自己只有兩個macbook pro retina,想學(xué)學(xué)caffe什么的,現(xiàn)在在用parallel desktop跑linux,感覺挺慢的。有沒有人用外接顯卡做GPU編程的？能工作么？

RT..醬 我用 OpenCL 居然沒速度.. 用 CUDA 最快 用 CPU 很慢..

最近在研究 GPU CUDA 編程,不知道有沒有 V2EXer 對這方面比較了解的？在把基礎(chǔ)的 Hello、vecAdd 那些程序看了之后,著手實現(xiàn)一個類 grep 命令；然后利用一個大文件測試性能。 對比測試后發(fā)現(xiàn),我用 CUDA 實現(xiàn)的 mygrep 比 linux 自帶的 grep 慢很多：1m55s v.s. 0m3s 汗顏…… 有沒有熟悉這方面的朋友可以留個聯(lián)系方式指點+探討一下？

最近學(xué)術(shù)圈和工業(yè)界都玩變形金剛和注意力都很開心,時不時的還搞個不大不小的新聞。不過說到具體真的用起來,不是所有的 transformer 都能直接應(yīng)用到所有場合。Topic Models 也有很久了,其實結(jié)果很驚艷的。只是大家都去做深度學(xué)習(xí),沒有太多實用化的推進。之前也看過騰訊內(nèi)部有改進主題模型,不過那個算是企業(yè)內(nèi)部模型,不開源,接觸到的人很少。
前幾天發(fā)現(xiàn)了一個叫做 TopSBM 的模型,2018 年發(fā)表的。將網(wǎng)絡(luò)分析和主題模型結(jié)合在一起,徹底拋去了那個奇怪的 Dirichlet 先驗分布,所以擬合出來的主題效果很好。在公司的數(shù)據(jù)上跑了一下,好到驚艷。下面總結(jié)一下自己使用主題模型的經(jīng)驗。 如果不知道主題數(shù),那么用 TopSBM 。 如果知道了主題數(shù),而且知道了每個主題中需要包括哪幾個詞,用 CorEX,也就是 anchored topic models. 兩者結(jié)合也是個不錯的主意。
雖然說 TopSBM 是一個特別好的模型,但是也是一個主題模型,純 CPU 計算,數(shù)據(jù)量一上來就特別特別慢。在大概 11K 文檔上跑了接近 9 個小時才跑出來結(jié)果。

前情 https://v2ex.com/t/683187#reply31 古蘭經(jīng)的文本情感分析,與其六大要義不謀而合

內(nèi)容重點： 因為偶爾自學(xué) python,看的東西雜又不精,偶爾翻到 nlp 相關(guān)的內(nèi)容,發(fā)現(xiàn)如下內(nèi)容：PyCon China2019 中藤井美娜,里面提到過用 python,結(jié)巴分詞,word2vec 之類處理,用大量的合同進行訓(xùn)練,然后折騰出模型,對一個新的合同內(nèi)容進行風(fēng)險預(yù)測 地址是 https://www.bilibili.com/video/av75148536?p=10 但是內(nèi)容中沒有具體代碼,所以請問有誰有實戰(zhàn)教程么？

具體案例是：“《步步驚心》改編自著名作家桐華的同名清穿小說《甄嬛傳》改編自流瀲紫所著的同名小說電視劇《何以笙簫默》改編自顧漫同名小說《花千骨》改編自 fresh 果果同名小說《裸婚時代》是月影蘭析創(chuàng)作的一部情感小說《瑯琊榜》是根據(jù)海宴同名網(wǎng)絡(luò)小說改編電視劇《宮鎖心玉》,又名《宮》《雪豹》,該劇改編自網(wǎng)絡(luò)小說《特戰(zhàn)先驅(qū)》《我是特種兵》由紅遍網(wǎng)絡(luò)的小說《最后一顆子彈留給我》改編電視劇《來不及說我愛你》改編自匪我思存同名小說《來不及說我愛你》”這么長的一條樣本進行實體關(guān)系抽取,我尼瑪,不切分直接 gank,召回率低得無法直視。

http://www.csyfyy.com/list/8993/
感受一下,標(biāo)題讀起來正常,正文基本就是牛頭馬嘴,但是還是有一些關(guān)鍵字點題。這是 NLG 嗎？

