摘要：目前以单细胞分辨率记录行为小鼠的大规模神经元活动的方法，要么需要将小鼠头部固定在显微镜下，要么需要将记录设备附着在动物的头骨上。这两种选择都会显著影响动物的行为，因此也会影响记录的大脑活动模式。在这里，我们介绍了一种不同的方法，利用一种叫做CaMPARI的钙传感器，从自由运动的小鼠身上获取单细胞皮层活动图的快照。CaMPARI具有一种独特的特性，当400nm的光照射时，它在活动神经元内的颜色会不可逆地从绿色变为红色。我们利用这一特性来展示在没有任何头部固定、捆绑或微型设备连接到鼠标头部的情况下，大脑皮质范围内的活动记录。当老鼠进行一系列行为和认知测试时，多个皮层区域被记录下来。我们在运动皮层和体感觉皮层中确定了任务依赖的活动模式，在运动皮层的亚区域之间存在显著差异，在几个活动模式和任务参数之间存在相关性。这种基于campari的记录方法扩展了在最小限制实验条件下记录自由运动和行为小鼠神经元活动的能力，并提供了目前无法获得的大规模体积数据。
意大利技术研究院的研究人员创造出来与人手极为相似的机械手Hannes。该机械手能够执行许多日常动作，比如擦桌子、握住物体等；下图是利用假肢擦桌子：
本文介绍了功能近红外光谱(functional near-infrared spectroscopy, fNIRS)在技术、实验和分析软件方面的实用入门知识，目的是启发感兴趣的从业者考虑使用一种无创、多用途，但具有挑战性的研究大脑的途径（光学方法）。本文首先简要概述了相关的解剖学和光学基础，并讲述了一个简短的发展历程。并且描述了不同类型的光照 (透射、反射和差分反射)和数据采集方法(连续波、时域和频域)，介绍了fNIRS系统的基本部件(光源、探测器和记录部件)，给出了fNIRS技术的优点和局限性，随后以fNIRS进行的各种实验和临床研究为例，提出了非常实用的使用建议，为许多大脑相关疾病的研究提供了启发。最后，本文描述并讨论了一些适用于数据分析和结果呈现的免费工具包。综上所述，本文推荐使用fNIRS，是因为其不断增多的临床应用、最先进的神经成像技术以及可管理的硬件要求。可以有把握地说，fNIRS的广泛用途和低成本，为神经医学检查的箭筒增添了一支新的箭矢。本文发表在IEEE REVIEWS IN BIOMEDICAL ENGINEERING杂志。（可添加微信号siyingyxf或18983979082获取原文及补充材料）。
还记得美剧《越狱》里的著名角色 T-bag 吗？在第二季里他被人砍了手，从此实力大减。在回归的第五季，有人为了让他能够更好地执行任务，帮他装了一个全功能的机械手。
背景：脑电图数据很容易受到非神经来源信号的污染。独立分量分析(ICA)可以帮助EEG数据对这些伪影进行校正。伪迹的独立成分(ICs)可以由专家通过目测识别。但是伪迹特性有时是模糊的或难以注意到的，甚至专家也可能不同意如何对特定伪迹进行分类。因此，将伪迹属性告知用户，并给他们机会进行干预是很重要的。
随着云原生技术的发展，越来越多的公司正在选择将应用运行在云上或者自建的 Kubernetes 集群上，但是许多机构的调研发现，绝大多数的用户集群资源利用率并不高，浪费严重。本次训练营将会演示如何快速搭建一个 Kubernetes+Crane 环境，以及如何基于 Crane 优化你的集群和应用。
:::info 腾讯云高性能应用服务(Hyper Application lnventor，HA)，是一款面向 Al、科学计算的 GPU 应用服务产品，为开发者量身打造的澎湃算力平台。无需复杂配置，便可享受即开即用的GPU云服务体验。在 HA] 中，根据应用智能匹配并推选出最适合的 GPU 算力资源，以确保您在数据科学、LLM、AI作画等高性能应用中获得最佳性价比此外，HAI的一键部署特性让您可以在短短几分钟内构建如 StableDifusion、ChatGLM 等热门模型的应用环境。而对于 Al 研究者，我们的直观图形界面大大降低了调试的复杂度，支持jupyterlab、webui 等多种连接方式，助您轻松探索与创新。现在，只需打开浏览器，HAI 便为您打开了一片无限可能的高性能应用领域。 :::
