一直使用ZoC做阿里云ECS管理，方便好用。不过经常会License过期。
收集几个备用，之后过期可以来这里拿：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Part A: 55834/01027/59600
Part B: 43010

Part A: 11370/01027/29134
Part B: 51686

Part A: 61298/01028/48550
Part B: 00985

Part A: 51698/01027/34713
Part B: 00937

Part A: 50866/01027/47775
Part B: 57341

Part A: 53866/01028/18861
Part B: 45757

Part A: 03754/01029/23239
Part B: 50179

从长假回公司已经有一个月了，慢慢也进入到工作状态。
这次回来，还是有蛮多感触。看到晚几年进公司的同事，一步步承担更重的任务。深觉须时时努力，不断进步。方能担负得起自己所承担的任务。
今年运气欠佳，也希望努力可以带来更好的运气。

一直希望使用Markdown来写博客，无奈Wordpress对Markdown的原生支持太差。而且受不了Wordpress程序执行的龟速。

因此趁着国庆把博客程序作了更换成了Hexo，托管网站也换成了Github。

简单说明一下转移作了哪些事情：

• 申请Github Pages 并绑定域名
• 安装Hexo，并下载相应所需插件。没想到有Wordpress转Hexo插件，真是帮了大忙
• 把之前上传在网站空间的图片，全部下载并转存到七牛云存储上（这里有点小技巧，用Notepad++的正则表达式查找替换，节省时间，事半功倍）
• 使用NeXT主题，自带很多需要的功能，包括可以显示属性公式的Mathjax，原Wordpress博客的数学公式，也并没有受到影响（当然也要做一些非常简单的文本替换，同样Notepad++搞定）
• 因为博客是使用Hexo生成静态页面上传到Github Pages。特意申请了一个Github私有项目保存保存源码，方便多机编辑（这也是Hexo唯一的不方便，每个机子都要重新建环境）
• 另外一些原博客需要的一些小修改，不表。

回顾下操作系统概念：现代计算机往往都是“同时”运行多个任务。系统若只有一个处理器，那么给定时刻只可能有一个任务在执行。而操作系统通过进程管理和调度，切换正在执行的任务，是用户在感官上认为计算机是并行执行多个任务。当然，若是多处理器系统，真正同时执行的任务可以达到处理器的数目。

内核进行进程管理的主要解决的问题：

刚刚给Mac更新了系统，发现多了一项功能，即修改屏幕主题色。有浅色和深色两种选择。深色的还蛮酷的。修改方法：

系统偏好设置->通用->外观

选择你喜欢的主题色即可

为什么需要MTD子系统

嵌入式系统使用Flash作为存储设备，Flash类别有Nand、Nor等。Flash的上层是文件系统。直觉上，系统中使用这些Flash时，我们需要为每种Flash编写驱动。同时在调用Flash的文件系统做接口对接。这样，每使用一种新的Flash类型甚至型号，都得修改文件系统的编码来做适配。显然，这会造成代码的爆炸，同时也不方便大家各司其职（例如：厂商A做Flash，添加一个新的Flash需要厂商A的驱动开发人员去改写所有文件系统的接口，这显然不现实）。

刷微信朋友圈时，是不是经常看到一些广告，有时还不小心点到上边？可以使用以下步骤关闭：

• 电脑打开https://privacy.qq.com/advertisement.htm
• 在“二、如何管理您看到的广告”点击“管理”
• 此时会让您用微信扫码登录，按照提示登录即可
• 在“个性化服务设置”关闭“_根据您的信息展示广告_”即可

本文继续上一章对爬到的数据按照文章标题进行分析。

首先使用结巴分词对爬到的标题进行分词，得到分词过后的带空格的标题

1
2
3
4
5
6
7
8
9
10
11

import jieba
import jieba.analyse
import jieba.posseg as pseg #引入词性标注接口 
import codecs,sys
items['split_title'} = ''

def split_titles(df):
    strs = ' '.join(jieba.cut(df['lit_title'},cut_all=False))
    return strs
  
items['split_title'} = items.apply(lambda r: split_titles(r), axis=1)

词嵌入可以算是无监督机器学习最成功的应用之一。它不要求对数据标注，就可以从未标注预料里产生标注。单词嵌入可以从输入的字符产生量更小的向量标签，可以使得被使用到后续的其他学习任务中。

词嵌入的概念

简言之，词嵌入是指将文本转化为数字表示的方法。为什么需要词嵌入呢？

众所周知，许多机器学习算法，甚至几乎所有的深度学习算法，是无法直接处理字符串或者纯文本形式的输入。相反，他们需要数字作为各种任务的输入（例如分类、回归等）。不过，通常任务（例，网站评论中的情感分析）中大量的数据字段都是文本格式的，因此在需要学习前必须从这些文本输入中提取出数字表示的信息。因此，我们可以给词嵌入一个正式的定义：

初学机器学习，往往容易淹没在浩瀚的属于中，本文归纳总结一下机器学习相关的术语，帮您更好理解神经网络

本文大部分翻译自wildml.com

A

Activation Function（激活函数）

使用非线性函数对训练模型中的输出（当然不限于最终输出）进行非线性化处理，这样神经网络可以学习到复杂的决策边界。常用的激活函数包括 sigmoid, tanh, ReLU (Rectified Linear Unit)以及众多的变种.