Stochastic Path

2025新开始

2025-03-17T14:14:12+00:00

转眼到了己巳年，今年有很多事情要做，目标也非常的明确。所以一定是一个很有成果的一年：

《时间的经纬》

笔尖的潮汐漫过十二个月轮

墨痕在虚拟土壤里长出年轮

围炉夜话时星辰坠入茶盏

月下对酌的涟漪推开春夜的窗

指尖编织光的经纬

金属森林在代码中生长

星河低语着穿过显微镜

万物公式在晨雾里舒展枝桠

七弦松风唤醒沉睡的木纹

油彩与宣纸在暮色里私奔

飞牌切开光的棱镜时

露珠正凝结在太极的弧线上

掌心的星光牵引童稚脚步

棋局在屋檐下摆开四季

我们练习用云朵丈量山脊

直到松柏之姿浸透每根骨骼

月光洒在待续的空白页

沙漏里的金粒簌簌作响

所有未命名的种子都已启程

在晨昏线交界处静静发芽

原创文章如转载，请注明出处”“本文首发于blog.infplus.top”

阅读：The Power of Trees 树的力量

2023-01-27T05:21:50+00:00

节前读了一本小书，The power of trees/(美)格雷琴·戴利(Gretchen C. Daily)著;(美)小查尔斯·卡茨(Charles J. Katz Jr.)摄;徐卫华译。新学到了不少的小知识，比如树的高度的限制。有一个有意思的是关于地球上最大的生命体潘多林（Pando）。

其中最大的一处潘多林位于美国犹他州中南部鱼湖国家森林公园。Pando是一片白杨林，这种白杨的学名是Populus Tremuloids。Pando林的特点是树都是雄性，整片白杨林由一棵树发展而来。这种白杨除了种子繁殖外，还可以从父系的根系中发芽生长出来。在Fish Lake的这片潘多林占地40多公顷，总重量超过6万吨，全部由地下的根系连为一体，可以说是世界上最大的生命体。

参考：搜狐

2023的几个小Flag

2023-01-02T05:21:50+00:00

上一篇写了2022的总结，一如既往，2023，给自己立几个挑战性的目标。还有一些是不得不面对的生活，就不写到目标里面了：

读书（15 - 50）
长见识（6个新的城市，写游记）
拿证（驾照，专业考试）
兴趣（画画 6-20幅，滑板）
健康（BMI进入正常范围，跟胖相关的疾病都走开）
写作（发paper 5-10，写文章 50，出图集）

—— 今日paper：REVIEW: Proteasome System of Protein Degradation and Processing

Abstract: In eukaryotic cells, degradation of most intracellular proteins is realized by proteasomes. The substrates for proteolysis are selected by the fact that the gate to the proteolytic chamber of the proteasome is usually closed, and only proteins carrying a special “label” can get into it. A polyubiquitin chain plays the role of the “label”: degradation affects proteins conjugated with a ubiquitin (Ub) chain that consists at minimum of four molecules. Upon entering the proteasome channel, the polypeptide chain of the protein unfolds and stretches along it, being hydrolyzed to short peptides. Ubiquitin per se does not get into the proteasome, but, after destruction of the “labeled” molecule, it is released and labels another molecule. This process has been named “Ub-dependent protein degradation”. In this review we systematize current data on the Ub–proteasome system, describe in detail proteasome structure, the ubiquitination system, and the classical ATP/Ub-dependent mechanism of protein degradation, as well as try to focus readers’ attention on the existence of alternative mechanisms of proteasomal degradation and processing of proteins. Data on damages of the proteasome system that lead to the development of different diseases are given separately.

2022简单的总结

2022-12-31T05:21:50+00:00

2022年，创下了自上大学以来连续一年在一个城市待的时间最长的纪录。因为这样那样的原因，好像很多事不能做，但是又好像发生了很多事。

公司附近很多餐馆要不就是关了，要不就是换了又换。当然，好事是有些喜欢的路边小店竟然坚持了下来。有好些朋友的公司2021年快速扩张，2022又不得不面临大规模的裁员。总是陆陆续续听到一些小时候就总在书上、电视上看到的人离开。这些消息似乎在总是不时沉默的2022格外的醒目。2022自己也主动、被动的发生了一些变化，有更多机会静下心来深入技术，思考价值创造，和生活的变数。

正事

2022年花了一部分时间，开始做一些非常有意思的工作。整体上，在产出价值上，研究成果上，算是取得了80分的结果。有一些项目delay了，不过相信到了2023年一季度会有好几个重要的结果出来。一如既往，非常荣幸和一群纯粹、追求卓越的小伙伴一起工作。也非常遗憾今年有一些伙伴离开了团队，希望大家在新的领域一切顺利。为了把这些新东西做好，看了不少和算法、生物、化学、材料、工程相关的论文，至少自己觉得学到了一些东西。重新思考了算法，特别是基于数据的人工智能方法的应用机会和形式。2022年生成式模型有巨大的进展，无论是绘画还是聊天，AIGC给了人们暴胀的想象空间。如果仔细思考AI的技术如何产生商业的价值，与其说AI最好的应用场景是在产生大量数据的场景，可能AI在数据价值被低估的场景有更大的落地机会。花了一些时间重点思考如何放大算法在生物领域的价值。最主要的体会是顺势而为。生物体系的复杂度使得我们很难自己去设计全新的系统，比较好的办法是从数据端，从生物本体的角度，建立具有指导意义的模型，并利用生物本身的规律进行相关的开发。在已经存在的系统上进行优化是一个更加高效将技术转化为成果的途径。最后花了一部分时间思考非线性增长。主要的考虑是如何在看似不同，实则相关的领域之间找到核心技术的交叉点。并且设计有效的交换、协作机制，放大技术和数据交换带来的价值，实现整体价值的快速增长。