腾讯云高性能应用服务(Hyper Application lnventor，HA)，是一款面向 Al、科学计算的 GPU 应用服务产品，为开发者量身打造的澎湃算力平台。无需复杂配置，便可享受即开即用的GPU云服务体验。在 HA] 中，根据应用智能匹配并推选出最适合的 GPU 算力资源，以确保您在数据科学、LLM、AI作画等高性能应用中获得最佳性价比此外，HAI的一键部署特性让您可以在短短几分钟内构建如 StableDifusion、ChatGLM 等热门模型的应用环境。而对于 Al 研究者，我们的直观图形界面大大降低了调试的复杂度，支持jupyterlab、webui 等多种连接方式，助您轻松探索与创新。现在，只需打开浏览器，HAI 便为您打开了一片无限可能的高性能应用领域。
神经成像技术观察到大脑网络连接的枢纽hub，普遍认为枢纽对建立和维持一个功能平台至关重要，在这个平台上可以发生有认知意义和高效的神经元交流。然而，枢纽是静态的(即大脑区域始终是枢纽)，还是这些属性会随时间变化(即大脑区域的枢纽波动)，我们知之甚少。为了解决这个问题，我们引入了两个新的方法概念，脑连接流和节点惩罚最短路径，然后应用于时变功能连接fMRI BOLD数据。我们表明，激活的枢纽以一种非平凡的方式随时间而变化，枢纽的活动依赖于研究的时间尺度。激活的枢纽数量中较慢的波动超过了预期的程度，这主要是在皮层下结构检测到的。此外，我们观察到枢纽活动的快速波动主要存在于默认模式网络中，这表明大脑连接中的动态事件。我们的结果表明，连接枢纽的时间行为是一个多层次和复杂的问题，必须考虑到特定方法对时变连接性的时间敏感性的特性。我们讨论的结果与正在进行的讨论有关，即静息大脑中存在离散和稳定状态，以及网络枢纽在为神经元跨时间通信提供支架方面的作用。
请点击上面“思影科技”四个字，选择关注作者，思影科技专注于脑影像数据处理，涵盖（fMRI,结构像,DTI,ASL,EEG/ERP,FNIRS,眼动）等，希望专业的内容可以给关注者带来帮助，欢迎留言讨论，也欢迎参加思影科技的其他课程。(文末点击浏览）
认知神经科学的分析方法并不总是与丰富的功能磁共振成像数据相匹配。早期的方法侧重于估计单个体素或区域内的神经活动，在trials或blocks上取平均值并在每个被试中分别建模。这种方法大多忽略了神经表征在体素上的分布特性、任务期间神经活动的连续动态、在多个被试上进行联合推断的统计学方面的优势以及使用预测模型约束分析的价值。最近一些探索性的和理论驱动的方法已经开始寻找具备这些特性的方法。这些方法强调了计算技术在功能磁共振影像（fMRI）分析中的重要性，特别是机器学习、算法优化和并行计算等计算技术。采用这些技术将使新一代的实验和分析成为可能，这些实验和分析将改变大家对大脑中一些最复杂、最清晰的人类信号的理解，如：思考、意识和记忆等认知行为。本文发表在Nature neuroscience杂志。
先前的研究表明，以网络整合和分离的方式表达的大脑功能连接组的重组可能对大脑功能发挥至关重要的作用。然而，已经证明很难在一个单一的方法框架中独立地完全捕捉这两个过程。在这项研究中，通过对瞬时相位同步和社区成员进行成对评估，我们构建了时空灵活的网络，这些网络反映了在空间和时间尺度上发生的整合/分离变化。这是通过迭代地将较小的网络组装成较大的单元来实现的，条件是较小的单元必须内部集成，即属于同一个社区。组装的子网络可以部分重叠，且大小随时间不同而不同。我们的研究结果表明，子网络整合和分离在大脑中同时发生。在任务执行过程中，网络之间同步的全局变化与实验的基础时间设计有关。我们表明，大脑功能连接组动力学的一个标志性特征是网络激活和去激活的准周期性模式的存在，在任务执行过程中，这种模式与实验范式的潜在时间结构交织在一起。此外，我们还证明了在整个n-back工作记忆任务中网络的整合程度与性能相关。