Bert 做中文分類任務(wù),使用的模型是哈工大訊飛開源的中文預(yù)訓(xùn)練模型 roberta-wwm-large,按照網(wǎng)上的教程修改了 run-classifier.py ,然后運行之后報了 KeyError 的錯。 已經(jīng)加載了 110000 條數(shù)據(jù)的情況下報錯,感覺應(yīng)該是 id 為 110000 多的某條數(shù)據(jù)有問題,但是是什么問題并不清楚,請看官們分析一下。 我將 csv 格式的數(shù)據(jù)集的 label 一列打印,是 0-10 的 11 個數(shù)字沒錯,并沒有出現(xiàn) keyerror 后面的中文,但是根據(jù)報錯的信息應(yīng)該是我的 label 錯了,我不知道是什么情況,難頂。

為公司幫助處理語料時做了 ltext 這個工具。
基本思路是,把文本和標(biāo)注（用偏移量表達）封裝在一個對象中,對外模擬字符串類型的接口做各種文本操作,比如 replace 和 strip 等方法。在這些方法執(zhí)行時,改動文本同時操作偏移量。
請各位看看這個情景多不多,封裝是不是恰當(dāng)？
或者還需要增加什么功能。目前只實現(xiàn)了 replace、re_replace 兩個方法。

關(guān)于智言： 智言科技于 2016 年 9 月在深圳成立,致力于開發(fā)金融領(lǐng)域的 AI 智能平臺和智能 AI 云服務(wù),中國最專業(yè)的金融知識圖譜問答提供商,為保險、證券、銀行打造國際領(lǐng)先的定制化 AI 解決方案。應(yīng)用場景涵蓋 AI 智能助理、智能銷售服務(wù)助手、智能語音助手、智能輿情分析平臺等,可提供智能客服、業(yè)務(wù)直達、業(yè)務(wù)咨詢、語音下單等服務(wù),將數(shù)據(jù)轉(zhuǎn)為企業(yè)財富,輔助業(yè)務(wù)決策。同時深度挖掘數(shù)據(jù)價值,進行 360°客戶分析,實現(xiàn)獲客及精準(zhǔn)營銷。是騰訊 AI 加速器和京東 AI 加速器成員。擁有國家知識產(chǎn)權(quán)局審查初審發(fā)明專利 4 項；計算機軟著著作權(quán)共 15 項。80%員工為技術(shù)開發(fā)人員,公司研發(fā)團隊組成 45 人專業(yè)研發(fā)團隊,這些骨干人員具有長期的大數(shù)據(jù)或工業(yè)領(lǐng)域研發(fā)經(jīng)驗和企業(yè)方案解決經(jīng)驗,積累和建立了很強的系統(tǒng)設(shè)計和開發(fā)能力,且具備很強的專業(yè)性和職業(yè)性,建立了較完善的研發(fā)環(huán)境。
核心技術(shù)
專注于語義理解、知識圖譜和深度學(xué)習(xí)的技術(shù)突破,通過累積海量的對話交互數(shù)據(jù),以知識圖譜為支撐,為保險公司打造國際領(lǐng)先的定制化 AI 解決方案。 —————————————————————————————————————————————————————————————————— 自然語言處理實習(xí)生： 崗位職責(zé)： 1、參與算法中臺的能力擴展和模型開發(fā)； 2、參與 NLP 算法的優(yōu)化和落地； 3、對 SOTA 的算法進行調(diào)研和實現(xiàn)； 4、結(jié)合實際產(chǎn)品提出新的解決方案。
崗位要求： 1、有 NLP 研究相關(guān)領(lǐng)域的經(jīng)驗,最好具有句法語義分析、信息提取、問答系統(tǒng)等相關(guān)知識； 2、有機器學(xué)習(xí)深度學(xué)習(xí)等實踐經(jīng)驗； 3、了解常用 NN 模型如：Fasttext,CNN,HAN,ELMo 等； 4、有較強的編程能力,熟練 python,熟悉 TensorFlow ； 5、對用技術(shù)解決實際問題有強烈興趣。 ——————————————————————————————————————————————————————————————————
簡歷投遞： [email?protected] ；提供轉(zhuǎn)正（算法工程師等）機會,歡迎相關(guān)專業(yè)的博士和優(yōu)秀碩士生。

就是能把接收到的自然語言處理為命令庫中對應(yīng)的命令。 比如 “幫我搜一下 XXXX ” 和 “ XXXX 是什么意思” 處理為同一個命令,當(dāng)然 “ XXXX ” 是作為命令的參數(shù)

