提升，面条口感顺滑筋道，汤底的浓酱让汤变得很浓郁~&/p&&figure&&img src=&https://pic4.zhimg.com/v2-a277cc8f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&288& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic4.zhimg.com/v2-a277cc8f_r.jpg&&&/figure&&p&除了这十款横跨世界的泡面，这个泡面大神还专门为了中国做了一个评测，排出了一个中国最好吃的泡面Top 10 ！&/p&&p&小编发现口味最好的还是聚集在东南亚...... &/p&&p&&b&10.阿宽红油面皮&/b&&/p&&p&这种宽面口感很有嚼劲，红油面皮有点四川的风味，油腻也很辣，总的来说味道还不错~&/p&&figure&&img src=&https://pic2.zhimg.com/v2-bdfcfafedc1f5e1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&226& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic2.zhimg.com/v2-bdfcfafedc1f5e1_r.jpg&&&/figure&&p&&b&9.康师傅西红柿鸡蛋打卤面&/b&&/p&&p&这款面大家应该都吃过吧~面条宽度中宽，配合浓郁的番茄打卤汤底，很有味！ &/p&&figure&&img src=&https://pic2.zhimg.com/v2-b250a507ea53035_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&234& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic2.zhimg.com/v2-b250a507ea53035_r.jpg&&&/figure&&p&&b&8.白象老坛酸菜味手擀面&/b&&/p&&p&小编发现，宽面的口感都还不错，自己做出来没有太多的方便食品的感觉，感觉还不错~尤其酸菜和辣汤，重口味一定喜欢。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-aaff8c3cf4c439df83b6_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&286& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic3.zhimg.com/v2-aaff8c3cf4c439df83b6_r.jpg&&&/figure&&p&&b&7.今麦郎香锅麻辣牛肉面&/b&&/p&&p&汤底好，热辣多油还有浓郁的牛肉味，重点是配菜海带也很好吃呀~ &/p&&figure&&img src=&https://pic4.zhimg.com/v2-e55cd3ad44d_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&285& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic4.zhimg.com/v2-e55cd3ad44d_r.jpg&&&/figure&&p&&b&6.五谷道场酸汤私房五谷面&/b&&/p&&p&汤底是浓郁的酸汤牛肉味道，面条的嚼劲十足，脱水菜的胡萝卜和牛肉都还蛮正的！&/p&&figure&&img src=&https://pic4.zhimg.com/v2-dd4b19dc4c28db51977e89f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&236& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic4.zhimg.com/v2-dd4b19dc4c28db51977e89f_r.jpg&&&/figure&&p&&b&5.阿宽麻辣小面&/b&&/p&&p&面条是川味的辣牛肉味道，料包有大量的芝麻和蔬菜，非常鲜香...... &/p&&figure&&img src=&https://pic3.zhimg.com/v2-92a693ddf4fcc5f6cd4767c0fff4e99a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&276& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic3.zhimg.com/v2-92a693ddf4fcc5f6cd4767c0fff4e99a_r.jpg&&&/figure&&p&&b&4.今麦郎辣子鸡面&/b&&/p&&p&今麦郎的面条非常筋道，汤底特别辣！！还曾经登上过世界十大最辣泡面排行榜！而且不光辣味十足，还很好吃~ &/p&&figure&&img src=&https://pic4.zhimg.com/v2-9ea0b8fc34bbc2dcbc25b_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&277& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic4.zhimg.com/v2-9ea0b8fc34bbc2dcbc25b_r.jpg&&&/figure&&p&&b&3.阿宽红油燃面&/b&&/p&&p&这个重庆小面真的好吃的不行了！面条又多又软，调料也搭配的很合适，越吃越辣，越吃越有味！&/p&&figure&&img src=&https://pic3.zhimg.com/v2-dfa0e3dab342a472f6dd56_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&274& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic3.zhimg.com/v2-dfa0e3dab342a472f6dd56_r.jpg&&&/figure&&p&&b&2.今麦郎剁椒排骨面&/b&&/p&&p&辣煌尚一生推啊！苗条饱满还很大碗，味道真实还原了剁椒排骨的口味，简直又辣又香~~ &/p&&figure&&img src=&https://pic1.zhimg.com/v2-44d90dd7949851febbb27bd0ab7c9bac_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&271& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic1.zhimg.com/v2-44d90dd7949851febbb27bd0ab7c9bac_r.jpg&&&/figure&&p&&b&1.五谷道场番茄牛腩私房五谷面&/b&&/p&&p&五谷道场的面条一直都很新颖，这一款的面是用紫薯做的，因此泡面嚼劲比其他的都足。重点配菜都很真实很大块！ &/p&&figure&&img src=&https://pic2.zhimg.com/v2-92075f2bfb6e4c6a3a0eed_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&240& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic2.zhimg.com/v2-92075f2bfb6e4c6a3a0eed_r.jpg&&&/figure&&p&看到最后，小编最爱的汤达人居然没有上榜，欢迎大家来留言区评论你最爱吃的哪款泡面，或是你喜欢吃的泡面就在以上的榜单嘛？&/p&&p&－－－－－－－－－－－－－－－－－－&/p&&p&旅游之前，先上马蜂窝&/p&&p&戳这里下载：&a href=&//link.zhihu.com/?target=https%3A//imfw.cn/l/9408518& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&马蜂窝App&/a&&/p&&p&让旅游更轻松、更便捷、更安全&/p&&p&2018，马蜂窝陪你一起重新发现世界&/p&&figure&&img src=&https://pic4.zhimg.com/v2-b0fc6be62adad5b_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&700& data-rawheight=&380& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&https://pic4.zhimg.com/v2-b0fc6be62adad5b_r.jpg&&&/figure&
作为加班必备食物，小编要拿出全球最好吃的十大泡面来推荐给大家，是时候唤出泡面之神了，让大家看看最好吃的泡面都有哪些！ 以下泡面是一个号称泡面之神的奇男子——李内煦亲身尝试过后做出的测评，公正与否欢迎在下方留言！10.妈妈泰式鲜虾酸辣面（泰国） …
看到这个题目我好激动啊啊啊啊啊啊啊！！高妹再次现身说法了！！真诚地推荐给还在上初高中、大学、甚至是工作了依旧想长个的朋友们！！&b&还有这不是什么广告帖！！我很生气！！卖增高药的微商滚出去！！你敢评论我就敢折叠！！&/b&&br&———————————————————————&br&&br&每天喝一盒纯牛奶真的能长高吗？&br&&br&当然不能，原因很简单：&br&&br&&b&一盒哪够啊，至少得三盒。&/b&&br&&b&&br&&/b&&br&&br&排除遗传因素。&br&我爸妈均高不到164cm，在北方算矮了，但第二代都蛮争气，我哥185cm，我174cm（可能还得长...）&br&&br&排除隔代遗传。&br&生物学的不好，让各位见笑了，有个什么隐性基因？反正我爷爷奶奶外公外婆辈也不高…所以这个也不考虑。（那就辛苦隔壁老王和老李了？？）&br&&br&后天营养很关键！！现在的小孩一个比一个高！！小学生都能轻松长到170cm…不是没有道理的！！&br&&br&&br&&br&&br&从幼儿园到上初二以前，我都属于既矮又胖还圆的那种女孩子，在班里毫不起眼，甚至有点好笑。&br&忘记从哪一年开始，新疆有个政策，遵循九年义务教育，给大家配发学生奶，五块钱就可以领到一箱牛奶。于是我每个月都超迷牛奶，拿着学校发的奶票，外加爸妈囤在家里的，一箱一箱见底地喝，越喝越好喝平均一天三盒！！早中晚！！说白了就是当水喝！！不要停！！&br&&br&（推荐最普通包装的纯牛奶即可，并不觉得高脂、脱脂、加钙，或者混合添加剂、水果味的、谷物类的，有这么神奇的吗？）&br&&br&&figure&&img data-rawheight=&1490& src=&https://pic2.zhimg.com/v2-e743f4e79662d_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic2.zhimg.com/v2-e743f4e79662d_r.jpg&&&/figure&&br&（新疆本土品牌，很多城市的面包店和超市均有销售，我比较喜欢喝这个牌子，大家也可以买别的～例如蒙牛和伊利。&br&麦趣尔其实不贵，但可能因为运输成本，某宝和其他地区价格与疆内差别较大，壕请随意下单。）&br&&br&&br&&br&&br&对，就是这样，粗暴简单。