组织运营上尝试了IPD，游戏化之类的，看了一些管理的书，发现以我目前一知半解的功底，还是去年的经济师考试教材最合适。于是搜罗了一些MBA的经典教材看起来。Dario的原则里面有个事说得很有道理，我们踩过这些坑，只是因为我们不了解历史。很多事情其实总是周而复始地发生，认真研究历史，就可以知道更多。

2022年年末逐渐感觉对于之前以为自己能把握的概念有了更多了解，也多了更多尊敬。比如innovation，比如聚焦，比如social impact和商业转化的关系，比如financial model。许多事情需要在一个放松的状态下去思考，这些思考就像捧在手里的水，要静静地观察，太紧张，捏的太紧，就什么想法也留不下了。

2023年，争取能把现在看到的应用方向按照自己的理解扩展开来，找到他们的焦点，从而聚焦核心的技术。会尝试更加关注应用落地，在追求长期社会价值的目标下，建立更丰富的，通过短期成果实现长期目标的手段和路径。2022年尝试了一些流程构建，但是理解的还很肤浅。2023年争取专注对1-2个流程从零到壹构建的理解，看看能不能总结出一些规律。

个人兴趣

今年断断续续点了一些技能点。古琴练到了鸥鹭忘机。滑板勉强可以做出倒滑180，主要还是因为胆子不够大，不然可能可以学更多。重新把画画的习惯逐渐捡回来，画了一些素描，尝试了油画。书没有达到年初计划的阅读量，可能和出差减少也有关系。杂七杂八读了些没什么关联的书。前半年终于把之前总是读不完的几本易经的书看完了。无聊时对于鲫鱼的骨骼进行了一些研究，可能晚些整理好发出来。游戏上除了继续探索海拉鲁大陆，印象比较深的是玩了6、7个底特律-变人的结局，包括核爆掉了Detroit，神秘海域4终于看到了结局，A way out。死亡搁浅、Beyond、仁王（过于虐）、FFVII重置版、旺达与巨像这几个还在进行中。不过感触最深的还是Edie Finch，冥冥之中家族各个成员的命运仿佛不停陈述着人与人个体存在的差异，以及普适价值观的空洞。这点对于2022年的情况可能有更大的意义。2022最后一个月开始学西班牙语，现在应该可以问路、买票和点菜了。另外，开锁比2021年更熟练了，自己给自行车换了内胎、外胎。

最后

2022还发生了一些有很大影响，同时也很无奈的事情。不过这些可能就在自己心里慢慢消化吧。回头翻了一下年初的预期，还是发生了很多预期外的事情的。总的说来，意外多于惊喜。不过好在现在已经是2023了。希望2023年一切都会好起来，我们也会变得更加勇敢。

tensorflow相关小问题

2022-04-08T05:21:50+00:00

AttributeError: module ‘tensorflow._api.v2.io.gfile’ has no attribute ‘get_filesystem’ #47139
Projector tab is blank in Tensorboard (no checkpoint was found) error in tensorboard

AttributeError: module ‘tensorflow._api.v2.io.gfile’ has no attribute ‘get_filesystem’ #47139

解决方案：参考pytorch issue #47139

import tensorflow as tf import tensorboard as tb tf.io.gfile = tb.compat.tensorflow_stub.io.gfile

Projector tab is blank in Tensorboard (no checkpoint was found) error in tensorboard

Solution: Restart the tensorboard, because the projector loading is not dynamic. It will only show the embeddings writed in logdir before tensorboard cli starts.

重启！

2022-03-26T05:21:50+00:00

又一次尝试用 github 来托管个人网站。看起来 Jekyll 是默认支持的。

Jekyll 对代码片段的支持也很不错：

def print_hi(name)
  puts "Hi, #{name}"
end
print_hi('Tom')
#=> prints 'Hi, Tom' to STDOUT.

更多用法可以看 Jekyll 文档。Bug 和功能需求都提到 Jekyll 的 GitHub 仓库；有问题也可以到 Jekyll Talk 上提问。

AI启示录-生活中的管理思维框架

2019-03-09T22:49:42+00:00

17年底的时候，在某知乎大佬的带领下和大家分享过一些想法，主要聊了一下机器学习思维如何可以帮助到我们。如果说当时的想法是接触机器学习以来，这一方向的一些特定思考及行为方式对自身思维方式的一个反思，那么经过一年多的尝试和实际经验，现在从机器学习方法中的一些框架里获得了更多的启示。

这里想重点聊的是机器学习中的三要素是如何映射到我们平时工作和生活的过程中的。

在一个普通的机器学习项目里，一切开始之前，我们往往需要确定三方面的东西：

目标：损失函数是什么，或者说我们想要优化的函数是什么，优化到什么程度为止

模型：选择什么样的模型，对哪些情况进行实验等等

搜索策略：通过什么样的方法找到“最好的”优化方法。这里最好包括能否找到最优参数，也包括搜索的成本或者效率。

如果联想到我们工作里的事务，这三个词这些大家是不是听着特别的熟悉。

目标：我们为什么要做一件事情，我们希望达成什么样的结果，这些结果有没有量化表示的可能？思考目标很重要，因为欲望是无限的，资源是有限的，比如时间、财力。当我们投资一只股票，准备一场谈判，尝试一项新的研究，进行一场市场推广活动，开展一项活动，目标最好都是明确、简单、可衡量的。为什么要仔细思考我们的目标，因为这个决定了我们能否有效复盘（如果连我们自己要达到什么目标都不知道，如何复盘呢？），更重要的是也决定了我们何时停止。仔细挖掘我们的目标，找到哪些最本源的目标，可以让我们不至于过分纠结在某些中间结果上，同时当我们卡在某个中间环节时，清晰的最终目标也会帮我们发现很多的替代方案。比如说为了进入某个陌生市场，我们希望通过与A公司快速达成合作，以获得在该市场的竞争力。那么在和A公司的谈判过程中，我们可能就不会在合作的利益分配上过于纠结。