BERT 系列：輔助任務(wù)解析
BERT 系列：數(shù)據(jù)預(yù)處理源碼解析
BERT 系列：ERNIE 中文訓(xùn)練數(shù)據(jù)預(yù)處理

準(zhǔn)備提供一個：中文分詞在線接口 API功能：中文分詞,初級的實體識別 費用：每日 3000 次以內(nèi)免費 原因：目前 JCJC 錯別字檢測服務(wù)器有 5 臺服務(wù)器,部分資源閑置。 調(diào)查內(nèi)容： 大家對：中文分詞在線服務(wù),有那些期望呢？ 謝謝大家

剛進入實驗室,老師布置了一個任務(wù),就是對于一條中文短信內(nèi)容,判斷其是否屬于廣告類的短信。老師提示可以考慮使用樸素貝葉斯算法,分詞可以用庫,要求一周內(nèi)完成。 由于原來沒有接觸過自然語言處理,對此有點不知如何下手,只知道分詞,條件概率這些東西,看了網(wǎng)上一堆博客也有點懵,想請大家指點一下,這樣一個分類器的處理流程應(yīng)該是怎樣的,分成一些什么步驟,萬分感謝。

目前使用了 php jieba 分詞,加載了自己的詞庫,14 萬行的詞庫,速度太慢。 有什么好的解決方法嗎？

比如衣服、褲子,再比如 3C、生鮮,我想到的有：用 gensim 計算相似；根據(jù)用戶對這兩個類目的共同行為來定義,比如都買過 /收藏、點擊兩個類目的東西,大家有什么好的建議嗎

秘塔科技是一家應(yīng)用人工智能在行業(yè)落地的初創(chuàng)公司。采用人工智能智能技術(shù)對十億級別非結(jié)構(gòu)化數(shù)據(jù)進行深度分析處理,多模態(tài)數(shù)據(jù)整合,致力于改善行業(yè)從業(yè)者工作效率,提高行業(yè)生產(chǎn)力。秘塔團隊將與行業(yè)專家進行戰(zhàn)略合作,進行產(chǎn)品研發(fā)。希望你能對創(chuàng)造新產(chǎn)品有興趣有熱情,與算法團隊配合,結(jié)合需求,定義產(chǎn)品,將基于人工智能技術(shù)的數(shù)據(jù)產(chǎn)品工程落地。 職位描述 1. 負(fù)責(zé)機器學(xué)習(xí)、深度學(xué)習(xí)方法在自然語言處理 /理解領(lǐng)域的探索與研究 2. 負(fù)責(zé)文本數(shù)據(jù)的結(jié)構(gòu)化信息抽取,數(shù)據(jù)清洗和標(biāo)簽預(yù)測 3. 對具體業(yè)務(wù)選取和開發(fā)合適的機器學(xué)習(xí)算法模型,解決復(fù)雜的業(yè)務(wù)問題 職位要求 1. 計算機基礎(chǔ)知識體系扎實 2. 了解基本的統(tǒng)計機器學(xué)習(xí)算法 3. 熟練掌握 C/C++/Python 語言,能進行算法復(fù)雜度分析 4. 熟悉一個或多個常見的深度學(xué)習(xí)開源工具庫,如 PyTorch,Tensorflow 等 5. 有很好的團隊合作與溝通能力 加分項 1. 了解條件語言模型如 Seq2Seq,ConvSeq,Transformer,Weighted Transformer 2. 關(guān)注國內(nèi)外機器學(xué)習(xí)領(lǐng)域的最新進展 3. 國內(nèi)外會議或期刊發(fā)表過機器學(xué)習(xí)領(lǐng)域的論文 投遞方式： [email?protected]