https://blog.csdn.net/u011239443/article/details/79984751
任何接触过互联网产品开发的人都知道，无休止的测试，对用户所有的改动发布以数据经验作为决策依据是构建出色产品的一部分。字节跳动2012年成立之初便开始使用A/B测试；Amazon不仅使用A/B测试优化用户的购物体验提升订单转化，还开放给平台商家使用；谷歌每个月从上百个实验中找到有效方案，有营收提升2%，10亿美元的规模。A/B测试是一个互联网公司的标配。
如今，神经科学家可以测量大规模神经元活动，也面临着将大脑的神经记录与计算和行为联系起来的挑战。在本综述中，我们首先介绍了用于探索大规模大脑活动的新兴工具和技术，以及在这些测量背景下表征行为的新方法。然后，我们重点介绍基于大规模神经记录中获得的发现，并讨论这些新型技术对传统理论框架带来的挑战。最后，我们详细阐述了现有的建模框架来解释这些数据，并讨论对大脑神经记录的解释需要的新理论方法以及这些方法所需的理解层次。这些在神经记录和理论发展方面的进步将为我们对大脑的理解取得关键进展做好铺垫。
大脑的特点是结构连接的不同模式支持无与伦比的认知能力和广泛的行为。新的非侵入性成像技术允许全面测绘这些模式。然而，一个基本的挑战仍然是理解大脑的结构线路是如何支持认知过程的，这对个性化的心理健康治疗具有重大意义。在这里，我们回顾了最近应对这一挑战的努力，利用物理学的直觉、模型和理论，跨越统计力学、信息论、动力系统和控制等领域。我们首先描述了在空间嵌入和能量最小化的约束下，以结构布线为例的脑网络架构的组织原则。然后，我们调查了大脑网络功能模型，规定了神经活动如何沿着结构连接传播。最后，讨论了脑网络控制的微扰实验和模型；它们利用信号沿结构连接传输的物理学来推断支持目标导向行为的内在控制过程，并为神经和精神疾病的基于刺激的治疗提供信息。本文发表在Nature reviews Physics杂志
Introducing the Dendrify framework for incorporating dendrites to spiking neural networks
丘脑是间脑的一个小的双侧结构，它整合来自中枢神经系统许多区域的信号。这种关键的解剖位置使丘脑能够影响整个大脑的活动和适应行为。然而，传统的研究范式一直在努力将特定的功能归因于丘脑，并且在人类神经影像学文献中仍未得到充分的研究。最近分析技术的进步和对大型高质量数据集的可访问性的增加带来了一系列的研究和发现，这些研究和发现(重新)确立了丘脑作为人类认知神经科学感兴趣的核心区域，否则这个领域仍然是以皮质为中心的。从这个角度来看，我们认为使用全脑神经成像方法来研究丘脑及其与大脑其他部分的相互作用是理解信息处理系统级控制的关键。为此，我们强调了丘脑在形成一系列功能特征中的作用，包括诱发活动、区域间连通性、网络拓扑和神经元变异性，无论是在休息还是在认知任务的执行过程中。
神经元是大脑的主要功能单位。这些细胞中传递的信号——以电波的形式——导致所有思维、感觉、运动、记忆和情感。
DevOps 日渐成为研发人员耳熟能详的一个组合词，但什么是 DevOps，为什么 DevOps 对于互联网企业如此重要，真正将其思考透彻的人却不多，带着这些困惑，本文将带你一探 DevOps 的起源、原则和实践，让你搞清楚到底何为 DevOps。
责编 | 王子彧 出品 | CSDN（ID：CSDNnews） 最近的 AI 圈，真是“热闹得一塌糊涂”： 输入一句话就能生成图像的 Stable Diffusion 火爆数月；这边大家不亦乐乎地和智能语音助手聊天…AI 正在开启新时代——从高深莫测的黑科技，变身为辅助工作、生活不可或缺的重要组成部分。 模型变大，算法繁杂 AI 技术开发平台是关键 如果说，简单的 AI 功能试用是新手，熟练掌握 AI 开发是出师，深入行业应用就是真正的大师了。然而，AI 开发过程中如果没有合适的平台，开发过程就会繁琐，
Krishna V. Shenoy教授及其合作者今年6月份在《Nature Communications 》发表的研究，剑指光学脑机接口！