模型：为了达到这个目标，我们希望利用什么样的模型来进行？如果是一项新的业务，业务的核心是研发、工程部署、渠道、还是其他什么，都决定了不同的管理方式。如果是个人发展，到底是选择报班，自学还是参加兴趣小组？如果自学是视频、看书、还是刷知乎？实际的过程中，我们往往找到一个解决方案就进行实施。仔细提前思考自己的模型，可以有效评价自己手里可以选择的方案，在一条路走不通时，可以真正做到运筹帷幄。

搜索方法：当我们手里有多个可能达成目标的模型时，如何找到最合适的那一个？从自动化机器学习的角度，我们可以格点搜索，就是一个一个按照一个列表去试；随机搜索，就是随意试；启发式搜索，根据上一次尝试的反馈，选择新的方案。在具体的事务上，如何选择，优先选择哪一个“模型”往往受到问题本身性质和手里资源的影响。还是就着刚才拓展市场的例子。如果我们的目标是在现有市场基础上，发展新技术，提高企业影响力和竞争力，可以想象我们可能有如下选择：采购已有技术，自主研发，合作研发等等，选哪一个，可能就要退一步再看看我们的目标：这个目标要求在多长的时间内达到；对于技术的产权有需求么；对于新技术的质量有什么样的要求，是不是已有工具可以达到？如果时间紧，对于自主权要求不高，可能购买会是一个好的选择。相反如果希望建立更高的技术壁垒，或者这项技术还没有好的已有成果，那可能自主研发就是一个好的选项。那么在搜索方法上，对于前者我们很可能会优先搜索已有的解决方案，并把工作重点放在合作或者购买谈判上；而对于后者，我们可能会优先准备科研力量，评估自主研发可能性。当然，如果财力允许，两个方案同时推进的“并行搜索”方法也是一个可选项。在“程序员修炼之道”里提了一句话，很有道理：世上没有完美的项目。所以当我们考虑项目目标的时候，一定要把目标质量要求也加入其中（比如完成的时间，最终的质量标准等等）。再退一步，如果我们的目标是提高影响力和竞争力，是否发展新技术是唯一的达到这个目标的“模型”，提供更好的服务可以么？无论采购还是自主研发，都可能遇到难以越过的障碍，如果我们的“模型”清单里面有一项“提供更好的服务”可以选择的话，相信我们在实现目标过程中遇到困难的时候会更加从容。

这三个方面可能是我们在做一件事之前最好拿一个表，逐一思考、讨论并且列举清楚的。很可惜，在相当多的情况下，我们只对自己为什么做一件事以及怎么做有一个模糊的想法就开始了，到了后面遇到问题才倒回来思考、补充。当然这里肯定不能因为去填补框架而举步不前，但是给自己一个冷静的时间，仔细按照这个框架梳理自己要做的事情，可能不全面，没关系。经过这个思考，不仅事情可以做起来更加顺利，还可以免除很多不需要的过度焦虑。因为填空题总比作文简单一些。

原创文章如转载，请注明出处”“本文首发于blog.infplus.top”

成于此，祸于此？

2018-11-27T21:40:49+00:00

前两周奇葩说有一个辩题：如果有一个科技，可以一键让全世界的每个人同时同步所有的知识，要不要支持？其中反方有一个观点：因为是所有人，那么如果坏人拥有了这些知识，将是可怕的。正方对此的反驳是：我们无法提前区分人的好坏，如果是担心坏人获得了知识会危害这个社会，那么教育的普及是不是不应该的呢？

直至昨天的新闻，让我进一步理解了这个辩题的深刻之处。支持或者不支持都不是那么尽然，因为现实的世界不是一个黑白的二分，而是量变到质变的转化。

一键成佛？一剪成魔？

有人激进，有人保守。当我们不断提高教育质量，当越来越多的人能接触到最先进的科学技术，当越来越多的科学家，工程师将技术平民化，让一项技术可以方便的在小型实验室进行的时候，异常值就会更加容易出现。赤壁之战，曹军将战船连在一起已抵御风浪，如果拆成小船，必然有人快，有人翻。二十年前，我们讲21世纪是生命科学的世纪，大量的优秀的人才涌入生命科学这个领域，以至于之后有一个段子讲到：

“数学是火，点亮物理的灯；物理是灯，照亮化学的路；化学是路，通向生物的坑”

20年后，免疫治疗，基因编辑等等新的技术进入大众的视野，不仅因为它们新，也因为它们确实给疾病的治疗，给人类生命的长治久安带来了新的希望。我们不断想要降低实验的操作难度，增加实验的确定性，希望有更多的人参与到这项研究中。我们并不会像几十年前的核试验那样严格控制研究的参与和进行，我们希望通过监管和规范来限制这些技术的使用，就如我们从沙利度胺那里获得的教训一样，我们希望通过严格的临床实验来控制新技术使用的风险。与此同时，我们鼓励更多的人加入到新技术的研发中。然而，林子越大，鸟的种类越多。当一项技术已经可以在小规模的实验室完成的时候，突破所谓“边界”的事情便更可能发生。技术以及技术的普及化是一个大家似乎都认同和努力的方向，然而今日，这个方向所能带来的长期影响我们似乎并没有看清。

在昨夜，朋友们对于人类长期安危的关切似乎超过了大多数的短期问题。人类的社会，我们身边的世界，从来就不完美，有过多的人因为他人的过失而遭受巨大的损失，每天早上有那么多因为莽撞而引发的交通事故，我们总能听到某某工厂发生爆炸的事故，又或是哪个地区发生局部战事冲突，即使是每几年发生一次的经济危机，也不知给多少人带来了不可恢复的灾难。对此，我们会担忧，我们会谴责，我们会辩论，但是我们似乎相信，这些都是局域的，可控的，终将结束的。只有这次，影响是永久的，结局是未知的，不可控的，潘多拉的盒子已经打开。