微型中文分詞器
一個微型的中文分詞器,能夠按照詞語的頻率（概率）來利用構(gòu)建 DAG （有向無環(huán)圖）來分詞。
特點 / 特色 微型：主要代碼只有一個文件,不足 200 行 面向教育：可以導(dǎo)出 graphml 格式的圖結(jié)構(gòu)文件,輔助學(xué)習(xí)者理解算法過程 良好的分詞性能：由于使用類似 結(jié)巴分詞 的算法,具有良好的分詞性能 具有良好的擴展性：使用和 結(jié)巴分詞 一樣的字典文件,可以輕松添加自定義字典
演示
在線演示
在線的 Jupyter Notebook 在
離線演示
分詞
代碼： import MicroTokenizer tokens = MicroTokenizer.cut("知識就是力量") print(tokens)
輸出： ['知識', '就是', '力量']
有向無環(huán)圖效果演示
備注 和 是圖的起始和結(jié)束節(jié)點,不是實際要分詞的文本 圖中 Edge 上標(biāo)注的是 log(下一個節(jié)點的概率的倒數(shù)) 最短路徑已經(jīng)用 深綠色 作了標(biāo)記
更多演示
"王小明在北京的清華大學(xué)讀書"
項目地址
https://github.com/howl-anderson/MicroTokenizer
開發(fā)者
Xiaoquan Kong @ https://github.com/howl-anderson
依賴
只在 python 3.5+ 環(huán)境測試過,其他環(huán)境不做兼容性保障。
安裝 pip install git+https://github.com/howl-anderson/MicroTokenizer.git
如何使用
分詞
見上文
導(dǎo)出 GraphML 文件 from MicroTokenizer.MicroTokenizer import MicroTokenizer micro_tokenizer = MicroTokenizer() micro_tokenizer.build_graph("知識就是力量") micro_tokenizer.write_graphml("output.graphml")

https://www.jianshu.com/p/451d87b12477

目前包含五個工具,還在持續(xù)優(yōu)化中：1.任務(wù)管理模塊 MDTask 2.一款輕量級的觀察者模塊 MDListener 3.可以實現(xiàn)“協(xié)議默認(rèn)實現(xiàn)”的模塊 MDProtocolImplementation 4.面向切面工具 MDAspects 5.模塊管理框架 MDModuleManager 詳細文檔可以看到： https://github.com/yangchenlarkin/MDTools

第一次做 MAC 應(yīng)用,之前都是做 iOS,做這個 app 主要是自己需要,平時干活想把工作過程記錄下來,所以做了這么個錄屏工具,直接導(dǎo)出成延時錄影的效果。因為是每個幾秒截取畫面,所以耗費資源很小,最后導(dǎo)出的文件也不大,平時使用完全沒問題。 https://itunes.apple.com/cn/app/id1440244990?mt=12 廢話不多說,20 個激活碼送上 MWRHHTA74LTN NL9JFFHAAYYP 7XE7RMML66KH PM9JE49EKKAH TY7EXLWHWF6F FR4KXEYK3WKA 7F4XRLAXTLPA YHXW4FX6KPJ9 J6PWNAP76N6F KFWFJXAYWWE7 6NYTJERAAFLE JA7F36REH36F ETP7K6AH7P9X JPFEAN636KMW NJMMHENLJW46 YWTMPL6JPLKH 9NPJ9HF76FA4 X6PETEXYAWWX FXMRRYRRLX6F 4PY6ENPMMLA3

Lake 涂色應(yīng)用
內(nèi)購兌換碼
https://www.doko.com/guoquan/member/906482
上面有 4 個內(nèi)購訂閱兌換碼。
Lake 涂色大賽
看誰的腦洞大,獎品有 388 元內(nèi)購兌換 和 AppStore 充值卡
詳情和報名都在下面鏈接上
https://www.doko.com/podcasts/020/keep-your-messages-private.php