&br&&br&直到高三毕业，整整五年时间，我一发不可收拾，从157cm蹿到了171cm，因为初高中是在一个学校读的，很多老同学都见证着我的蜕变，被问最多的一句话就是：你怎么又长高了…？？&br&&br&所以喝牛奶亲测有效，我不是科研专家，讲不出什么道理来，但我身边有很多人跟我情况相同，&b&请把牛奶当水喝！！&/b&重要的事情再次强调。&br&&br&&br&不仅会长高，而且可以美白助睡眠（建议睡前必喝效果最好），晨起后仿佛焕然一新，虽然实验证明，牛奶并不能美白，但我的错觉告诉我，人家就是白着呢哈哈哈哈哈哈...&br&&br&&br&地域原因吧，新疆的孩子普遍长得比较高，因为昼夜温差大？有利于农作物生长？从小牛羊肉吃的比较多，不仅饭量大，而且顿顿必有蔬菜，我以前也是一个不爱吃菜的小女孩。 其次是新疆的瓜果，一饿就当零嘴，酸奶超好喝der，所以&b&请大家戒掉奶茶和饮料&/b&好吗？答应我，开始养生吧，摄入过多糖分，也是影响发育的重要因素。&br&&br&&br&&br&&br&由于爸爸是军医，对我的身体格外关注。总结了以下经验，在准备大量喝牛奶前，请先做到：&br&&br&&b&1.粗粮作主食，荤素搭配，少辛辣油腻，水果蔬菜必须多吃（搭配吃保健品类的复合维生素，我吃的是汤臣倍健的vc+vb+ve）还有小时候喝过的蓝瓶锌，什么成长快乐和口碑好点的钙片，这两种我长大后就没怎么吃了。&br&2.保证饭量，调理好肠胃，光吃不吸收浪费国家资源啊喂（这点很关键，狂吃不胖也可能是因为你的肠胃吸收功能差，庆幸自己喝口水都胖。）&br&3.配合有氧运动，例如慢跑、跳绳、摸高，有条件的可以多去游泳（我初三毕业专门去报名游泳班，在水里扑腾的不算，一次运动维持在四十五分钟以上。）&br&4.日常生活中，有意识地确认自己的形态端正挺拔，坚持睡前拉伸，我的初衷是为了瘦腿，但拉拉筋真的有意外的功效。&br&5.保护骨骼膝盖，适量去户外晒晒太阳，不是站在太阳下暴晒啊喂，是融入自然，不做死宅懂吗？&/b&&br&&b&6.不建议青少年过早去健身房瞎使蛮劲，强力举铁或多或少会影响发育（我一初中同学，认识他前就健身好多年，那时候不到170，现在还是不到170...）先别接触&/b&&b&无氧运动，具体请参照第三条。&/b&&br&&br&&br&&br&关于几岁前停止发育生长，这个因人而异，可以去医院查个骨龄，让自己死心，不过也千万不要说自己都一把年纪了，喝牛奶肯定没用了，也许有的人本来就晚熟，发育得晚，所以不要放弃啦！！基因是爸妈给的，但后天的发育结果得靠自己哇，努力为自己画上圆满的句号！！&br&&br&&br&———————————————————————&br&&br&&br&&br&&br&&br&&br&这里插播几条安利：&br&快过年了，肯定需要囤年货吧，走过路过不要错过，我来自新疆，我给新疆带馕。&br&&br&&br&&br&&br&瑞源奶疙瘩（当零食吃根本停不下来&br&小朋友都很喜欢的哦～～&br&&figure&&img data-rawheight=&800& src=&https://pic4.zhimg.com/v2-038d20df7bdae9b823dbaf3e_b.jpg& data-rawwidth=&800& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic4.zhimg.com/v2-038d20df7bdae9b823dbaf3e_r.jpg&&&/figure&&br&&br&&br&&br&天润奶啤（不是酒！属于发酵奶饮！&br&&figure&&img data-rawheight=&800& src=&https://pic4.zhimg.com/v2-d8d48c6d0efbaef484df2f7_b.jpg& data-rawwidth=&800& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic4.zhimg.com/v2-d8d48c6d0efbaef484df2f7_r.jpg&&&/figure&&br&&br&同上。&br&&br&&figure&&img data-rawheight=&800& src=&https://pic1.zhimg.com/v2-43dadccb72e8_b.jpg& data-rawwidth=&800& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic1.zhimg.com/v2-43dadccb72e8_r.jpg&&&/figure&&br&&br&&br&&br&天润酸奶（不解释！！疯狂打call！&br&&figure&&img data-rawheight=&800& src=&https://pic3.zhimg.com/v2-251d7bdf9c6f8ffa_b.jpg& data-rawwidth=&800& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic3.zhimg.com/v2-251d7bdf9c6f8ffa_r.jpg&&&/figure&&br&&br&&br&&br&&br&还有！！&b&千万不要熬夜，早睡晚起最好不过了！&/b&姚明为什么长那么高？曾经报道里说，他学生时代练球归练球吧，一逮着机会就补觉，这点我很坚信！！&br&&br&&br&说偏了有点，总之，题主的一盒估计是250ml左右吧，不建议一盒，要来就来点有效果的！！跟呼吸一个道理，我又开始胡扯了哈哈哈哈，你得不停吸氧，才能活下去。&br&&br&所以！！&b&请务必把牛奶当水喝！！&/b&&br&&br&而且可能是因为蛋白质补充的很足，我的发质也很好呢哈哈哈哈哈哈哈哈。&br&&br&&br&&br&&br&&br&&br&有图有真相啦～\(//?//)\&br&走心的请阅读至文章底部嘻嘻&br&&figure&&img data-rawheight=&1280& src=&https://pic1.zhimg.com/v2-c2d81dd6a47b907c4f08d0c3b9909078_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-c2d81dd6a47b907c4f08d0c3b9909078_r.jpg&&&/figure&&br&（一张超不正经的大鹏展翅&br&&br&&br&&br&&br&&figure&&img data-rawheight=&1280& src=&https://pic3.zhimg.com/v2-4d8c658a241bc89ca0ce_b.jpg& data-rawwidth=&1707& class=&origin_image zh-lightbox-thumb& width=&1707& data-original=&https://pic3.zhimg.com/v2-4d8c658a241bc89ca0ce_r.jpg&&&/figure&&br&（补一张我平时最爱的标配，乳糖不耐的可以尝试喝酸奶，我每次必须喝这么大瓶的才过瘾...但我个人觉得酸奶好消化，当作纯牛奶计划的课间辅食就够了，家里有豆浆机的可以经常榨豆浆喝喔&br&&br&&br&&br&&br&&br&&br&&br&关于评论里的一些疑问：&br&&br&&br&&u&&i&1.奶粉是否可以代替纯牛奶？&/i&&/u&&br&我没长期喝过奶粉，不敢确定，毕竟奶粉是经过二次加工，不推荐。&br&&br&&u&&i&2.羊奶是否可以代替牛奶？&/i&&/u&&br&同样是补钙，羊奶口味偏甜，但市场上很少有羊奶的包装，大多数需要回家用锅煮，不方便。&br&&br&&i&&u&3.你难道不会喝出肾结石？喝多了不会得什么乳腺癌吗？你的肾功能还好吗？&/u&&/i&&br&麻烦百度一下结石的病因，你是票圈的传销文章看多了吗，我本人现在很健康谢谢。&br&&br&&i&&u&4.我不这么喝牛奶也长高了呀？&/u&&/i&&br&我这篇文章主要针对先天条件不好的，麻烦自己爸妈不矮的朋友让一让好吗。&br&&br&&u&&i&5.我也坚持喝了，但就是没长个，而且横向生长？&/i&&/u&&br&&i&&u&喝牛奶会不会长胖呀？&br&&/u&&/i&首先，我说的很明白，你所谓的坚持，是一天三盒吗？你运动了吗？当人体大量摄入任何一种营养，都是会发胖的，你光进不出，肉自然长你身上。&br&&br&&figure&&img data-rawheight=&1135& src=&https://pic4.zhimg.com/v2-1a65b3ffcf_b.jpg& data-rawwidth=&1242& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic4.zhimg.com/v2-1a65b3ffcf_r.jpg&&&/figure&&br&&figure&&img data-rawheight=&1027& src=&https://pic2.zhimg.com/v2-2a4fc474dbe82f428fb8f55_b.jpg& data-rawwidth=&1242& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic2.zhimg.com/v2-2a4fc474dbe82f428fb8f55_r.jpg&&&/figure&&br&&figure&&img data-rawheight=&1167& src=&https://pic4.zhimg.com/v2-4db9b1d18ae40c6e00c0e350edfa9903_b.jpg& data-rawwidth=&1242& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic4.zhimg.com/v2-4db9b1d18ae40c6e00c0e350edfa9903_r.jpg&&&/figure&&br&&br&&i&&u&6.我从小就喝，为什么一点用也没有？&/u&&/i&&br&建议从青春期发育后开始多喝，小的时候正常量就ok，只有真正到了长个子的年龄，身体才会需要大量的蛋白质和钙。&br&&u&&i&&br&&br&7.我xx岁了，xxxcm，现在喝还来得及吗？&/i&&/u&&br&面对这样的提问，其实我真的很无语，来不及了行了吧，不试一试怎么知道会失败呢？既然想长个，那就按照要求勇敢去尝试。我不是先知，说不了准话，不过是求个心理安慰，真正想长个的人，都去实践了好吗。&b&【种一棵树，最好的时间在十年前，其次 是现在。】&/b&&br&&br&&br&&u&&i&8.喝牛奶会长痘痘吗？&/i&&/u&&br&&figure&&img data-rawheight=&780& src=&https://pic2.zhimg.com/v2-efec2e87a3c4ee3c0283e0d_b.jpg& data-rawwidth=&1242& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic2.zhimg.com/v2-efec2e87a3c4ee3c0283e0d_r.jpg&&&/figure&&br&&figure&&img data-rawheight=&681& src=&https://pic1.zhimg.com/v2-588a3ee67043ac_b.jpg& data-rawwidth=&1242& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic1.zhimg.com/v2-588a3ee67043ac_r.jpg&&&/figure&&br&&figure&&img data-rawheight=&1244& src=&https://pic4.zhimg.com/v2-198d43641c39dee235dcb_b.jpg& data-rawwidth=&1242& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic4.zhimg.com/v2-198d43641c39dee235dcb_r.jpg&&&/figure&&br&&br&&br&&br&&br&&u&&i&9.