认知神经科学的进展依赖于方法学的发展，以增加有关脑功能知识的特异性。例如，在功能神经成像领域，当前的趋势是研究大脑区域所携带的信息类型，而不是简单地比较任务操作所引起的激活水平。在这种情况下，非侵入性经颅脑刺激 (noninvasive transcranial brain stimulation, NTBS) 在认知功能研究中的传统应用可能显得粗糙和过时。然而，在其众多参数中，通过与行为操作相结合，NTBS方案可以达到成像技术的特异性。在本文中，我们回顾了在基础科学和临床环境中实现这一目标的不同范例，并遵循基于信息的方法的一般原理。本文发表在Trends in Neurosciences杂志。
淋巴细胞是适应性反应的责任者，就像经典描述的那样，但有证据表明，哺乳动物淋巴细胞的亚群可能表现为先天样细胞，快速地参与非自我活动，没有抗原呈递。哺乳动物体内的类淋巴细胞主要是γδt细胞和b1-b细胞，主要在粘膜组织中发挥作用。可能与人类的病理有关，其功能和组织的起源尚不完全清楚。由于鱼类和哺乳动物的免疫系统在形态和免疫生物学上的相似性，以及具有自由生活的幼虫阶段的独特性，可以精确地监测和改造它们的发育，因此提出了一种研究人类免疫的实验模型-硬骨鱼。然而，鱼类淋巴细胞与哺乳动物先天样淋巴细胞之间的同源性是比较免疫学中考虑较少的一个问题。越来越多的实验证据表明，鱼类淋巴细胞在发育、形态和功能特征上可能与哺乳动物的先天样淋巴细胞有共同之处。尽管有这些相似之处，但关于传统鱼类淋巴细胞和哺乳动物先天样淋巴细胞之间可能存在联系的信息仍然缺乏。本文旨在总结和描述鱼类淋巴细胞与哺乳动物先天样淋巴细胞之间的相似性，支持哺乳动物γδt细胞和b1-b细胞可能与鱼类淋巴细胞进化相关的假说。
作者：刘健阁（Jiange Liu），PCG 数据分析师 实验设计 AB Test 实验一般有 2 个目的： 判断哪个更好：例如，有 2 个 UI 设计，究竟是 A 更好一些，还是 B 更好一些，我们需要实验判定 计算收益：例如，最近新上线了一个直播功能，那么直播功能究竟给平台带了来多少额外的 DAU，多少额外的使用时长，多少直播以外的视频观看时长等 我们一般比较熟知的是上述第 1 个目的，对于第 2 个目的，对于收益的量化，计算 ROI，往往对数据分析师和管理者非常重要。 对于一般的 ABTest 实验
解决大脑的多尺度组织，这是器官动态库的基础，仍然具有挑战性。原则上，应该可以对神经元和突触进行详细建模，然后将它们连接成大型神经元组件，以解释微观现象、大规模大脑功能和行为之间的关系。从集成测量(例如目前通过大脑活动记录获得的测量)推断神经元功能更加困难。在这篇文章中，研究者考虑了从神经元生物物理学原理产生的自下而上模型与基于网络活动的集成表示和功能原理的自上而下模型相结合的理论和策略。这些综合方法有望在虚拟大脑和神经机器人中提供有效的多尺度模拟，并为未来在医学和信息技术中的应用铺平道路。
摘要：利用不同的经颅电刺激（tES）技术来阐明神经振荡的作用，但并不清楚是否真的发生神经夹带以及是否与最终的行为有因果关系。本文从一个跨系统、物种、理论和实验框架的新兴综合研究项目的视角出发，阐明tES诱导神经夹带的潜力。本文认为这样的综合研究是将tES作为一个工具，以测试神经振荡的因果作用并强调在采用转换方法时应考虑的关键问题。
新型便携无线可穿戴功能性近红外光谱成像(fNIRS)设备的发展为脑功能成像开辟新路，这将带来认知研究的革命性变化。在过去的几十年里，诸多研究采用了传统的功能近红外光谱成像（fNIRS）方法，证明了这项技术在不同人群和不同应用领域的适用性，其中涉及健康大脑研究及脑损伤研究。然而，可穿戴fNIRS更具吸引力的特征在于，它能够在日常生活场景中施测，这是其他金标准的神经成像方法(如功能性磁共振成像)所不能实现的。这将极大影响我们探究人脑功能的神经基础及机制的方式。本文的目的是回顾认知神经科学领域中采用可穿戴fNIRS在自然环境下进行的研究。此外，我们提出了使用可穿戴fNIRS在无约束环境下可能面临的挑战，讨论了更准确推断大脑功能性激活状态的方法。最后，我们总体展望了认知神经科学领域的未来前景，我们认为，在可穿戴fNIRS研究中的获益将极为可观。本文发表在Japanese Psychological Research杂志。