背誦記憶這件事,對有的人來說是一種痛苦,對有的人來說卻是一種享受。如果你不知道什么是艾賓浩斯記憶曲線,這也沒有關(guān)系,你只要知道這套科學(xué)的記憶理論,能幫助感覺背誦記憶是一種痛苦的你學(xué)會去享受,也能幫助享受記憶訓(xùn)練的你更上一步臺階。「艾賓浩斯記憶曲線 - 行動計劃表」 能幫助你時刻了解記憶訓(xùn)練的進度。通知中心小部件能概覽今日和明日的小目標(biāo),讓你了解背誦情況。你也可以設(shè)定提醒時間或計劃提醒,在百忙之中也能及時收到通知,堅持完成記憶訓(xùn)練。你還可以將計劃表打印出來,貼在門后,冰箱上,甚至是床頭,每日查看,不達目標(biāo),誓不罷休。 只要堅持不懈,你也能成為記憶達人。 App Store 鏈接: https://itunes.apple.com/cn/app/%E8%89%BE%E5%AE%BE%E6%B5%A9%E6%96%AF%E9%81%97%E5%BF%98%E6%9B%B2%E7%BA%BF-%E8%AE%B0%E5%BF%86%E8%AE%A1%E5%88%92%E8%A1%A8/id1219202104?l=en&mt=8 成功兌換的同學(xué)別忘了在回復(fù)中貼出用出的代碼哦?????♂? 1. H9N9W6E6PPXH 2. KFMEMYPKRR77 3. 6NJMYHYJRPXY 4. 6WTP7EHRNJAY 5. MHPT3L7HPFRN 6. 6L4N9EE9HMPP 7. RARWT3FAL7P3 8. XJJH7K679494 9. NH6TWW3A3A4K 10. JFLM3WF3TLX3 11. 3AJKF3XMAJMJ 12. HM6P76746L96 13. 36TYLMPN376W 14. MTPLKFMFRTYK 15. MPRAWJP977YW 16. 7WMMTHAW77J4 17. 6KNPT4T6F699 18. TYKA43FNAF9M 19. HKRXTNRHHXH6 20. 6MRK9PXM46WA 21. AAMH6PNFMPNR 22. 6X6N7M6HEWXL 23. P47F77KXHYJN 24. 6L4EMEJK39LN 25. YWN6EXTX3XPT 26. N3PETKJMYE7X 27. J3YEJWMMKM6L 28. LJTXLR4HEM6W 29. AWFEN3JLF7EN 30. HE47TLPNHL94 31. Y4AWTXFHX3YK 32. 9XLJNJKA63P3 33. WPHTWY63TYRT 34. LANWH4974JXF 35. AE4JMFJ4PFRK 36. LRXLJNYHW4E6 37. PYKJYAKLWF9Y 38. 9KJL33R6HFWL 39. 7RL9NLEW4NR3 40. HWMXTAXHFEMP 41. 7NAEPX9ANYHR 42. FXAKF4EYRJJY 43. 6M4ETNFJMRLJ 44. HLFHEYHXRA6P 45. JL339N3RY47M 46. XJHNNJXJTTLL 47. HPEW4NE3EA47 48. PT9REYJYFYPF 49. KXFKTP97EPM4 50. JHLHKPMTW4AW

在 iPad、iPhone 上創(chuàng)建美觀強大的圖表。視覺圖表提供數(shù)據(jù)表格、屬性自定義等功能助你做成實用的圖表。? 視覺圖表適配 iPad、iPhone。支持折線圖、雙軸圖、柱狀圖、雷達圖、圓餅圖、熱力圖、地圖等超過多種圖表形式,并且每一種圖表類型都可高度自定義。 ? 為你的圖表添加描述和標(biāo)注。盡可將設(shè)備轉(zhuǎn)為橫向模式,在全屏模式下給圖表添上箭頭、線條、圖像、以及文字說明,如果你畫錯,輕點兩下即可消除。 ? AirDrop 傳送圖表。通過 AirDrop,您可向附近的人傳送您的圖表文件和待辦事項清單。 ? iMessage 擴展。在 iMessage 會話中發(fā)送您的圖表。有任何圖表需要分享？直接在 iMessage 中傳送！ 使用后的同學(xué)請自覺在回復(fù)貼出編號哦?????♂? 1. XHRKNLLJENFA 2. 4J6FKLTH4WHR 3. HRKJ4E9KL3XJ 4. 93RW7MHN77M6 5. KRJP6F9NK7F3 6. PLWXKML4M39P 7. RFTNTFH6YEHF 8. F9KMPEMY73YP 9. JWYF37RFJERK 10. PXLTKTJJWJ43 11. PT796TH7344K 12. FKHYPLW4PT4Y 13. MMW3MHWWFK63 14. T3MA34L9WAJY 15. 7NA37XWX9XEE 16. RR7TWAM9LF9T 17. R674EF7FLMXM 18. 7AEH7NRY7P9A 19. 7TJPH9FMXHNJ 20. L3JXXF6Y4P69 21. H66YAAPEPKAF 22. X9NPK44WX4MW 23. YMAJXNKM3Y9N 24. ERNLNHLNKFF6 25. TLH3NXJHPRWE 26. RLRHANYH9RFA 27. YWAF9E9PPK3L 28. JLXHWARF774K 29. Y36MJ7MHNXMY 30. W4P9JM39WPAN 31. 3XLWLRPA434W 32. FHA7A7NLT4PY 33. TYRP36FANFA4 34. J69JWLXN6MPA 35. MHPAKN3HYPLL 36. AY66NPJ4XFTT 37. FN3AWXHNEMP3 38. 9YLW74TH6YR4 39. 3RKN3EE3J7AL 40. KHNMMWXW7YJM 41. AXXK9TJRKEYL 42. MPKX47FLNLYE 43. AEEXHJAYEERH 44. AW4M97WK43E4 45. ATEFNKLJY7JA 46. 6MXFRLN7W3ET 47. T73NAKEKY34E 48. TMKTE4TR9MJE 49. MMA9R49K4TXL 50. 6L44AYPL7F99