喝牛奶的最佳时间？&/i&&/u&&br&&u&&i&&br&&/i&&/u&&br&&i&我会选择在早餐后，下午茶时间，以及睡前。&/i&&br&&i&&br&&/i&&br&&figure&&img data-rawheight=&1346& src=&https://pic2.zhimg.com/v2-a068fb1bf1d263d50912f1_b.jpg& data-rawwidth=&1242& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic2.zhimg.com/v2-a068fb1bf1d263d50912f1_r.jpg&&&/figure&&br&&br&&u&&i&10.其他注意事项&/i&&/u&&br&&figure&&img data-rawheight=&1860& src=&https://pic4.zhimg.com/v2-384aa7a94ceee77cde52cfef_b.jpg& data-rawwidth=&1241& class=&origin_image zh-lightbox-thumb& width=&1241& data-original=&https://pic4.zhimg.com/v2-384aa7a94ceee77cde52cfef_r.jpg&&&/figure&&br&&figure&&img data-rawheight=&1856& src=&https://pic3.zhimg.com/v2-b5bc69c5fe22_b.jpg& data-rawwidth=&1242& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic3.zhimg.com/v2-b5bc69c5fe22_r.jpg&&&/figure&&br&&figure&&img data-rawheight=&1183& src=&https://pic2.zhimg.com/v2-d2cc20ed4aee439e962f64d_b.jpg& data-rawwidth=&1242& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic2.zhimg.com/v2-d2cc20ed4aee439e962f64d_r.jpg&&&/figure&&br&&br&&br&&br&&br&&b&学会自律，重在坚持。&/b&&b&&br&&/b&&figure&&img data-rawheight=&1132& src=&https://pic3.zhimg.com/v2-cdbb1fe61bbf713e42a4a561f4312782_b.jpg& data-rawwidth=&1124& class=&origin_image zh-lightbox-thumb& width=&1124& data-original=&https://pic3.zhimg.com/v2-cdbb1fe61bbf713e42a4a561f4312782_r.jpg&&&/figure&&br&&b&&br&&/b&&br&&b&注明一下：我今年十九岁。&/b&&br&&b&净高174cm 体重55～57kg&/b&&br&&b&刚上大学时体测172cm&/b&&br&&b&一年多过去了 万万没想到 又长个了…&/b&&br&&b&&br&&/b&&br&&b&我ex那会发短信来说希望我不要再长个了？？WTF？？真是个美好的祝愿呢？？&/b&&br&&b&不过女生长到168差不多，男生185+就挺好，我属于意外事故，刹不住车了...&/b&&br&&br&&b&导致无奶不欢的我放弃了最爱&/b&&br&&b&只敢偶尔喝个酸奶啥的&/b&&br&&b&&br&另外关于睡眠：&/b&&br&&b&1.睡眠质量非常好，雷打不动，夸张的时候沾枕头秒睡，不怎么爱做梦。&/b&&br&&b&2.新疆作息时间整体比北京时间作息晚两个小时，初中基本在十一点半前睡觉，高中熬到凌晨一点多睡，但早上都是八点起床。&/b&&br&&b&3.保持午休习惯，有空就补觉，除了上课。&/b&&br&&b&4.睡前养成热水泡脚、喝牛奶、拉伸、裸睡等好习惯，都能有助于安眠。&/b&&br&&b&5.&/b&&b&放假了如果没人叫我起床，可以睡够十一个小时，是猪精女孩本人无疑了。&/b&&br&&b&6.每个人的生物钟不一样，有的人早睡早起，有的人晚睡晚起，其实这都ok不算打破规律，真正的熬夜是晚睡早起，直接懵逼一整天。&/b&&br&&b&&br&&/b&&br&&br&&b&这次开学了天气暖和点，就准备接着每晚的慢跑七十分钟，过年肯定会吃胖，大家都快点运动起来吧！！！(｀_?)ゞ&/b&&br&&b&&br&&/b&&br&&b&&br&&/b&&br&&b&&br&&/b&&br&&br&&br&&br&关于别的几个高赞回答，其实我都看过了，专业领域人士也做出了客观的回答，不得不佩服知识的力量，基本上指出喝牛奶对长高是没有用的，或者说很多人长得高是靠爸妈的遗传。&br&&br&但！！我们不一样！！（此处应该有掌声和bgm）虽然没有优良的基因，但我不靠爸妈啊！！我命由我不由天哈哈哈哈哈哈！！靠后天的弥补照样也可以！！我不管请你千万不要放弃！！我就是个赤果果的例子！！还有无数潜伏在精选评论区的小伙伴们与你同在！！&br&&br&甚至被问有什么资格来答这道题呢？？居然敢这么明目张胆地和众多科研成果唱反调？？我一学金融的在生物方面，简直像个文盲，码这么多字我容易吗哈哈哈哈！！但其实我压根不介意有些人会点反对喔，尊重你们的选择，我的初衷是希望能把自己的真实经验，分享给更多对自己身高不满意的知友们！！&br&&br&&br&有更多关于长高的细节问题，可以关注我后私信，我尽可能地根据实际情况回答你喔～～～( ?▽` )?&br&&br&&br&&br&&br&&br&&br&&br&&br&&br&&br&#更多精彩请看这里#&br&&br&关于个子高的体验～&br&&a href=&https://www.zhihu.com/question//answer/& class=&internal&&&span class=&invisible&&https://www.&/span&&span class=&visible&&zhihu.com/question/2602&/span&&span class=&invisible&&5036/answer/&/span&&span class=&ellipsis&&&/span&&/a&&br&&br&关于我的自拍～&br&&a href=&https://www.zhihu.com/question//answer/& class=&internal&&&span class=&invisible&&https://www.&/span&&span class=&visible&&zhihu.com/question/2110&/span&&span class=&invisible&&0397/answer/&/span&&span class=&ellipsis&&&/span&&/a&
看到这个题目我好激动啊啊啊啊啊啊啊！！高妹再次现身说法了！！真诚地推荐给还在上初高中、大学、甚至是工作了依旧想长个的朋友们！！还有这不是什么广告帖！！我很生气！！卖增高药的微商滚出去！！你敢评论我就敢折叠！！ ——————————————…
&figure&&img src=&https://pic2.zhimg.com/v2-7ed876c3d528a193694ea_b.jpg& data-rawwidth=&1440& data-rawheight=&1080& class=&origin_image zh-lightbox-thumb& width=&1440& data-original=&https://pic2.zhimg.com/v2-7ed876c3d528a193694ea_r.jpg&&&/figure&&b&嗯，把这篇文章修改一下贴专栏当“写作大纲”了。以下奖项是利益相关，用来证明一下自己经验的价值与可信度，在此之后就不重复了：&/b&&blockquote&&p&&b&16美国大学生数学建模竞赛Meritorious Winner&/b&&/p&&p&&b&2015.12
PICC第三届电商保险大学生创意设计大赛湖北省第一名，全国亚军&/b&&/p&&p&&b&2015.11
首届灵青社会创新大赛“杰出团队奖”&/b&&br&&/p&&p&&b&2015.10
第三届中国MPAcc学生案例大赛本科生团队全国前十强，全国第四&/b&&/p&&p&&b&2015.09
首届中国“互联网+”大学生创新创业大赛湖北赛区银奖&/b&&/p&&p&&b&2014.12
“工行杯“第七届湖北省大学生经济学术研讨会论文征集大赛二等奖&/b&&/p&&p&&b&…………&/b&&/p&&/blockquote&&p&本文主要会分为三个部分：&/p&&blockquote&&b&1.在参加商赛前需要做什么准备&/b&&p&&b&2.在参赛商赛时需要注意些什么&/b&&/p&&p&&b&3.参加商赛对大学生有什么意义&/b&&br&&/p&&/blockquote&&p&以下将做分点概述，如果有更多问题请在评论区提出。&/p&&p&&b&一、在参加商赛前需要做什么准备&/b&&/p&&p&&b&1.心理准备&/b&&/p&&p&商赛前的心理准备我觉得主要分为三方面：&u&（1）付出与收获在商赛中往往并不成正比；（2）商赛需要的技能中你只需要精通某个方面就可以了，没必要去当全才；（3）玩商赛只是大学生活中所有可以走的路当中一条还不错的路而已，不要因此产生任何优越感。&/u&&/p&&p&先说第一个：根据我的经验，很多人在某些商赛中之所以成功真的只是因为幸运而已，不要不信。&b&“天道酬勤，功不唐捐”&/b&的至理在商赛中只会体现在&b&宏观&/b&上，微观到某一个比赛某一个人那里则可能恰恰完全相反。但是，在没有其他更好的选择之前（比如走后门之类的），非常非常努力为它付出依然会是你最好的选择。&br&&/p&&p&第二个的意思是说，玩好一个商赛可能需要很多很多技能，比如文献检索，数学建模，编程软件，创新性思维，文档排版，做ppt，拉赞助，演讲与展示……等等等等。你没必要为了玩个商赛就把上面需要的所有技能都学了，那样太累，也很不现实。你只需要保证自己&b&精通以上一种或者几种技能&/b&，再去找一些精通其他方面的队友，然后根据比赛需求临时学一点东西，最后一般就可以玩得很好了。&u&重在人员搭配与分工·。&/u&&/p&&p&第三个则是说大学生活其实有很多种玩法，考证，实习，刷项目，专心学习乃至于天天打游戏都可以。不要因为自己商赛拿了几个奖就去看不起走其他路的人，也不要因为自己一个商赛的奖都没有就去盲目跟风玩。各种可以走的路之间并没有高低贵贱之分，出色的商赛经历会是简历上一个还不错的加分项，但绝对不是唯一的加分项。而且走商赛这条路真的需要一点热爱，因为&b&新手的初期收益会非常低&/b&。&/p&&br&&p&&b&2.技能准备&/b&&/p&&p&技能准备其实在上面已经提到一点了，不同类型的商赛需要的也不一样，我只挑两个比较有代表性的做一个概述。