轉自HackMD

LaTex 基本

數學式的開始與結束都是$

• 如我們想表達: N(b, d) = (b − 1) M
  • 使用 LaTeX 後變成: $N(b,d)=(b-1)M$

另外，==$需緊鄰著數學式==，也就是中間不能有任何空白鍵，否則一樣無法辨識為 LaTeX!

• 一樣以 $N(b,d)=(b-1)M$ 為例
  • $插入空白:
    • $ N(b,d)=(b-1)M$ (開始的$後插入空白)
    • $N(b,d)=(b-1)M $ (結束的$前插入空白)
    • $ N(b,d)=(b-1)M $ (前後的$都插入空白)

值得高興的是，除了$以外的符號都可以加入空白以增加可讀性，而不影響顯示結果
透過右鍵看 LaTeX Code 可以看出下面兩個式子的差異

• 一樣以 $N(b,d)=(b-1)M$ 為例
  • 任意插入 $n$ 個空白:
    • $N ( b , d )=( b - 1 )M$

歌词是一种用来配合音乐咏唱的文学体裁，好的词作往往只用非常简短的语言就能描绘出丰富的情感。林夕是一位非常有才华的作词人，他善用细腻的描写和大量的修辞手法将深刻复杂、百转千回的情感刻画的入木三分，让人产生强烈的共鸣。而他从1985年开始尝试作词以来就非常高产，作品的质量也都非常高，比如《追》《春秋》《黑择明》《富士山下》《再见二丁目》等都是非常优秀的作品，所以我们试图训练一个Language model来模仿林夕的写作风格，产生新的歌词。

程序可以在我的github上获得，语言模型的部分参考fukuball的project Tom-Chang-Deep-Lyrics：Character-level language models for text generation based-on LSTM.
模型結構如下：

自动文本摘要生成是自然语言处理领域的一个經典的研究課題，主要任務是將較長的文本在盡可能保留原意的基礎上生成一個較短的版本（在文本長度和文本信息中保持平衡）。在近兩年較多採用深度學習的方法。自動文本摘要的技術能夠幫助人們快速的瀏覽和提取有用的信息，在互聯網信息爆炸的今天有着广泛的应用前景。在此記錄近兩年有關自動摘要的paper，不定時更新。

lda2vec淌過得坑。
https://github.com/cemoody/lda2vec

Gensim是一款开源的第三方Python工具包，用于从原始的非结构化的文本中，无监督地学习到文本隐层的主题向量表达。它支持包括TF-IDF，LSA，LDA，和word2vec在内的多种主题模型算法，支持流式训练，并提供了诸如相似度计算，信息检索等一些常用任务的API接口。

命令模式Command Mode

Ubuntu 每年发布两个版本，目前最新正式版版本也升到了 16.04。Ubuntu 16.04 开发代号为“Xenial Xerus”，为第六个长期支持（LTS）版本，其主要特色是引入了新的 snap 包格式和 LXD 纯容器 hypervisor。
Ubuntu 16.04 LTS正式发布下载，长达5年技术支持 https://www.ubuntu.com/download/desktop

Ubuntu 16.04 的其他特点包括：

• 支持 IBM LinuxONE 及 z Systems 的 s390x 架构
• 引入新的 Ubuntu MATE 社区版本
• Linux 内核更新到 4.4.6，包含 ZFS on Linux
• 桌面版本的 GTK、Qt 均已升级至最新版本，包含 Firefox 45、Chromium 48、LibreOffice 5.1、Python 3.5 等
• 服务器版本包含 OpenStack Mitaka、Juju 2.0、LXD 2.0、NGINX 1.9.15、Docker 1.10、PHP 7.0、MySQL 5.7 等

转自：https://eternalfeather.github.io/

===

介绍（Introduction）

Tensorflow是一个使用数据流图（Data flow graphs）技术进行数值运算的函式库。每一张图都是由节点（Node）和边（Edge）组成的。Tensorflow具有以下几点特性：

灵活性

Tensorflow不是一个严格意义上的神经网络函式库，只要是能够使用数据流图来描述的计算问题，都能够通过Tensorflow来实现。与此同时还能够用简单的Python来实现高层次的功能。

可迁移性

Tensorflow可以在任何具备CPU或者GPU的设备上运行，无需考虑复杂的环境配置问题，。

高效性

Tensorflow可以提升神经网络的训练效率，且具备代码统一的有优势，便于和同行分享。

转自：https://eternalfeather.github.io/

什么是机器学习

机器学习是由一帮计算机科学家们希望让计算机像人类一样思考而延伸出来的一门计算机理论。机器学习最早来自心理和生物科学，科学家们认为人和计算机其实没有什么差别，都是一大批相互连接的信息传递和存储元素所组成的系统。机器学习是一门典型的跨领域科学，其中包含了概率学、统计学等等方面。随着计算机性能的提升和计算机运算速度的升级，机器学习的应用才真正开始融入我们日常的生活当中。而不久的将来，机器学习必将成为人类探索机器世界的关键钥匙。总的来说，机器学习就是一个寻找方法的过程（Looking for a function）。我们所要做的就是构建一个function set（也就是model），其中的function结合起来能够真正将输入和输出拟合起来的function。