轉(zhuǎn)發(fā)下面這條微博就送,不是抽獎,是轉(zhuǎn)發(fā)就有哦。
https://weibo.com/1644623844/Fx0Mn4Ph9?type=repost
轉(zhuǎn)發(fā)后,給 [email?protected] 發(fā)郵件,告知我你要哪一個 App 即可。
HaloRadio for Windows
PhotoStack(Instastack)
ONERadio

如題,費用不要太高了,已經(jīng)有后臺。請留下聯(lián)系方式！

之前刷題的時候遇到一個題目,感覺做法沒錯,但是總是不通過,可能是當(dāng)局者迷,不知道有沒有人能幫忙找出來。 小易有一個長度為 N 的正整數(shù)數(shù)列 A = {A[1], A[2], A[3]..., A[N]}。 牛博士給小易出了一個難題: 對數(shù)列 A 進行重新排列,使數(shù)列 A 滿足所有的 A[i] * A[i + 1](1 ≤ i ≤ N - 1)都是 4 的倍數(shù)。 小易現(xiàn)在需要判斷一個數(shù)列是否可以重排之后滿足牛博士的要求。
主要方法是尋找能被 4 整除和只能被 2 整除的數(shù), 代碼如下： #include int Isarray(int n, int a[100000]) { int n1=0,n2=0,n4=0,i; for(i=0;i=n1) ||((n4>= n1-1) &&(n4+n1 == n))) return 1; else return 0; } int main(void) { int i,j,t,n,a[100000],b[10]; scanf("%d",&t); scanf("%d",&n); for(j=0;j但是我看類似的代碼,比如: #include int n; int arr[100100]; int countMod4, countMod2; void read() { countMod4 = 0; countMod2 = 0; scanf("%d", &n); for (int i = 0; i < n; ++i) { scanf("%d", arr + i); if (arr[i] % 4 == 0) { ++countMod4; } else if (arr[i] % 2 == 0) { ++countMod2; } } } void work() { int countOdd = n - countMod4 - countMod2; if ((n == 1 && countMod4) || countMod4 >= countOdd - !countMod2) { puts("Yes"); } else { puts("No"); } } int main() { int t; scanf("%d", &t); while (t--) { read(); work(); } return 0; }
這樣就是可以通過的。
弄不清楚錯在哪了。

自己寫的二維碼掃描器,考慮到在桌面上沒有提取二維碼的工具,自己寫了一個,需要的拿走,開源的https://github.com/Srun01/QRCodeScanner

一個輕量級的 Markdown 庫,可以用來將 Markdown 轉(zhuǎn)為 HTML,也可以用來直接展示 Markdown 對其進行預(yù)覽。 English Introduction
預(yù)覽
示例 利用 git clone 命令下載本倉庫； 利用 cd 命令切換到 Example 目錄下,執(zhí)行 pod install 命令； 隨后打開 EFMarkdown.xcworkspace 編譯即可。
或執(zhí)行以下命令： git clone [email?protected] :EyreFree/EFMarkdown.git; cd EFMarkdown/Example; pod install; open EFMarkdown.xcworkspace
環(huán)境 XCode 8.0+ Swift 3.0+
安裝
EFMarkdown 可以通過 CocoaPods 進行獲取。只需要在你的 Podfile 中添加如下代碼就能實現(xiàn)引入： pod "EFMarkdown"
使用
1. 將 Markdown 轉(zhuǎn)為 HTML
你可以利用 EFMarkdown 輕松實現(xiàn) Markdown 字符串到 HTML 字符串地轉(zhuǎn)換,示例代碼如下： let markdown = "# Hello" var html = "" do { html = try EFMarkdown().markdownToHTML(markdown, options: EFMarkdownOptions.safe) print(html) // 這里會輸出 "