&/p&&p&（1）文献检索：无论做什么商赛，都总是从查找资料开始的，各种需要搜索的内容包括但不限于往年获奖作品，己方思路的同类作品，各种相关数据等等，这个时候文献检索大法就开始大显神威了。具体技巧的学习我推荐一下：&a href=&https://www.zhihu.com/question//answer/& class=&internal&&文献信息检索书籍推荐&/a&，以及：&a href=&https://link.zhihu.com/?target=http%3A//www.icourse163.org/learn/WHU-29001%3Ftid%3D%23/learn/announce& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&信息检索_中国大学MOOC&/a&。&/p&&p&（2）文档排版：&u&“你的外表决定了我会不会有兴趣去了解你的内心，你的内心决定了我会不会一票否决掉你的外表”&/u&，对于任一份商赛作品而言，也是一样的道理。真的，排版很差的作品很容易会死在初赛海选上，内容再好都没用。这里的话我推荐一本：&b&Word排版之道（第三版），宋翔著，电子工业出版社。&/b&&/p&&p&其他的比如数学建模和编程软件主要看的是平时积累或者找相关专业的队友；创新性思维和展示能力这个知乎上相关问题很多，我就不献丑了；做ppt的教程网上也有很多……总之就是，根据你决定去玩的商赛的类型提前准备相应技能就好了。&/p&&br&&p&&b&3.信息准备&/b&&/p&&p&这个主要是说：我们在哪里可以找到很多商赛信息？嗯，我在这里推荐几个公众号吧，如果有相应的公众号运营者看到了这篇文章，请付我五毛钱广告费，谢谢。&/p&&p&&b&（1）大学生赛事资讯（ID:studentsaishi01）&/b&&/p&&p&&b&（2）我爱竞赛网（ID:woaijingsai）&/b&&/p&&p&&b&（3）大学生活动资讯（ID:daxueshengzixun）&/b&&/p&&p&我玩商赛的初期信息来源一般就这几个吧，各种类型的商赛信息挺全的，可以满足新手们的绝大多数需求了。后期的话可能需要自己去发掘一些小众渠道，以及靠朋友推荐什么的，这里就不展开了。&/p&&p&&b&4.队友准备&/b&&/p&&p&队友这一块需要强调的只有&b&“专业搭配，技能搭配”&/b&这一句话而已。我个人是很讨厌在玩商赛的时候拖家带口，拖酱油的，因为这是对其他靠谱的队友很不负责的行为。找队友的时候请不要以人情为导向，而要&u&以专业与技能为导向&/u&。如果玩某种商赛需要恰好需要某种技能，你不会且短时间内也没法学，那么就去找一个已经练过这个技能的队友吧，省时省力效率也高。&/p&&p&至于怎么找到拥有某种技能的队友，方法包括但不限于：自己去学校的论坛或者qq群微信里贴招聘启事贴广告，请身边的朋友介绍朋友，估摸着哪个专业的同学应该学过然后直接上门拜访……需要注意的就是，如果是在之前的合作中已经被证明过不靠谱的队友，下次玩就不要一起组队了，省得闹心。&/p&&p&&b&二、在参加商赛时需要注意些什么&/b&&/p&&p&&b&1.选题的重要性&/b&&/p&&p&嗯，在你开始写一份商赛作品之前，你应该首先要明白一件事：&u&无论你作品的措辞多么优雅，模型多么精美，数据多么准确，都是很难比一个已经在这个领域工作多年的工程师/研究员做得更好的。&/u&那些非常专业的评委们之所以还要来一份份仔细看这些学生作品，往往并不是因为学生们的什么什么措辞，什么什么模型，什么什么数据用得特别好。相反，思路与创新在这个时候成了作品中最重要的部分，这也是作为一个学生为数不多的可以给那些“老油条”们贡献价值的地方。明白了这一点，你就知道一个优秀的选题与切入点，对一份商赛作品到底有多重要了。&/p&&p&&b&2.排版的重要性&/b&&/p&&p&这个在前面也强调过了，这里再强调一次。一个好的排版确实不可以帮你把一份作品从第二档加分到第一档，但是它可以帮你从2.9档加分到2.1档；而且，一个差的排版是有可能把一份1.0档的作品拉分到3.9档的。一个乱糟糟的排版非常容易让评委失去认真阅读的兴趣，一个赏心悦目的排版则可以为作品本身不算太好的内容增色不少。&/p&&p&需要单独说一下的是商赛作品里的做图。个人而言我比较提倡的是&u&“文档每两页至少一个图，最好做到每页都有图。能用图表说明的东西绝对不要用大段的文字来说。”&/u&具体的图表风格与排版风格请参照各大咨询公司每年公开的一些行业分析报告的风格，这里我就不赘述了。&/p&&p&&b&3.实地调研的重要性&/b&&/p&&p&一般来说，如果你做的是对作品的&u&可行性要求比较高&/u&的商赛的话（比如产品设计类商赛），在作品中专门留出一个版块来写问卷调研/实地调研/实地访谈的结果及其分析，是可以为作品本身加分不少的。理论最终还是要靠实际来检验的，这样做既可以体现作品逻辑的缜密性，也可以打消掉评委对于作品可行性的疑虑。&/p&&p&&b&4.团队协作的重要性&/b&&/p&&p&团队协作在商赛中主要是说&b&“合理分工”&/b&。作为队长请不要大包大揽，包干一切，要学会把工作分配给最擅长的队友，更要学会在寻找队友的时候就考虑到专业与技能的搭配；作为主力队员请协助队长做好一部分组织协调工作，承担起主要输出的职责；作为非主力队员请按时按量完成被分配的任务……合作过程中出现了什么矛盾或者问题请&b&开诚布公&/b&，不要藏着掖着，更不要给队友“穿小鞋”。&/p&&p&&b&5.指导老师的重要性&/b&&/p&&p&很多人在做商赛的时候还没有和老师有过足够深入的交流，就喜欢弄个大新闻，把老师的水平批判一番，宣扬指导老师无用论。殊不知，老师活了这么多年带了这么多届学生，什么比赛什么场面没见识过，水平比起绝大多数学生真的不知道要高到哪里去了。好好请教，耐心一点，不要脸一点，多试几次……然后你就会知道一个专业对口的老师的实力以及人脉圈会有多强了。从作品思路的调整到模型的优化，乃至于后面帮忙介绍调研对象，指导老师的作用简直不要太多。&/p&&p&&b&6.时间控制的重要性&/b&&/p&&p&这里需要提醒的就是——&b&“尽量不要熬夜，一定不要踩点提交作品”&/b&。熬夜与踩点提交除了证明队伍的做事效率低，时间控制能力差之外以外什么都证明不了。不要用“我们熬夜做的东西，我们真的很努力了”这种话来感动自己，最后什么奖都拿不到有个屁用。熬夜会导致效率持续降低的恶性循环。作品提交的时候你往往会发现很多之前没有发现的错误，然而如果踩点提交你就不会有时间去改了。我建议就是尽量把一份商赛作品的写作周期提前规划好，并严格执行，不要到最后几天紧赶慢赶。&/p&&p&&b&三、参加商赛对大学生有什么意义&/b&&/p&&p&&b&这里的话把我之前写的一个答案贴上来就行。&a href=&https://www.zhihu.com/question//answer/& class=&internal&&大学生参加商赛有什么意义？——许之一的回答&/a&&/b&&/p&&br&&p&&b&1.可以逼着你自己去学很多长期看来会很有用的东西：&/b&比如用word做很精美的文档排版，用excel画一些很商务风格的图，ps做宣传海报，用python爬数据等等……如果不是相应的专业，老师上课是不会教这些实操性很强的技能的，但是做商赛的时候常常又会用到这些东西。没办法，只能硬着头皮一点点摸索，然后找教程自学。短期来看它们确实没什么用，这些技能又不能帮你加GPA，但是如果你日后去实习了，去工作了，去参加正式的科研项目了，你就会知道这些软技能其实是一个很大加分项，并且也可以省掉你以后从头开始学的很多时间。&/p&&br&&p&&b&2.对普通学生而言，找实习以及找工作时简历上一个还不错的加分项：&/b&作为一个也算是看了近千份简历的HR，我不得不说大多数普通学生的简历其实是乏善可陈的。不单单是二本三本，就算我母校这个五流211，很多人大四的简历也是一片空白——几个社团活动，几个校级院级的三等奖优胜奖，一两个一看就是打杂的实习经历，然后就没了……我承认，HR在看简历的时候，商赛并不是一个权重很大的加分项，学校以及相关实习经历、项目经历才是重头戏。但是，你有个省级国家级的商赛奖项，很多时候就已经足够帮你把那些简历一片空白的秒成渣了。更何况，有些商赛是会给获奖者提供内部的实习机会的（比如安永的beyond，毕马威案例分析），在HR心中一个专业对口的商赛经历权重未必比一份很水的实习经历要低。&/p&&p&&b&3.扩展眼界，扩展人脉：&/b&很多商赛都是一个持久战，四五个队友从选题到做分析写报告做展示再到领奖，前前后后折腾一年的都有。这么长时间的合作，是很难不建立起深厚的革命友谊的（嗯，趁机脱单的都有）。比起和大学里很多同班同学只是连续两三年坐同一个教室上课建立起的情感，这种途经所带来的人脉以后会更有效一点。再者，很多商赛都是全国性的的赛事，在这么大的平台上与来自全国各地的优秀学子同台竞技，互相取经，感受被碾压的恐惧……所带来的收益比起闷着头读几本书也是不遑多让了。&/p&&br&如果你并不是那几个顶尖985的学生，家里也没有什么很厉害的背景，对于自己的未来也没有十分清晰地规划的话，大一大二的时候去多刷一些商赛真的是&b&一个提高自己的性价比很高的方法。&/b&这么早就翘课去实习的话不是太好，也找不到很好的公司；学商科还一心一意地去读书日后除非从事研究型工作否则综合竞争力不会太强；混迹于各大学生社团对于日后写简历其实是没什么卵用的；一般人专心去练各种技能如果没个平台可以展示的话也坚持不了太久……列举了这么多，我只想说：对大多数普通学生而言，大一大二花时间花精力去参加商赛其实是一个&b&较优解&/b&。&br&&p&以上，感谢阅读。如果你对商赛这个话题感兴趣，想了解更多信息的话，欢迎关注&b&“许之一的商赛笔记”&/b&知乎专栏。&/p&
嗯，把这篇文章修改一下贴专栏当“写作大纲”了。以下奖项是利益相关，用来证明一下自己经验的价值与可信度，在此之后就不重复了：6美国大学生数学建模竞赛Meritorious Winner2015.12 PICC第三届电商保险大学生创意设计大赛湖北省第一名，全国亚军…
&figure&&img src=&https://pic3.zhimg.com/v2-da6e908fbff06e8e14c60d86d776d225_b.jpg& data-rawwidth=&768& data-rawheight=&576& class=&origin_image zh-lightbox-thumb& width=&768& data-original=&https://pic3.zhimg.com/v2-da6e908fbff06e8e14c60d86d776d225_r.jpg&&&/figure&&p&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-abd42bbb61ee_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&558& data-rawheight=&315& class=&origin_image zh-lightbox-thumb& width=&558& data-original=&https://pic1.zhimg.com/v2-abd42bbb61ee_r.jpg&&&/figure&&p&作为一名久经片场的老司机，早就想写一些探讨驾驶技术的文章。这篇就介绍利用生成式对抗网络（GAN）的两个基本驾驶技能：&br&&/p&&p&1) 去除(爱情)动作片中的马赛克&/p&&p&2) 给(爱情)动作片中的女孩穿(tuo)衣服&/p&&p&&br&&/p&&h2&生成式模型&/h2&&p&上一篇《&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&用GAN生成二维样本的小例子&/a&》中已经简单介绍了GAN，这篇再简要回顾一下生成式模型，算是补全一个来龙去脉。&/p&&p&生成模型就是能够产生指定分布数据的模型，常见的生成式模型一般都会有一个用于产生样本的简单分布。例如一个均匀分布，根据要生成分布的概率密度函数，进行建模，让均匀分布中的样本经过变换得到指定分布的样本，这就可以算是最简单的生成式模型。比如下面例子：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-d11b5fb26d3cc8e942f841bafe010cd8_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1021& data-rawheight=&443& class=&origin_image zh-lightbox-thumb& width=&1021& data-original=&https://pic1.zhimg.com/v2-d11b5fb26d3cc8e942f841bafe010cd8_r.jpg&&&/figure&&p&图中左边是一个自定义的概率密度函数，右边是相应的1w个样本的直方图，自定义分布和生成这些样本的代码如下：&br&&/p&&div class=&highlight&&&pre&&code class=&language-python&&&span&&/span&&span class=&kn&&from&/span& &span class=&nn&&functools&/span& &span class=&kn&&import&/span& &span class=&n&&partial&/span&