前言 我们曾经说过，在人工智能的研究中有一个流派，倾向于认为对大脑的恰当模拟会是制造出人工智能的关键，但事实上，直到今天我们对人脑的工作原理的了解仍然十分粗浅，更谈不上对它的精确模拟了。对大脑的研究、以及对以此为基础的人工智能的研究，早已脱离了单个学科可以应对的范畴，而需要多个学科领域之间的相互协作。或许只有最顶尖的人才才能理解，并最终推动这些领域的进步。 不过即使是我们目前对人脑非常浅薄的研究中得到的认知，也已经构成了一幅无比美丽的画卷。这其中蕴含的奥妙让我们丝毫不会怀疑，我们的大脑是世界上最精妙（同时居
人类以一系列离散的项目接收来自周围世界的信息——从语言中的单词或音乐中的音符到书籍和互联网网站中的抽象概念。为了模拟他们的环境，从年轻时起，人们就被要求学习由这些项目(节点)形成的网络结构以及它们之间的联系(边)。但是，当人类只经历单个项目的序列时，他们如何发现网络的大规模结构？此外，人们对这些网络的内部地图和模型是什么样的？在这里，我们介绍图形学习，这是一个不断发展和跨学科的领域，研究人类如何学习和表示他们周围世界的网络。具体来说，我们回顾了在理解人们如何发现项目序列背后复杂的关系网方面的进展。我们首先描述已建立的结果，这些结果表明人类可以检测到精细尺度的网络结构，例如项目之间转换概率的变化。接下来，我们将介绍直接控制转移概率差异的最新实验，证明人类行为关键取决于网络的中尺度和宏观尺度特性。最后，我们介绍了人类图形学习的计算模型，这些模型对网络结构对人的行为和认知的影响做出了可测试的预测。我们始终强调图形学习研究中的开放性问题，这些问题需要认知科学家和网络科学家的创造性见解。
腾讯云 HAR域探秘活动CSDN主页：腾讯云“HAI域探秘“新品先锋体验官招募，丰厚大奖限时领取！_CSDN资讯的博客-CSDN博客
最近清华大学施路平老师团队的“天机”芯片引起了公众的广泛兴趣。我们课题组有幸参与了该项目的部分研究，主要是贡献了用连续吸引子神经网络模型（CANN）来实现自行车的视觉跟踪。很多朋友因而问起了CANN的细节，我正好借此机会介绍一下CANN。CANN及其应用是我课题组在过去20年的重点研究方向。简单说，CANN是大脑编码、储存、运算、及交流信息的正则化的（即普适性的）神经网络计算模型；硬件实现CANN对类脑智能的未来发展具有重要意义。
AI科技评论按：在人工智能的研究中有一个流派，倾向于认为对大脑的恰当模拟会是制造出人工智能的关键，但事实上，直到今天我们对人脑的工作原理的了解仍然十分粗浅，更谈不上对它的精确模拟了。对大脑的研究、以及对以此为基础的人工智能的研究，早已脱离了单个学科可以应对的范畴，而需要多个学科领域之间的相互协作。或许只有最顶尖的人才才能理解，并最终推动这些领域的进步。 不过即使是我们目前对人脑非常浅薄的研究中得到的认知，也已经构成了一幅无比美丽的画卷。这其中蕴含的奥妙让我们丝毫不会怀疑，我们的大脑是世界上最精妙（同时居
事件相关电位（Event Related Potential, ERP）是大脑对来自外界环境的特定的感觉、认知或运动事件等产生的心理反应的测量。
Anna Andreeva / 2nd year student, BA profile ‘Animation and Illustration’,
在语言和其他认知计算研究过程中的一个重要问题是：工具使用是否与语言的句法加工共享计算过程？因为，使用工具的行为可以被认为是给运动计划增加了一个层级结构。而在语言领域，句法加工相互依赖的语言基本元素（即词），它也是一个具有层级结构的认知功能。那么语言的句法层级结构是否具有特异的神经加工机制呢？