Hello

\n" } catch let error as NSError { print ("Error: \(error.domain)") }
2. 對 Markdown 進行預(yù)覽
你可以利用 EFMarkdownView 實現(xiàn)對 Markdown 字符串的預(yù)覽,示例代碼如下： let screenSize = UIScreen.main.bounds let markView = EFMarkdownView() markView.frame = CGRect(x: 0, y: 20, width: screenSize.width, height: screenSize.height - 20) self.view.addSubview(markView) markView.load(markdown: testMarkdownFileContent(), options: [.default]) { [weak self] (_, _) in if let _ = self { // 可選：你可以通過在此處傳入一個百分比來改變字體大小 markView.setFontSize(percent: 128) printLog("load finish!") } }
3. 選項
你可以通過傳入不同的選項來控制底層 cmark 對 Markdown 字符串的處理,默認(rèn)傳入的值為 safe 。
可選的值有以下這些： default sourcePos hardBreaks safe noBreaks validateUTF8 smart githubPreLang liberalHtmlTag
更多關(guān)于這些選項的信息,可以參考 cmark 。
作者
EyreFree, [email?protected]
協(xié)議
EFMarkdown 基于 WTFPL 協(xié)議進行分發(fā)和使用,更多信息參見協(xié)議文件。

飛鴿詞典 for Mac 的,如果想嘗試一下的,請留下您的郵箱,發(fā)前 50 個,系統(tǒng)要求 10.12 或以上,還以為全壽命周期只有 100 個,現(xiàn)在才發(fā)現(xiàn)每個小版本都有 100 個,現(xiàn)在是版本號是 1.0.1,新的版本 1.0.2 新增搜索歷史記錄,需要的請留下郵箱

PhotoStack (Instastack 更名了 Insta 開頭的詞不讓用了)
下載地址: https://www.icyarrow.com/instastack/
兌換碼如下:
58ef9f5d435fd http://www.icyarrow.com/store/redeem.php?promocode=58ef9f5d435fd
58ef9f5d4369a http://www.icyarrow.com/store/redeem.php?promocode=58ef9f5d4369a
58ef9f5d436f0 http://www.icyarrow.com/store/redeem.php?promocode=58ef9f5d436f0
58ef9f5d43742 http://www.icyarrow.com/store/redeem.php?promocode=58ef9f5d43742
58ef9f5d43792 http://www.icyarrow.com/store/redeem.php?promocode=58ef9f5d43792
58ef9f5d437e2 http://www.icyarrow.com/store/redeem.php?promocode=58ef9f5d437e2
58ef9f5d43838 http://www.icyarrow.com/store/redeem.php?promocode=58ef9f5d43838
58ef9f5d4388a http://www.icyarrow.com/store/redeem.php?promocode=58ef9f5d4388a
58ef9f5d438da http://www.icyarrow.com/store/redeem.php?promocode=58ef9f5d438da
58ef9f5d4392b http://www.icyarrow.com/store/redeem.php?promocode=58ef9f5d4392b
HaloRadio for Windows
下載地址 : https://www.icyarrow.com/haloradio/
兌換碼如下:
58ef9f74c7f92 http://www.icyarrow.com/store/redeem.php?promocode=58ef9f74c7f92
58ef9f74c80fd http://www.icyarrow.com/store/redeem.php?promocode=58ef9f74c80fd
58ef9f74c8155 http://www.icyarrow.com/store/redeem.php?promocode=58ef9f74c8155
58ef9f74c81a2 http://www.icyarrow.com/store/redeem.php?promocode=58ef9f74c81a2
58ef9f74c81ed http://www.icyarrow.com/store/redeem.php?promocode=58ef9f74c81ed
58ef9f74c8236 http://www.icyarrow.com/store/redeem.php?promocode=58ef9f74c8236
58ef9f74c8282 http://www.icyarrow.com/store/redeem.php?promocode=58ef9f74c8282
58ef9f74c82bf http://www.icyarrow.com/store/redeem.php?promocode=58ef9f74c82bf
58ef9f74c830f http://www.icyarrow.com/store/redeem.php?promocode=58ef9f74c830f
58ef9f74c835e http://www.icyarrow.com/store/redeem.php?promocode=58ef9f74c835e