&span class=&kn&&import&/span& &span class=&nn&&numpy&/span&
&span class=&kn&&from&/span& &span class=&nn&&matplotlib&/span& &span class=&kn&&import&/span& &span class=&n&&pyplot&/span&
&span class=&c1&&# Define a PDF&/span&
&span class=&n&&x_samples&/span& &span class=&o&&=&/span& &span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&arange&/span&&span class=&p&&(&/span&&span class=&o&&-&/span&&span class=&mi&&3&/span&&span class=&p&&,&/span& &span class=&mf&&3.01&/span&&span class=&p&&,&/span& &span class=&mf&&0.01&/span&&span class=&p&&)&/span&
&span class=&n&&PDF&/span& &span class=&o&&=&/span& &span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&empty&/span&&span class=&p&&(&/span&&span class=&n&&x_samples&/span&&span class=&o&&.&/span&&span class=&n&&shape&/span&&span class=&p&&)&/span&
&span class=&n&&PDF&/span&&span class=&p&&[&/span&&span class=&n&&x_samples&/span& &span class=&o&&&&/span& &span class=&mi&&0&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&round&/span&&span class=&p&&(&/span&&span class=&n&&x_samples&/span&&span class=&p&&[&/span&&span class=&n&&x_samples&/span& &span class=&o&&&&/span& &span class=&mi&&0&/span&&span class=&p&&]&/span& &span class=&o&&+&/span& &span class=&mf&&3.5&/span&&span class=&p&&)&/span& &span class=&o&&/&/span& &span class=&mi&&3&/span&
&span class=&n&&PDF&/span&&span class=&p&&[&/span&&span class=&n&&x_samples&/span& &span class=&o&&&=&/span& &span class=&mi&&0&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&mf&&0.5&/span& &span class=&o&&*&/span& &span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&cos&/span&&span class=&p&&(&/span&&span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&pi&/span& &span class=&o&&*&/span& &span class=&n&&x_samples&/span&&span class=&p&&[&/span&&span class=&n&&x_samples&/span& &span class=&o&&&=&/span& &span class=&mi&&0&/span&&span class=&p&&])&/span& &span class=&o&&+&/span& &span class=&mf&&0.5&/span&
&span class=&n&&PDF&/span& &span class=&o&&/=&/span& &span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&sum&/span&&span class=&p&&(&/span&&span class=&n&&PDF&/span&&span class=&p&&)&/span&
&span class=&c1&&# Calculate approximated CDF&/span&
&span class=&n&&CDF&/span& &span class=&o&&=&/span& &span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&empty&/span&&span class=&p&&(&/span&&span class=&n&&PDF&/span&&span class=&o&&.&/span&&span class=&n&&shape&/span&&span class=&p&&)&/span&
&span class=&n&&cumulated&/span& &span class=&o&&=&/span& &span class=&mi&&0&/span&
&span class=&k&&for&/span& &span class=&n&&i&/span& &span class=&ow&&in&/span& &span class=&nb&&range&/span&&span class=&p&&(&/span&&span class=&n&&CDF&/span&&span class=&o&&.&/span&&span class=&n&&shape&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]):&/span&
&span class=&n&&cumulated&/span& &span class=&o&&+=&/span& &span class=&n&&PDF&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&]&/span&
&span class=&n&&CDF&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&n&&cumulated&/span&
&span class=&c1&&# Generate samples&/span&
&span class=&n&&generate&/span& &span class=&o&&=&/span& &span class=&n&&partial&/span&&span class=&p&&(&/span&&span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&interp&/span&&span class=&p&&,&/span& &span class=&n&&xp&/span&&span class=&o&&=&/span&&span class=&n&&CDF&/span&&span class=&p&&,&/span& &span class=&n&&fp&/span&&span class=&o&&=&/span&&span class=&n&&x_samples&/span&&span class=&p&&)&/span&
&span class=&n&&u_rv&/span& &span class=&o&&=&/span& &span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&random&/span&&span class=&o&&.&/span&&span class=&n&&random&/span&&span class=&p&&(&/span&&span class=&mi&&10000&/span&&span class=&p&&)&/span&
&span class=&n&&x&/span& &span class=&o&&=&/span& &span class=&n&&generate&/span&&span class=&p&&(&/span&&span class=&n&&u_rv&/span&&span class=&p&&)&/span&
&span class=&c1&&# Visualization&/span&
&span class=&n&&fig&/span&&span class=&p&&,&/span& &span class=&p&&(&/span&&span class=&n&&ax0&/span&&span class=&p&&,&/span& &span class=&n&&ax1&/span&&span class=&p&&)&/span& &span class=&o&&=&/span& &span class=&n&&pyplot&/span&&span class=&o&&.&/span&&span class=&n&&subplots&/span&&span class=&p&&(&/span&&span class=&n&&ncols&/span&&span class=&o&&=&/span&&span class=&mi&&2&/span&&span class=&p&&,&/span& &span class=&n&&figsize&/span&&span class=&o&&=&/span&&span class=&p&&(&/span&&span class=&mi&&9&/span&&span class=&p&&,&/span& &span class=&mi&&4&/span&&span class=&p&&))&/span&