潘多拉的盒子早就已经打开。

它的反面是贪婪，无知，正面是好奇，无畏。当我们在好奇的道路上勇往直前的时候，我们无法真正剥离我们的反面。现今的科学技术的长期影响可能已经远远超出了人类所能预测的范畴。我们曾经相信，机器在围棋上战胜人类，需要二十年。2016年alphago的横空出世引发了社会对于未来机器会不会取代人的激烈讨论。今天，一则“露露”和“娜娜”出生的新闻引发了整个科研界与非科研界的巨震。之前，在事件发生之前，为什么我们没有有效地预防？也许是因为我们总是无条件相信人都是保守和善良的，无论历史不断告诉我们即使99%的人是这样的，1%的例外总会给我们带来惊喜或者愤怒。另一方面，我们无法准确估计科技的影响，我们对于社会这个非线性的复杂系统的理解远远还不够。大部分人看不到现在最先进的技术的本质，即使我们每天听到人工智能、我们听到量子通信、我们听到基因编辑。我们无法准确预料它们5-10年后带来的影响，好的或者坏的。因为我们不懂。另一方面，即使是技术的专家也无法准确估计技术的普及和应用对于社会的影响。

所以解决方案是什么？很难说。但至少，希望我们能像几十年前沙利度胺事件中一样，对于自己事情中的正与反有正确的认识，虽然说这次可能更加的复杂。希望各方能从自身专业角度，提出有价值的判断，以及最终的解决方案。今年，“我不是药神”引发了一波关注，患者为了求生通过不合规的渠道购买药物，以求获得治疗。前些天，有人跟我介绍说他朋友研究的药物虽然还没有得到批准，但是已经用于给一些肿瘤患者治疗。甚至有听说，有人为了给自己的亲人治疗，自己在家里研究相关的治疗方法。此处不评论故事的真实性，也不去单说一个事件是纯粹的好坏。一面是佛，一面是魔。我们需要思考的是在这些事件中，善恶的线到底在哪里？想清楚了，我们可以走得更远。

伦理是一个我们希望重视的问题，以及我们不希望自身的莽撞影响了人类全体的安危。我们同时希望科技能够更加快速的发展。另一方面，借用曹政老师的一篇文章标题，“不要挑战人性”。那么三者如何去平衡？基因编辑婴儿的出生是一个被带入大众视野的事件，也许是因为当事人对于这个事件影响的错误估计。这是一件好事。但是，如果我们真的在意，我们需要想的更远一些，不然科技发展+自然涨落也许会带给我们更多的“惊诧”。

原创文章如转载，请注明出处”“本文首发于blog.infplus.top”

关于进化以及智能的进化

2018-10-13T13:07:48+00:00

13年在MIT博士后的时候，听到的印象最深的研究之一是MIT的年轻教授Jeremy England，试图从物理的层面上去理解生物体系的功能的起源。简单地说，如果我们认为进化论解释了物种的出现、消失，那么在原初的时刻，当世界从无机向有机转变的时候，是什么样的原理和机制，以及外力的相互作用，改变了化学反应的倾向性，促生了具有生物功能的物质的出现。

这里所说的生物功能是指的那些在现有的世界中区别于一般性物质的表现。在Jeremy的学校主页上，他解释到，一只猫在重力的作用下会下落，一块石头也会，所以下落不是一个生命相关的功能。与此相对，生物的复制（reproduction），神经元的激发，从食物中摄取能量，以及通过过去、现在来预测未来等等就明显具有生命的色彩。Jeremy从远离平衡态的体系研究出发，探讨一套随机连接的化学反应系统如何通过自组织行为来最大化从环境中提取能量的效率，通过理论和模拟的方法来探讨生命在世界中如何出现。暂且不论这套理论在专业领域的接受度如何，它的研究提出了一个很好的问题，我们如何用物理的方法研究生命体？是否存在不同的演化路径，以及我们如何看到它们。好了，严肃的部分就到这里，以下都是一个人在吃完午饭“吃饱食困饿发呆”情况下的开脑洞，没有任何科学依据。可以当玄幻小说读：

进化是一个漫长的过程，如果把地球几十亿年的演化看做一天，人类的出现和盛行也只是最后的“那一秒”。我们可以判断物种的灭亡，但是似乎很难观察到一个进化导致的新的物种的出现。所以无可厚非，模拟是一个用来进行演化研究重要的工具和手段。这种巨大的时间尺度让我想起了庞加莱在他的“最后的沉思”中开篇提出的讨论：如果这个世界所有的常数都以某种方式在进行改变，我们是否能够感知到这样的变化。在一次对于进化的计算机模拟过程中，我们输入的方程是否保证了这个自然界所涉及的常数都以一种恒定的形式存在。如果还有某个常数在我们的认知之外，比如几百年前的真空光速，那么是否有可能当我们在计算机中进行虚拟的演化时，用来主导演化过程的方程在某种程度上会违背这些未知常数的性质，引起这些“未知常数”在模拟的时间尺度内发生演变。如果这种演变是缓慢的，那么我们是否有能力察觉这种变化，或者说这种变化在什么程度上会、或者不会改变我们对于模拟结果的解释。

在没有外加干扰下随意的杂交过程在热力学第二定律之下是趋向于混乱、多样化和平均化的。就像一团空气中的烟雾，总是趋向于向四周扩散，直至慢慢消散。生命的混合如果没有任何的限制看起来也应该向着无序的方向发展，所以进化的理论通过外部能量的介入，保证了更有组织性的高度智能的生命体的出现。如果我们把智能看做进化的一个重要指标的话，那么存不存在一种模拟方式，可以仅仅就智能的进化进行研究和讨论？就像Alex Pentland在“Social Physics”一书中指出的，社会学里面一个重要的研究对象是“想法”的流动。“想法”通过社会的网络进行流动、改变、聚集、消散，那么“想法”作为一种“智能”的间接反映，这样的流动是否可以代表某种智能的进化呢？从另一个方面Antonio Damasio在“Descartes’ Error: Emotion, Reason and the Human Brain”（笛卡尔的错误）里面不断强调的，因为不存在“纯理性”的恐惧和判断，心智无法脱离生命的物质实体而存在，“缸中之脑”不会存在心智。那么纯粹的对于智能演化的研究，是否会偏离自然的真实性，又或者如何将现实的物理实体和纯粹的算法的研究结合起来呢？最近各个大大小小，正规的，不正规的，官方的，民间的，媒体和论坛都在提一个问题，AI的未来发展以及对于人类发展的帮助和威胁。暂且不说这个威胁在技术上可能还很遥远，如果真的发生，那么AI是否会进化，AI的进化又是否对我们对于笛卡尔二元论的否定提出了反例呢？