脑电（EEG）在认知、脑功能和功能障碍等研究中发挥了重要作用。但是，脑电信号从何而来，它们有何意义？事实上我们对这个问题知之甚少。著名脑电领域学者Michael X Cohen在Trends in Neurosciences发文，试图回答这一问题。神经振荡可能是EEG用以锚定的最佳特征，因为神经振荡在多物种的、跨时空尺度的大脑中广泛的得以观察和研究，并涉及广泛的认知和神经计算。
功能磁共振成像 (fMRI) 已经彻底改变了认知神经科学，但方法上的障碍限制了研究 结果的普遍性。Neuroscout，一个端到端分析自然功能磁共振成像数据 的平台， 旨在促进稳健和普遍化的研究推广。Neuroscout利用最先进的机器学习模型来自动注释来自使用自然刺激的数十个功能磁共振成像研究中的刺激—— 比如电影和叙事——使研究人员能够轻松地跨多个生态有效的数据集测试神经科学假设。此外，Neuroscout建立在开放工具和标准的强大生态系统上，提供易于使用的分析构建器和全自动执行引擎， 以减少可重复研究的负担。通过一系列的元分析案例研究，验证了自动特征提取方法，并证明了其有支持更稳健的功能磁共振成像研究的潜力。由于其易于使用和高度自动化，Neuroscout克服了自然分析中常见出现的建模问题，并易于在数据集内和跨数据集进行规模分析，可以自利用一般的功能磁共振成像研究。
Journal: Microbiology and Molecular Biology Reviews
互联网蓬勃发展的今天是流量为王的时代，但随着流量红利逐渐消失，获客成本的日益增高，用户留存成为各大互联网公司的重点关注问题，其中流失用户的召回在当今的流量红海市场中显得尤为关键，为此，基于大数据和机器学习的智能营销技术应用而生。
来自耶鲁大学医学院的JoyHirsch等人在NeuroImage杂志上发文，他们使用两台近红外设备同步采集了双人目光接触时的脑活动信号，数据分析表明目光接触时双人脑内/脑间存在同步，该过程涉及了左前额、颞-顶叶等脑区。 关键字：超扫描 近红外 目光接触 岛津 今天和大家分享的是一篇耶鲁大学医学院的研究人员发表在NeuroImage上的双人近红外研究。人类的目光接触是社交线索和沟通的主要来源。尽管这种人际互动具有生物学意义，我们对其基本的神经过程尚不清楚。这一知识空白在一定程度上反映了传统的神经影像学方法的
📷 FeatureProbe 是一个开源的 『特性』管理 服务。它包含灰度放量、AB 实验、实时配置变更等针对『特性粒度』的一系列管理操作。这里的『特性』包含业务功能、技术改造、运营活动等任何涉及代码开发的『特性』。它可以让开发人员、运营人员、运维人员安全、高效的完成线上变更，同时精细控制变更风险。『特性』粒度的发布管理是实现 DevOps 的核心工具之一，通过『特性』开关，可以降低分支开发带来的合并复杂性，轻松实现主干开发以及持续交付。 『特性』粒度开关管理服务已经是各个互联网大厂的标配平台，我们将互联
Wolfram Research的下一步努力将是让生物学变得可计算，在这里很高兴与大家分享我们最近发布的神经科学相关的内容。 人类神经系统最中心的部分是大脑。它包含大约 1 千亿个神经元，共同来处理信息，并按功能和结构细分为特定的区域。大脑解剖学、神经元的特征和认知图谱被用于表示功能组织的一些关键特性以及我们神经系统的处理能力。我们新的神经科学内容将带给你大脑、神经元和认知的事实，让你有机会窥视这神奇的神经科学世界。 大脑解剖学与网络 大脑的基本部分，杏仁核（amygdala）是被广泛研究的认知区域，决定
脑机接口（BCI）使瘫痪患者和残疾人可以使用大脑信号控制外部设备。发表在《Advanced Functional Materials》上的一项新研究，揭示了世界上第一个具有灵活背衬和穿透性微针的脑机接口。
本期是 Swift 编辑组自主整理周报的第二十二期，每个模块已初步成型。各位读者如果有好的提议，欢迎在文末留言。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
云直播