&span class=&n&&ax0&/span&&span class=&o&&.&/span&&span class=&n&&plot&/span&&span class=&p&&(&/span&&span class=&n&&x_samples&/span&&span class=&p&&,&/span& &span class=&n&&PDF&/span&&span class=&p&&)&/span&
&span class=&n&&ax0&/span&&span class=&o&&.&/span&&span class=&n&&axis&/span&&span class=&p&&([&/span&&span class=&o&&-&/span&&span class=&mf&&3.5&/span&&span class=&p&&,&/span& &span class=&mf&&3.5&/span&&span class=&p&&,&/span& &span class=&mi&&0&/span&&span class=&p&&,&/span& &span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&max&/span&&span class=&p&&(&/span&&span class=&n&&PDF&/span&&span class=&p&&)&/span&&span class=&o&&*&/span&&span class=&mf&&1.1&/span&&span class=&p&&])&/span&
&span class=&n&&ax1&/span&&span class=&o&&.&/span&&span class=&n&&hist&/span&&span class=&p&&(&/span&&span class=&n&&x&/span&&span class=&p&&,&/span& &span class=&mi&&100&/span&&span class=&p&&)&/span&
&span class=&n&&pyplot&/span&&span class=&o&&.&/span&&span class=&n&&show&/span&&span class=&p&&()&/span&
&/code&&/pre&&/div&&p&对于一些简单的情况，我们会假设已知有模型可以很好的对分布进行建模，缺少的只是合适的参数。这时候很自然只要根据观测到的样本，学习参数让当前观测到的样本下的似然函数最大，这就是最大似然估计(&b&M&/b&aximum &b&L&/b&ikelihood &b&E&/b&stimation)：&br&&/p&&p&&img src=&https://www.zhihu.com/equation?tex=%5Chat%7B%5Ctheta%7D%3D%5Coperatorname%2A%7Bargmax%7D_%7B%5Ctheta%7D+P%28%5Cbm%7Bx%7D%7C%5Ctheta%29+%3D+%5Coperatorname%2A%7Bargmax%7D_%7B%5Ctheta%7D+%5Cprod_%7Bi%3D1%7D%5E%7Bn%7DP%28x_i%7C%5Ctheta%29+& alt=&\hat{\theta}=\operatorname*{argmax}_{\theta} P(\bm{x}|\theta) = \operatorname*{argmax}_{\theta} \prod_{i=1}^{n}P(x_i|\theta) & eeimg=&1&&&/p&&p&MLE是一个最基本的思路，实践中用得很多的还有KL散度(Kullback–Leibler divergence)，假设真实分布是P，采样分布是Q，则KL散度为：&/p&&p&&img src=&https://www.zhihu.com/equation?tex=D_%7BKL%7D%28P%7C%7CQ%29%3D%5Csum_%7Bx+%5Cin+%5COmega%7DP%28%7Bx%7D%29%5Clog%5Cfrac%7BP%28x%29%7D%7BQ%28x%29%7D+& alt=&D_{KL}(P||Q)=\sum_{x \in \Omega}P({x})\log\frac{P(x)}{Q(x)} & eeimg=&1&&&/p&&p&从公式也能看出来，KL散度描述的是两个分布的差异程度。换个角度来看，让产生的样本和原始分布接近，也就是要让这俩的差异减小，所以最小化KL散度就等同于MLE。从公式上来看的话，我们考虑把公式具体展开一下：&/p&&p&&br&&/p&&p&&img src=&https://www.zhihu.com/equation?tex=%5Cbegin%7Balign%7D+D_%7BKL%7D%28P%7C%7CQ%29+%26%3D%5Csum_%7Bx+%5Cin+%5COmega%7DP%28%7Bx%7D%29%5Clog%5Cfrac%7BP%28x%29%7D%7BQ%28x%29%7D+%5C%5C+%26+%3D-%5Csum_%7Bx%5Cin%5COmega%7DP%28%7Bx%7D%29%5Clog%7BQ%28x%29%7D+%2B%5Csum_%7Bx%5Cin%5COmega%7DP%28%7Bx%7D%29%5Clog%7BP%28x%29%7D+%5C%5C+%26+%3D-%5Csum_%7Bx%5Cin%5COmega%7DP%28%7Bx%7D%29%5Clog%7BQ%28x%29%7D+%2BH%28P%29+%5Cend%7Balign%7D& alt=&\begin{align} D_{KL}(P||Q) &=\sum_{x \in \Omega}P({x})\log\frac{P(x)}{Q(x)} \\ & =-\sum_{x\in\Omega}P({x})\log{Q(x)} +\sum_{x\in\Omega}P({x})\log{P(x)} \\ & =-\sum_{x\in\Omega}P({x})\log{Q(x)} +H(P) \end{align}& eeimg=&1&&&/p&&p&公式的第二项就是熵，先不管这项，用H(P)表示。接下来考虑一个小trick：从Q中抽样n个样本&img src=&https://www.zhihu.com/equation?tex=%7Bx_1%2Cx_2%2C...%2Cx_n%7D& alt=&{x_1,x_2,...,x_n}& eeimg=&1&&，来估算P(x)的经验值(empirical density function)：&br&&/p&&p&&img src=&https://www.zhihu.com/equation?tex=%5Chat%7BP%7D%28x%29%3D%5Cfrac+1+n+%5Csum_%7Bi%3D1%7D%5En+%5Cdelta%28x_i-x%29& alt=&\hat{P}(x)=\frac 1 n \sum_{i=1}^n \delta(x_i-x)& eeimg=&1&&&/p&&p&其中&img src=&https://www.zhihu.com/equation?tex=%5Cdelta%28%5Ccdot%29& alt=&\delta(\cdot)& eeimg=&1&&是狄拉克&img src=&https://www.zhihu.com/equation?tex=%5Cdelta& alt=&\delta& eeimg=&1&&函数，把这项替换到上面公式的P(x)：&/p&&p&&br&&/p&&p&&img src=&https://www.zhihu.com/equation?tex=%5Cbegin%7Balign%7D+D_%7BKL%7D%28P%7C%7CQ%29+%26%3D-%5Csum_%7Bx%5Cin%5COmega%7D%5Cfrac+1+n+%5Csum_%7Bi%3D1%7D%5En+%5Cdelta%28x_i-x%29%5Clog%7BQ%28x%29%7D+%2BH%28P%29+%5C%5C+%26+%3D-%5Cfrac+1+n+%5Csum_%7Bi%3D1%7D%5En+%5Csum_%7Bx%5Cin%5COmega%7D+%5Cdelta%28x_i-x%29%5Clog%7BQ%28x%29%7D+%2BH%28P%29+%5Cend%7Balign%7D& alt=&\begin{align} D_{KL}(P||Q) &=-\sum_{x\in\Omega}\frac 1 n \sum_{i=1}^n \delta(x_i-x)\log{Q(x)} +H(P) \\ & =-\frac 1 n \sum_{i=1}^n \sum_{x\in\Omega} \delta(x_i-x)\log{Q(x)} +H(P) \end{align}& eeimg=&1&&&/p&&p&因为是离散的采样值，所以&img src=&https://www.zhihu.com/equation?tex=%5Csum_%7Bx%5Cin%5COmega%7D+%5Cdelta%28x_i-x%29& alt=&\sum_{x\in\Omega} \delta(x_i-x)& eeimg=&1&&中只有&img src=&https://www.zhihu.com/equation?tex=x%3Dx_i& alt=&x=x_i& eeimg=&1&&的时候狄拉克&img src=&https://www.zhihu.com/equation?tex=%5Cdelta& alt=&\delta& eeimg=&1&&函数才为1，所以考虑&img src=&https://www.zhihu.com/equation?tex=x%3Dx_i& alt=&x=x_i& eeimg=&1&&时这项直接化为1：&/p&&p&&br&&/p&&p&&img src=&https://www.zhihu.com/equation?tex=D_%7BKL%7D%28P%7C%7CQ%29+%3D-%5Cfrac+1+n%5Csum_%7Bi%3D1%7D%5En+%5Clog%7BQ%28x_i%29%7D+%2BH%28P%29& alt=&D_{KL}(P||Q) =-\frac 1 n\sum_{i=1}^n \log{Q(x_i)} +H(P)& eeimg=&1&&&/p&&p&第一项正是似然的负对数形式。&/p&&p&说了些公式似乎跑得有点远了，其实要表达还是那个简单的意思：通过减小两个分布的差异可以让一个分布逼近另一个分布。仔细想想，这正是GAN里面adversarial loss的做法。&/p&&p&很多情况下我们面临的是更为复杂的分布，比如&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&上篇文章&/a&中的例子，又或是实际场景中更复杂的情况，比如生成不同人脸的图像。