说了这么多，是因为我最近在打算通过一些好玩的方法去研究一下在计算机上如何“非学术”性地探讨一下演化过程及新事物、新行为出现的模式。以期回答上面的一些问题。要是有谁感兴趣，也可以联系我，说不定大家可以先进行一下“想法的流动”。

原创文章如转载，请注明出处”“本文首发于blog.infplus.top”

创业没有什么不一样

2018-01-27T11:11:51+00:00

创业是否特别辛苦

学科的分化和融合

“你是学物理的呀，身边学物理的都最厉害了。”

创业是否特别难

今天专门去回看了曹政老师的公众号文章“不要试图挑战人性”。文章

原创文章如转载，请注明出处”“本文首发于blog.infplus.top”

1080ti + tensorflow-gpu + ubuntu 14.04 + SSD/机械双硬盘安装历险记

2017-12-04T23:23:34+00:00

为什么题目这么长？

因为真的有那么多事情要说。(不知道SEO会不会有帮助，该版本是在某大侠武林秘籍之上改编而成，如有雷同，实属巧合)

经过了说不清楚的一段时间的折腾，终于完成了新的GPU计算服务器(以下简称fwq)的安装，现记录如下，以备未来之需：

安装ubuntu 14.04: 这一步就颇为折腾。有以下坑：

(initramfs) unable to find a medium containing a live file system…

解决办法：在启动 bios 里面关闭 secure boot, 或者在选择启动位置的时候选择不带 UEFI 的那项。原因：不明，可能是SSD + 机械硬盘双硬盘导致的

选择安装ubuntu（Install Ubuntu) 之后黑屏

解决办法：在高亮 Install Ubuntu 之后，按"e"进入高级设置，找到 quite splash —, 删掉最后的 —，替换成 nomodeset，然后按 F10 开始安装。原因：ubuntu自带显卡驱动和1080ti不兼容。

开始安装以后选择安装到SSD，显示无法写入grub错误

解决办法：装到机械硬盘上… 原因：不明

在fwq 备份 /etc/apt/sources.list 到 /etc/apt/sources.list.bak

修改 /etc/apt/sources.list来加入国内源，并运行

sudo apt-get update

启动 ssh server

sudo apt-get install openssh-server

服务器端启动ssh服务:

/etc/init.d/ssh start.

安装完成以后在客户端进行ssh 登陆，检查

安装linux注释头

sudo apt-get install linux-headers-$(uname -r)

解决显卡和驱动的冲突：

Create a file at /etc/modprobe.d/blacklist-nouveau.conf, 加入以下内容：blacklist nouveau options modeset=0

并 regenerate the kernel initramfs:

sudo update-initramfs -u

安装linux source

sudo apt-get install dpkg-dev sudo apt-get source linux-image-$(uname -r)

安装驱动

据说在14.04上安装cuda要把驱动选得正好。这里我们尝试安装384.90驱动成功，其他驱动没有每一个试过。首先下载正确驱动：

NVIDIA-Linux-x86_64-384.90.run

查看自己显卡是不是Nvidia的：

lspci

grep -i vga

然后看列出来的名字里面有没有Nvidia。清除掉现有驱动：

sudo apt-get remove –purge nvidia-*

然后进入文本模式 (ctrl + alt + f1)。关闭图形界面：

sudo service lightdm stop

运行

sudo <driver’s name.run>

最好选择备份x11。安装完成后运行

nvidia-smi

确认版本是否正确。

下载cuda_8.0:

cuda_8.0.61_375.26_linux.run

然后安装cuda_8.0:

chmod +x [cuda_8.0 run file] sudo [cuda_8.0 run file]

在/etc/profile里面配置相应路径：

export PATH=/usr/local/cuda-8.0/bin:/usr/local/cuda:${PATH} export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:/usr/local/cuda/lib64:$LD_LIBRARY_PATH

对example里面的1_Utillities里面的deviceQuery进行make，然后执行。如果一切顺利，最后一行的输出应该是Pass
安装cudnn。这里用到的文件是：

cudnn-8.0-linux-x64-v6.0.tgz

对文件解压并放到相应文件夹：

tar -zxvf [cudnn file name.tgz]

sudo cp cuda/include/*.h /usr/local/cuda/include

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

cd /usr/local/cuda/lib64

chmod 777 /usr/local/cuda/lib64/libcudnn*

安装anaconda

为了加速，我们使用了清华的anaconda镜像：

https//mirrors.tuna.tsinghua.edu.cn/help/anaconda/

conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config –set show_channel_urls yes

为pip添加douban源, 创建 ~/.pip/pip.conf

在其中加入：

[global] index-url = http://pypi.douban.com/simple/ trusted-host = pypi.douban.com

然后就是创建虚拟环境，并在其中安装tensorflow-gpu by calling:

pip install tensorflow-gpu

步骤比较多，不过我们按照大致这套流程已经成功安装了3台机器了。话说，装完系统又发现手机不充电了，又是清理插口，又是各种测试，修了很久没弄好，仔细看才发现原来昨晚停电之后我的台式机一直没开机，所以USB口也根本没法供电。这样看来，我还蛮适合装电脑、修手机的中关村生活的…

原创文章如转载，请注明出处“本文首发于blog.infplus.top”

