Weekly Tech Report #1

[rainyear]

每周技术汇报 - 2015/07/12

About

每天都会关注一些技术论坛或新闻的分享(My Bookmarks)，但是大部分都会一看而过，没留下什么痕迹。于是决定每周做一下总结，对比较完整的项目、文章做一下总结与笔记，对一些新的知识点或有趣的技术、项目做一下记录。

TODO

• Git from the inside out
• Inceptionism: Going Deeper into Neural Networks | Caffe | Deep Learning Framework
• IPython notebook & Jupyter Project

1. Git from the inside out

图解 Git 工作流程中其内部是如何记录项目文件变化的，这篇还没时间看完，后续研究完再补上。他们这边的文章都写得不错：recurse blog，值得一读。

2. Deepdream

人工神经网络是一种很重要的机器学习的方法，尤其是随着最近深度学习的兴起，又重新获得大众的关注。但是深度学习或人工神经网络都是基于很简单的数学模型 - 感知器（perceptron），相当于人类大脑中的神经元，而复杂的神经网络则是由许多不同的神经元（感知器）按照不同的层次组合得到的：

虽然人工神经网络在图像识别等领域取得了显著的成绩，但是对于不同的神经网络层次（layer）之间，信息是如何传递的对于我们来说还是未知的。参照人类大脑的工作原理，可能较低层神经网络负责处理较低层的物理属性，如颜色、边界、朝向等特征的提取，较高层的神经网络负责物处理体类别、物体之间关系以及语义信息等。

Deepdream 这个项目就是将神经网络进行图像分类的中间过程所生成、传播的图像展示出来，意外地得到了具有魔幻色彩的“梦境图像”。 我做了一下实践，见 #10。除此之外，认识了 Caffe 框架，后面做神经网络模型或深度学习的时候应该可以用上，非常值得学习。

另外，由于 Deepdream 是用 ipython notebook 记录的，之前有了解过，虽然也一直在用 ipython，但是还没有用过 notebook，刚好借这个机会使用了一下，结果一下就爱上了它，下面就详细介绍一下。

3. IPython notebook & Jupyter Project

ipython 就不用说了，就是一个增强版的Python解释器，一直在用它是因为它的Tab补全功能。这次用了一下notebook，发现它跟我在处理实验数据时用到的 R Markdown 有异曲同工之妙，可以在一边做文档记录的同时，插入可执行的代码，最后可以直接导出带有执行结果的报告文档，可用于结果报告、笔记、教程课件等，非常方便。ipython notebook更让人惊艳的是Jupyter Project，也就是说你不仅可以在notebook 中插入Python代码，同时也支持其它语言，例如我装了一个Scheme的kernel，就可以创建Scheme版本的notebook：

更棒的是，Github已经支持ipython notebook文件格式，也就是说可以像Markdown一样直接展示出来see: test_jupyter.ipynb！

用起来也很方便，我在Python3的virtualenv环境下安装的步骤如下：

mkdir notes && cd notes
python3 -m venv venv3 # Python3 已经内置了venv模块，不再需要安装virtualenv

source venv3/bin/active
pip install "ipython[all]"

deactive && source venv3/bin/active # 有可能需要重新载入虚拟环境
ipython notebook

然后会跳到浏览器的http://localhost:8888/，如果需要其它语言，可以到IPython-kernels-for-other-languages找到。

MEMO

• 命令行的艺术
• 很不错的总结，几个没用过但感觉很有用的命令：

# 打印环境变量
printenv 

#用 pbcopy 复制任何命令的输出到桌面应用，用 pbpaste 粘贴输入。
pbcopy
pbpaste

• pandoc: ipython notebook & Rmd 都用到；