这时候，作为具有universal approximation性质的神经网络是一个看上去不错的选择[1]：&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-6fee20494f50baae2c1dc5fc_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1561& data-rawheight=&549& class=&origin_image zh-lightbox-thumb& width=&1561& data-original=&https://pic4.zhimg.com/v2-6fee20494f50baae2c1dc5fc_r.jpg&&&/figure&&p&所以虽然GAN里面同时包含了生成网络和判别网络，但本质来说GAN的目的还是生成模型。从生成式模型的角度，Ian Goodfellow总结过一个和神经网络相关生成式方法的“家谱”[1]：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-8c6f1d8ee39dfbb4fcfb2_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&771& data-rawheight=&498& class=&origin_image zh-lightbox-thumb& width=&771& data-original=&https://pic1.zhimg.com/v2-8c6f1d8ee39dfbb4fcfb2_r.jpg&&&/figure&&p&在这其中，当下最流行的就是GAN和&b&V&/b&ariational &b&A&/b&uto&b&E&/b&ncoder(VAE)，两种方法的一个简明示意如下[3]：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-380cde71a2f6ece28b4a97_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&568& data-rawheight=&274& class=&origin_image zh-lightbox-thumb& width=&568& data-original=&https://pic1.zhimg.com/v2-380cde71a2f6ece28b4a97_r.jpg&&&/figure&&p&本篇不打算展开讲什么是VAE，不过通过这个图，和名字中的autoencoder也大概能知道，VAE中生成的loss是基于重建误差的。而只基于重建误差的图像生成，都或多或少会有图像模糊的缺点，因为误差通常都是针对全局。比如基于MSE(Mean Squared Error)的方法用来生成超分辨率图像，容易出现下面的情况[4]：&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-78f53b142fab51b0c09a1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&892& data-rawheight=&598& class=&origin_image zh-lightbox-thumb& width=&892& data-original=&https://pic1.zhimg.com/v2-78f53b142fab51b0c09a1_r.jpg&&&/figure&&p&在这个二维示意中，真实数据分布在一个U形的流形上，而MSE系的方法因为loss的形式往往会得到一个接近平均值所在的位置（蓝色框）。&/p&&p&GAN在这方面则完爆其他方法，因为目标分布在流形上。所以只要大概收敛了，就算生成的图像都看不出是个啥，清晰度常常是有保证的，而这正是去除女优身上马赛克的理想特性！&/p&&p&&br&&/p&&h2&马赛克-&清晰画面：超分辨率(Super Resolution)问题&/h2&&p&说了好些铺垫，终于要进入正题了。首先明确，去马赛克其实是个图像超分辨率问题，也就是如何在低分辨率图像基础上得到更高分辨率的图像：&/p&&figure&&img src=&https://pic2.zhimg.com/v2-31c84b42ad_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&784& data-rawheight=&324& class=&origin_image zh-lightbox-thumb& width=&784& data-original=&https://pic2.zhimg.com/v2-31c84b42ad_r.jpg&&&/figure&&p&视频中超分辨率实现的一个套路是通过不同帧的低分辨率画面猜测超分辨率的画面，有兴趣了解这个思想的朋友可以参考我之前的一个答案：&a href=&https://www.zhihu.com/question//answer/& class=&internal&&如何通过多帧影像进行超分辨率重构？ &/a& &/p&&p&不过基于多帧影像的方法对于女优身上的马赛克并不是很适用，所以这篇要讲的是基于单帧图像的超分辨率方法。&/p&&h2&SRGAN&/h2&&p&说到基于GAN的超分辨率的方法，就不能不提到SRGAN[4]：《Photo-Realistic Single Image &b&S&/b&uper-&b&R&/b&esolution Using a &b&G&/b&enerative &b&A&/b&dversarial&br&&b&N&/b&etwork》。这个工作的思路是：基于像素的MSE loss往往会得到大体正确，但是高频成分模糊的结果。所以只要重建低频成分的图像内容，然后靠GAN来补全高频的细节内容，就可以了：&/p&&figure&&img src=&https://pic3.zhimg.com/v2-128029dfc7c470b07a4a1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&446& data-rawheight=&131& class=&origin_image zh-lightbox-thumb& width=&446& data-original=&https://pic3.zhimg.com/v2-128029dfc7c470b07a4a1_r.jpg&&&/figure&&p&这个思路其实和最早基于深度网络的风格迁移的思路很像（有兴趣的读者可以参考我之前文章&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&瞎谈CNN：通过优化求解输入图像&/a&的最后一部分），其中重建内容的content loss是原始图像和低分辨率图像在VGG网络中的各个ReLU层的激活值的差异：&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-331e02e394cfd04e7114a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&529& data-rawheight=&150& class=&origin_image zh-lightbox-thumb& width=&529& data-original=&https://pic3.zhimg.com/v2-331e02e394cfd04e7114a_r.jpg&&&/figure&&p&生成细节adversarial loss就是GAN用来判别是原始图还是生成图的loss：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-fa5af2a10fe9a4dadfb04_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&394& data-rawheight=&89& class=&content_image& width=&394&&&/figure&&p&把这两种loss放一起，取个名叫perceptual loss。训练的网络结构如下：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-17861edeb4bcfae4e9f369_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&780& data-rawheight=&400& class=&origin_image zh-lightbox-thumb& width=&780& data-original=&https://pic1.zhimg.com/v2-17861edeb4bcfae4e9f369_r.jpg&&&/figure&&p&正是上篇文章中讲过的C-GAN，条件C就是低分辨率的图片。SRGAN生成的超分辨率图像虽然PSNR等和原图直接比较的传统量化指标并不是最好，但就视觉效果，尤其是细节上，胜过其他方法很多。比如下面是作者对比bicubic插值和基于ResNet特征重建的超分辨率的结果：&/p&&figure&&img src=&https://pic4.zhimg.com/v2-f3b4376938ffcbd23c42d_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&981& data-rawheight=&392& class=&origin_image zh-lightbox-thumb& width=&981& data-original=&https://pic4.zhimg.com/v2-f3b4376938ffcbd23c42d_r.jpg&&&/figure&&p&可以看到虽然很多细节都和原始图片不一样，不过看上去很和谐，并且细节的丰富程度远胜于SRResNet。这些栩栩如生的细节，可以看作是GAN根据学习到的分布信息“联想”出来的。&/p&&p&对于更看重“看上去好看”的超分辨率应用，SRGAN显然是很合适的。当然对于一些更看重重建指标的应用，比如超分辨率恢复嫌疑犯面部细节，SRGAN就不可以了。&/p&&h2&pix2pix&/h2&&p&虽然专门用了一节讲SRGAN，但本文用的方法其实是pix2pix[5]。这项工作刚在arxiv上发布就引起了不小的关注，它巧妙的利用GAN的框架解决了通用的Image-to-Image translation的问题。举例来说，在不改变分辨率的情况下：把照片变成油画风格；把白天的照片变成晚上；用色块对图片进行分割或者倒过来；为黑白照片上色；…每个任务都有专门针对性的方法和相关研究，但其实总体来看，都是像素到像素的一种映射啊，其实可以看作是一个问题。这篇文章的巧妙，就在于提出了pix2pix的方法，一个框架，解决所有这些问题。方法的示意图如下：&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-e2ea753b7b0d7f18abee3_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&485& data-rawheight=&437& class=&origin_image zh-lightbox-thumb& width=&485& data-original=&https://pic1.zhimg.com/v2-e2ea753b7b0d7f18abee3_r.jpg&&&/figure&&p&就是一个Conditional GAN，条件C是输入的图片。