胜负本心

2017-05-25T22:31:33+00:00

这是一个绝妙的时代。

我无法想象，或者回忆，30年前的擂台。多少人放下手中的事情去关注，多少人为了胜利去欢呼。今天，没有胜利，也没有欢呼。也许当局面逐渐复杂，当落子的声音越来越大，我可以感受到从古至今，当人们面对名局产生于眼前时的那份内心的震颤。一个千年的游戏，一次次去承载胜负的悲凉，从冷兵器走到互联网。方寸之前，人换了一个又一个，抑或只是0、1的变换，抛开这一切，只看着这19路棋盘，思维上的冲击竟没有丝毫的不同。以前上学时老师讲浪漫主义是在两个极端间不停地跳跃。而棋盘上，理性的绝妙就是这在刀尖上的舞蹈，我不进分毫，亦不退分毫，黑白纠缠，无处活，亦无处死。

这是一个突破的时代。

游戏本没有自己的边界，游戏的人却有。这个边界开始是人，其后是国，现在是人类。一国之内，最善弈者，为国手。也许一开始，最大的博弈也就是在游戏的二人之间进行，你赢了，就是赢了。后来，游戏的双方代表了各自的组织，各自的归属，各自的国家，各自的种群。大家不停的把自己画到圈里，圈越来越大，胜负也越来越重。比的不相上下了，我们就合并成更大的圈，向另一个大圈挑战。也正是如此，我们在突破-融合-挑战的循环中不断打磨自己的技艺，让这样的游戏令人如痴如醉。

这是一个纷杂的时代。

也许一切不再纯粹。有人期待最后人机一战的胜利，有人讽刺着人类在机器面前智力的渺小，有人借着机会推销着似乎毫无关联的产品…一切无谓对错，只因我们本身就已经在这纷繁复杂的洪流之中。毕竟，除了这个游戏，我们还有很多生活要过。但是只有在这样的时刻，在我们能忽略对手的肤色、民族、甚至形态，只全力求胜，苦苦思索神之一手的时刻，人的心智所迸发出来的绚烂，让我为自己身处这样的时代有幸经历这样的时刻而庆幸。

朋友那里看到的一段话：

“大圣，此去欲何” “踏南天，碎凌霄” “若一去不回…“ “便一去不回！”

毕竟，一切外来皆无关，胜负本心。

原创文章如转载，请注明出处”“本文首发于blog.infplus.top”

情到最难处

2017-03-08T22:16:48+00:00

陆陆续续就自己目前的心情有感而发，不见得是对的，也不见得不对。

刨去自己不善于social，不善于打动投资人等等各种不利因素，如今最大的感触，也是对于自己而言创业过程中最大的难处之一，就是如何克制自己发散的想法，把产品的功能控制在合理的范围。具体表现出来，是以下几点，强烈需要讨论：

方向的选择：这是首要的重中之重。跟不同的人交流，会有不同的反馈，是SaaS，CRO，R&D，还是平台；是技术驱动，公关驱动，还是流量为王？不同的用户也会有不同的需求，精益求精的深度分析，全面的一体化解决方案，垂直切入的技术支持，通用的平台服务。那么我们应该做什么，怎么做，按照什么样的进度做？目前我在这方面的努力是：明确谁是核心用户。我自己理解的核心用户是指：可以快速切入，以此基础迭代扩张并符合团队技术特点的用户。第一点是说研究的技术不能离市场太远，这个需要准确的去理解这群用户的需求，明白大家需要什么，并且以什么方式需要。第二点是说这个市场足够大，而我们的早期用户是“复杂网络中的关键节点”，是“动全身的一发”，或者是“系统的入口”。最后一点是说前面两个方面是团队长处可以发挥，大家志向所在（要不不如找个好工作好了）。明确这几点，功能围绕需要来，计划按照市场逻辑定，其它的，就暂且放放。
团队的组建：对于既定的目标，基于已有的核心团队，如何扩张和配置来发挥最高的效率？是找基础好的伙伴逐步培养，还是找有经验的高人指点江山？可能这都不是这个问题最好的提法。我现在的答案是一切基于对于第1点的分析。在第1点确定的市场与业务计划下，眼下需要什么样的人，未来一年需要什么样的储备，三年，五年？什么样的同事是这个过程中至关重要的人才，或者可以独当一面，或者可以打开未来人才的入口（培养也好，招募也好）。对于眼下急需的人才迅速招募，对于长期的核心位置，建立规律性的筛选机制，发现适合的人。而我自己之前的问题是，看到了厉害的人物总是希望能有一起合作的机会，但是现在更明确的理解到，一个创业项目还是要围绕第1点来做，厉害的人物如果和目标不符，不仅可能造成财务上的负担，还可能带偏整体的发展方向。大家做个朋友也是挺好的。这也是所谓“千军易得一将难求”的道理吧。

当然，不管问题多么NP-hard，也有棒棒的合伙人，还有各位朋友支持着，天天还是痛并快乐着。

应该未完，如有还会续

原创文章如转载，请注明出处”“本文首发于blog.infplus.top”

如果你来面试

2017-03-01T22:37:46+00:00

最近一直在持续的寻找人才，通过互联网发现的，通过朋友介绍的，从事机器学习算法研究的，技术的和非技术岗位的，也直接或间接的和很多人聊过。现从招募者的角度谈谈，什么样的问题可能会在面试中造成不好的印象，当然都是个人观点，希望有所帮助，也欢迎讨论（以下一切经验对于有特殊经历的你失效）。

第一、简历。至少我和许多求职者的第一次交道是来自于简历的。所以如果能呈现出一份逻辑清晰，描述简洁的简历对于建立一个好的印象真是觉得太有必要了。对教育背景简单列出，职业背景有系统的描述，突出的经历可以稍加详细解释。如果可能，还是尽量避免冗长的句子。通过排版把不同模块清晰的区分开来。我想这些经验可能很多地方都可以读到，但是真的真的非常重要。最好简历写好之后给有一定审美水准的朋友看看，做做视觉上的美化。如果实在找不到，自己检查一定做到缩进对齐，字体统一，杜绝错别字。至于照片，我个人觉得可有可无，如果放艺术照会稍稍奇怪。

第二、还是简历。来面试前，对于自己写在简历上的事情一定记得回头再看看，如果是一年之内的经历最好能够清楚的说出前因后果，半年内的最好能够答出技术细节。对于自己写在简历上的重点内容，相信面试官一定会细致询问的，所以请好好准备。不然如果问你最擅长的是什么，答案是“线性代数”，然后答不上来如何矩阵对角化，就不好了。对于我自己来说，我可能不会那么强调临场发挥的能力，因为毕竟工作中很多问题我自己也是没办法马上解决，要到处寻找答案。所以面试者如果告诉我为了面试专门做了准备，我觉得真是蛮好的。

第三、了解自己面试的岗位，了解即将可能加入的公司。有些公司，比如我们，网上资料很少，很多细节内容也查不到，但是如果面试前有人能告诉我自己在网上了解了哪些，对于公司和自己相关的职位有哪些特别的问题，那我基本上会很感动了。而这个环节能说出多少或者问出多有价值的问题，真的是一份耕耘一份收获。因为大家都不可能了解太深，花多少时间基本上就能搜集多少信息了。以前自己求职一般会写一份cover letter（针对某家公司或者某个职位的求职信），现在很多职位或者面试可能不要求，但是自己准备最好也是要按照能写出cover letter的标准来做。

剩下的可能就是真的靠实力了。上面的总结也比较笼统，总的说来呢：

简历简洁，有逻辑。
知己（熟悉自己简历的内容）知彼（了解即将面试的岗位）

写的笼统，便于大家在不同的情况下看看自己是不是已经做到了充分的准备。对于更多职场问题，推荐一个微信公众号，caoz的梦呓。另外，我们也在持续寻找有计算机辅助药物设计（CADD）和 python 工程经验的人才，求联系。

原创文章如转载，请注明出处”“本文首发于blog.infplus.top”

做事先做人

2017-02-28T23:23:36+00:00

晚上看一个节目，提到一句话，“做事先做人，学艺先学德”，深以为然。

这句话没什么新鲜的，所以我也把它放到了“再说老话”的标签下。但是近一年以来，每每晚上回家走在必经的小巷上，头脑中都会浮现出这句话 —— “做事先做人”。也许是因为自己总是社交紧张的缘故，每次参加完各种活动都会想很多。当听多了，也说多了各种诸如我们是“做商业模式的”， “我们是做细分市场的“，”我们是做行业整合的“等等”做法”，我不禁要一次次在各种声音之中反复提醒自己，无论做什么，先做好人。而我自己在此的理解核心在两点：1. 尽量避免占有的欲望；2. 寻找并守护自己的底线。

占有欲也许人人都会有，若控制不好，却也可能是各种不快的缘由。家庭之间，过分的占有感很可能就会突破最后那层个体独立的防线，引起似乎难以解释的不满。而那句大家所熟悉的“我是为你好”很大程度上也是因为“我”过多的要求了对对方的所有权吧。而在商业行为上，我自己也在不断的反省，从开始的小心谨慎，生怕吃亏，逐渐开始寻求开放合作。而在必要的时候，甚至可以选择自己吃点亏，只要能实现既定的目标。这么做的好处，一来是真的能把事情快速的做成，二来，更重要的是，让自己的精力不要花费在患得患失，而是集中在更重要的事情上。另一方面，淡化占有的欲望，可以让我从一个更加客观的角度，或者是定量的角度来进行理性的决策，所谓“当局者迷”，脱离了“视如己出”的想法，便能从局外审视局势。

而第一条引起的冷淡需要时刻用第二条来弥补。最难的是发现自己的底线，或者说最终的目标。在创业的过程中，会有各种各样的声音在环绕。而没有太多经验的自己如同盲人摸象，各方的声音在不断地描绘眼前这个巨兽的某一部分。我自己需要的就是在这个信息不全的设定下，寻找问题的最优解。方法一是去听从更多的意见，获取更多的观点，二是从不同的观点中间去梳理其背后的逻辑以及观点之间的关联。当然另一个难点就是，所谓的最优解应该是全局的，所以在时间尺度上，我也应该避免片面的判断而局限在局部的最优解当中。一旦找到了这个目标，就需要在各种诱惑之中去坚持。犹如小马过河，听了很多，该试试的还是应该去试试。

所以我理解的如何在创业过程中先”做好人“，两点结合起来：寻找合适的目标及其描述方式，对于目标大胆尝试，但切忌老想着”我这个想法独一无二“，避免在过分的自赏下丧失了基本的客观判断力。

原创文章如转载，请注明出处”“本文首发于blog.infplus.top”

机器学习资源简要

2017-02-11T00:27:51+00:00

为了避免大量的名单的列举，反而造成信息的冗余和噪音，这里的资源都是经过阅读（至少是极快的阅读）之后整理的。为了方便选择，也会加上我的一些评论，不过水平有限，大家勿被误导。

博客文章

Machine Learning is Fun – Adam Geitgey’s article

对于Machine Learning非常简明扼要的介绍，非常适合零基础开始阅读。没有太多技术细节，适合对Machine Learning理解的启蒙。
A Deep Learning Tutorial: From Perceptrons to Deep Networks

非常简明扼要的介绍了机器学习和神经网络的基础知识，所以非常适合有过一点神经网络经验或者了解之后对自己的知识进行一个梳理。介绍的内容包括：机器学习概要，perceptron, nonlinear perceptron, 训练神经网络，Feedforward Neural Networks，Autoencoder –> Deep Networks，RBM –> Deep Belief Networks，Convolutional Networks.
【持续补充中…】