除了直接用C-GAN，这项工作还有两个改进：&/p&&p&1）&b&利用U-Net结构生成细节更好的图片&/b&[6]&/p&&figure&&img src=&https://pic4.zhimg.com/v2-beb074bebbfa0db_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&907& data-rawheight=&612& class=&origin_image zh-lightbox-thumb& width=&907& data-original=&https://pic4.zhimg.com/v2-beb074bebbfa0db_r.jpg&&&/figure&&p&U-Net是德国Freiburg大学模式识别和图像处理组提出的一种全卷积结构。和常见的先降采样到低维度，再升采样到原始分辨率的编解码(Encoder-Decoder)结构的网络相比，U-Net的区别是加入skip-connection，对应的feature maps和decode之后的同样大小的feature maps按通道拼(concatenate)一起，用来保留不同分辨率下像素级的细节信息。U-Net对提升细节的效果非常明显，下面是pix2pix文中给出的一个效果对比：&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-2fb4ddb2fdc24eea31eea_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&563& data-rawheight=&307& class=&origin_image zh-lightbox-thumb& width=&563& data-original=&https://pic4.zhimg.com/v2-2fb4ddb2fdc24eea31eea_r.jpg&&&/figure&&p&可以看到，各种不同尺度的信息都得到了很大程度的保留。&/p&&p&2）&b&利用马尔科夫性的判别器(PatchGAN)&br&&/b&&/p&&p&pix2pix和SRGAN的一个异曲同工的地方是都有用重建解决低频成分，用GAN解决高频成分的想法。在pix2pix中，这个思想主要体现在两个地方。一个是loss函数，加入了L1 loss用来让生成的图片和训练的目标图片尽量相似，而图像中高频的细节部分则交由GAN来处理：&/p&&figure&&img src=&https://pic4.zhimg.com/v2-cb180ad03d8a72e7883285b_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&447& data-rawheight=&51& class=&origin_image zh-lightbox-thumb& width=&447& data-original=&https://pic4.zhimg.com/v2-cb180ad03d8a72e7883285b_r.jpg&&&/figure&&p&还有一个就是&b&PatchGAN&/b&，也就是具体的GAN中用来判别是否生成图的方法。PatchGAN的思想是，既然GAN只负责处理低频成分，那么判别器就没必要以一整张图作为输入，只需要对NxN的一个图像patch去进行判别就可以了。这也是为什么叫Markovian discriminator，因为在patch以外的部分认为和本patch互相独立。&/p&&p&具体实现的时候，作者使用的是一个NxN输入的全卷积小网络，最后一层每个像素过sigmoid输出为真的概率，然后用BCEloss计算得到最终loss。这样做的好处是因为输入的维度大大降低，所以参数量少，运算速度也比直接输入一张快，并且可以计算任意大小的图。作者对比了不同大小patch的结果，对于256x256的输入，patch大小在70x70的时候，从视觉上看结果就和直接把整张图片作为判别器输入没什么区别了：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-5172ca51efb4ee3e453b15_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&842& data-rawheight=&107& class=&origin_image zh-lightbox-thumb& width=&842& data-original=&https://pic1.zhimg.com/v2-5172ca51efb4ee3e453b15_r.jpg&&&/figure&&h2&生成带局部马赛克的训练数据&/h2&&p&利用pix2pix，只要准备好无码和相应的有码图片就可以训练去马赛克的模型了，就是这么简单。那么问题是，如何生成有马赛克的图片？&/p&&p&有毅力的话，可以手动加马赛克，这样最为精准。这节介绍一个不那么准，但是比随机强的方法：利用分类模型的激活区域进行自动马赛克标注。&/p&&p&基本思想是利用一个可以识别需要打码图像的分类模型，提取出这个模型中对应类的CAM（&b&C&/b&lass &b&A&/b&ctivation &b&M&/b&ap）[7]，然后用马赛克遮住响应最高的区域即可。这里简单说一下什么是CAM，对于最后一层是全局池化(平均或最大都可以)的CNN结构，池化后的feature map相当于是做了个加权相加来计算最终的每个类别进入softmax之前的激活值。CAM的思路是，把这个权重在池化前的feature map上按像素加权相加，最后得到的单张的激活图就可以携带激活当前类别的一些位置信息，这相当于一种弱监督（classification--&localization）：&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-fd28f0b871bd_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&660& data-rawheight=&314& class=&origin_image zh-lightbox-thumb& width=&660& data-original=&https://pic4.zhimg.com/v2-fd28f0b871bd_r.jpg&&&/figure&&p&上图是一个CAM的示意，用澳洲梗类别的CAM，放大到原图大小，可以看到小狗所在的区域大致是激活响应最高的区域。&/p&&p&那么就缺一个可以识别XXX图片的模型了，网上还恰好就有个现成的，yahoo于2016年发布的开源色情图片识别模型Open NSFW(&b&N&/b&ot &b&S&/b&afe &b&F&/b&or &b&W&/b&ork)：&/p&&p&&a href=&https://link.zhihu.com/?target=https%3A//github.com/yahoo/open_nsfw& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&yahoo/open_nsfw&/a&&/p&&p&CAM的实现并不难，结合Open NSFW自动打码的代码和使用放在了这里：&/p&&p&&a href=&https://link.zhihu.com/?target=https%3A//github.com/frombeijingwithlove/dlcv_for_beginners/tree/master/random_bonus/generate_mosaic_for_porno_images& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&给XX图片生成马赛克&/a&&/p&&p&&br&&/p&&p&(成功打码的)效果差不多是下面这样子：&/p&&figure&&img src=&https://pic4.zhimg.com/v2-cbefa39dc983f2645dd8_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&768& data-rawheight=&256& class=&origin_image zh-lightbox-thumb& width=&768& data-original=&https://pic4.zhimg.com/v2-cbefa39dc983f2645dd8_r.jpg&&&/figure&&h2&去除(爱情)动作片中的马赛克&/h2&&p&这没什么好说的了，一行代码都不用改，只需要按照前面的步骤把数据准备好，然后按照pix2pix官方的使用方法训练就可以了：&/p&&p&Torch版pix2pix：&a href=&https://link.zhihu.com/?target=https%3A//github.com/phillipi/pix2pix& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&phillipi/pix2pix&/a&&/p&&p&pyTorch版pix2pix(Cycle-GAN二合一版)：&a href=&https://link.zhihu.com/?target=https%3A//github.com/junyanz/pytorch-CycleGAN-and-pix2pix& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&junyanz/pytorch-CycleGAN-and-pix2pix&/a&&/p&&p&从D盘里随随便便找了几千张图片，用来执行了一下自动打码和pix2pix训练(默认参数)，效果是下面这样：&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-9f52b17c0e1296767cbfbfafc290a5bd_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&814& data-rawheight=&691& class=&origin_image zh-lightbox-thumb& width=&814& data-original=&https://pic2.zhimg.com/v2-9f52b17c0e1296767cbfbfafc290a5bd_r.jpg&&&/figure&&p&什么？你问说好给女优去马赛克呢？女优照片呢？&/p&&figure&&img src=&https://pic4.zhimg.com/v2-480fb8a4dcfc7a4f92ec_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&75& data-rawheight=&60& class=&content_image& width=&75&&&/figure&&p&还是要说一下，在真人照片上的效果比蘑菇和花强。&/p&&h2&对偶学习（Dual Learning）&/h2&&p&去马赛克已经讲完了，接下来就是给女孩穿(tuo)衣服了，动手之前，还是先讲一下铺垫：&b&对偶学习&/b&和&b&Cycle-GAN&/b&。&/p&&p&对偶学习是MSRA于2016年提出的一种用于机器翻译的增强学习方法[8]，目的是解决海量数据配对标注的难题，个人觉得算是一种弱监督方法（不过看到大多数文献算作无监督）。以机器翻译为例，对偶学习基本思想如下图[9]：&/p&&figure&&img src=&https://pic3.zhimg.com/v2-c4b1eeda364fb6c9bada02f3_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&866& data-rawheight=&399& cl}