如果大家等不及补充并且愿意自己去挖掘信息，几个非常长的清单来自于一下博客：

图像视觉研究的博客–Paper reading list

Chen Yuanshen的专栏

npm源及换新模版

2017-02-09T00:08:45+00:00

npm源的问题

今天更换hexo主题，在安装hexo-renderer-sass的时候遇到了无法从github获取数据的问题。据说是因为在国内的原因，经过尝试，通过设定registry到taobao，同时使用cnpm可以解决npm国内源问题。

用淘宝源替换

临时替换： npm --registry https://registry.npm.taobao.org install [expected package]

持久替换： npm config set registry https://registry.npm.taobao.org npm config get registry

安装cnpm

npm install -g cnpm --registry=https://registry.npm.taobao.org

使用cnpm安装相应包

cnpm i [package]

终于不用再等待了…

新的主题

一直找一款简洁主题，方便添加评论，标签，分类和外部链接。昨天终于找到了——Maupassant(修改版)。同时还添加了多说评论和Google Analytics。

另：如需更改hexo new [title]生成的文件的front-matter内容，可以直接修改/scaffolds/post.md的内容。

MongoDB安装简要

2016-11-17T22:23:47+00:00

前段时间尝试使用MongoDB，在安装过程中也是稍微遇到了些许的周折，先将简要的安装步骤记录如下。

系统：ubuntu 14.04, 64bit
MongoDB: 3.4

按照官网步骤安装

没有太复杂的步骤，按照这里官网的解释进行一步步的安装即可。

配置文件

安装好以后可以配置 /etc/mongodb.conf 文件进行一些基本的设置。在初期可能和我自己相关的是：

注释掉 bind = 127.0.0.1 以允许远程客户端的访问（同时因为我自己使用的阿里云，需要在云服务器配置上打开相应端口）
打开 auth = true
MongoDB默认数据文件夹在/data/db, 开启数据库服务前若没有相应文件夹将报错

启动服务

最简单的 mongod 就可以。如需使用配置文件，可以加上 --config参数，其它的如 --port(指定端口)等可以参考帮助。重启或者关闭使用 service mongodb restart(stop) 就好了

创建用户

因为指定了要求验证，数据库的操作需要验证登陆用户，验证的具体语法是

use <db_name>
db.auth("<username>", "<password>")

当然，验证前需要创建相应的用户

use <db_name>
db.createUser(
	{ user: "username",
	  pwd: "password",
	  roles: [{role: "<role_group>", db: "db_name}, 
	  			{...}, 
	  			"<role_group>"]
	}
)

最后一个 role_group 将应用于当前的collection。相应的用户权限有一部分是已经定义好的，可以在这里查看。

远程登录

如果使用GUI（这里我用的是robomongo），那没什么说的。在客户端shell条件下，直接输入 mongo IP:port 就可以登录了。进入相应collection，然后验证用户之后就可以进行相应的操作。

如何解决nook中的中文问号乱码问题

2016-10-17T22:50:33+00:00

以下内容参考于网上的解决方案，供大家参考与自己备案（估计已经没有谁用这么老的电子书了）。

首先在calibre里面选择转换
在样式和外观里面有一项样式，其中有 Extra CSS 的输入框，在其中输入以下样式代码：

@font-face {
font-family: “DroidFont”, serif, sans-serif;
font-weight: normal;
font-style: normal;
src: url(res:///system/fonts/DroidSansFallback.ttf);
}
@font-face {
font-family: “DroidFont”, serif, sans-serif;
font-weight: bold;
font-style: normal;
src: url(res:///system/fonts/DroidSansFallback.ttf);
}
@font-face {
font-family: “DroidFont”, serif, sans-serif;
font-weight: normal;
font-style: italic;
src: url(res:///system/fonts/DroidSansFallback.ttf);
}
@font-face {
font-family: “DroidFont”, serif, sans-serif;
font-weight: bold;
font-style: italic;
src: url(res:///system/fonts/DroidSansFallback.ttf);
}
body { font-family: “DroidFont”, serif;}

究其原因，还是中文字体支持的问题。所以如网上其他方案，将epub转为.zip文件，然后修改其中的css样式文件，应该也是可以的。这里就偷个懒，直接用calibre的bulk convert处理了。

理性思辨

2016-07-03T13:17:12+00:00

这是所有系列的开篇，所以写些什么呢？开始之前先让我们看一道行为测试题吧：

你有这么一箱水果，已经放了一个月了，今天才想起来。一看发现，水果里的大半已经快坏掉了，剩下的情况也不容乐观。那么现在有两个选择（当然我们是节约的）：
1. 吃掉快坏掉的。这样所有的水果都可以不扔掉，但是可能未来一周，你都得吃这种介于好与坏之间的食物了。因为等到第二天，那些今天已经不容乐观的水果，也会变得更糟。
2. 先吃好的。这样难免今天已经快坏的水果明天就要被丢掉了，但是至少口味可以保证。

你会选哪一个呢？

这是心理学家菲克.泰斯特的一个知名实验设计，结果简单说来是这样：据测试结果统计，选择第一个方式的受试者通常对于现状有更强的忍受力，对于感情也更为执着。但是由于可能过于珍惜所有自己曾经拥有的东西，而无法真正在个人需求上达到顶峰，而永远怀有对于未能会当凌绝顶，一览众山小的遗憾。对于后者，有更强烈的决断力，但是有可能因为冲动而错过机会。谁知道快坏的水果其实内在还是很美的呢？

然而，今天我想说的是，编造一道看起来还有点样子的测试文是一件多么容易的事情。为了让这道测试题看起来更加的真实，编撰的人还可以加入时间，地点，样本案例等详细信息。而大多数人，在转发和求证之间，我猜测可能更偏向于前者吧，只要你看起来还有那么一点道理。

所以，从这篇文章以后，我真心希望就让我们是一桌狼人杀的玩家，对于我之后任何的讨论(写故事的文章除外)，大家一定从纯粹逻辑的角度出发，我们一起去讨论事件背后的因果和关联，不要去相信任何权威或者道理的引用。也鉴于此，这里拒绝任何无理的评论。

仅此作为开篇吧。后面会慢慢写。