iOS 版 MWeb 功能特點如下： 全面支持 Github Flavored Markdown 語法和常用擴展語法,如 TOC 、 Table 、 Fenced code block 、 LaTeX 、 Task lists 、 Footnote 等。 根據(jù) iOS 系統(tǒng)的特點,自定義 Markdown 語法輸入 /編輯鍵盤。 支持粘貼插入圖片,圖片保存在跟文檔相關(guān)聯(lián)的位置,可以在編輯器中直接顯示圖片。 支持發(fā)布到 Wordpress 、 Metaweblog API 、 Evernote 、 Blogger 和 Medium ,除了 Medium 外都支持更新已發(fā)布文檔。發(fā)布時會自動上傳插入到文檔中的圖片。 有圖床功能,目前已支持 Google Photos 、 imgur 、七牛、自定義 四種圖床。 支持 iCloud 。 支持 Mac 版的文檔庫的文檔的查看,編輯和新增。 支持文檔大綱,以方便快速定位文檔。 支持導(dǎo)出為圖片、 PDF
更多信息
下載： https://itunes.apple.com/cn/app/mweb-pro-markdown-writing/id1183407767?l=cn&mt=8
圖文介紹： http://zh.mweb.im/introducing-mweb-for-ios.html
官網(wǎng)： http://zh.mweb.im/
兌換碼,先 7 枚
XJLMTKT6EPK3
T9JNTWMK3XFL
J43AMFYMAPXT
R4P9WN96XM9X
FFXYMHKYTJFX
YTPNRMWPP4E3
E6AYRN47HW7L
明天中午左右再發(fā) 7 枚,明天 18 點左右發(fā)最后 6 枚
最后,求 ProductHunt 票票！
投票網(wǎng)址： https://www.producthunt.com/posts/mweb-2

發(fā) 10 個 Instastack 兌換碼。
另外為了測試 Stripe 的信用卡付款方式。沒有搶到的同學(xué),可以直接購買,選擇信用卡(stripe)付款,到時候我會給你用支付寶退款。
https://www.icyarrow.com/instastack/
操作方式是： 購買后給我發(fā)郵件 [email?protected] 告訴我你的 訂單號 使用的是 哪個銀行的什么類型的信用卡 以及支付寶 。我會去查看交易情況,如果交易成功就給你用支付寶退款(3.9 美元退 28 人民幣。 4.9 美元退 35 人民幣).即使信用卡交易失敗,我也會給你發(fā)一個免費的兌換碼。
584a001b90cc0 http://www.icyarrow.com/store/redeem.php?promocode=584a001b90cc0
584a001b90d5b http://www.icyarrow.com/store/redeem.php?promocode=584a001b90d5b
584a001b90daf http://www.icyarrow.com/store/redeem.php?promocode=584a001b90daf
584a001b90dfc http://www.icyarrow.com/store/redeem.php?promocode=584a001b90dfc
584a001b90e47 http://www.icyarrow.com/store/redeem.php?promocode=584a001b90e47
584a001b90e92 http://www.icyarrow.com/store/redeem.php?promocode=584a001b90e92
584a001b90edb http://www.icyarrow.com/store/redeem.php?promocode=584a001b90edb
584a001b90f24 http://www.icyarrow.com/store/redeem.php?promocode=584a001b90f24
584a001b90f6e http://www.icyarrow.com/store/redeem.php?promocode=584a001b90f6e
584a001b90fba http://www.icyarrow.com/store/redeem.php?promocode=584a001b90fba

系統(tǒng)需要 windows 10 周年版才可以用。https://www.microsoft.com/store/apps/9nblggh5104k 要什么問題或意見歡迎發(fā) email [email?protected] 目前只開放給有兌換碼的同學(xué)。下面是 20 個兌換碼的兌換鏈接。 Redeemable URL http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=FTJ43-XY6WC-HF474-QGPQD-PT4GZ http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=HR4W3-FQR47-HMY62-4XGTY-2MD6Z http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=P3YMP-KTYH6-VYQYF-QRW43-WRXVZ http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=9P39X-7CG4F-MWCP9-D9MK2-KFRTZ http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=2P4KQ-FYPWK-4V443-MD6J6-KR46Z http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=49CK6-9YCR3-WHYTC-VWJY4-GV26Z http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=7KW4G-6WPH3-CDF3Y-YQPPD-TV39Z http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=CXTGW-VHW7T-D9FK2-YHMXM-VD63Z http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=2V9WF-923P7-7HJCF-4DJWG-FRYTZ http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=Q6JR7-26F9M-XJWPQ-V7C2H-DVVCZ http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=2322F-PYH29-K3TCP-CTDF6-66CCZ http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=VP9FC-WKHCD-7M9FY-WRY6C-9HRYZ http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=PC7Q9-CY4RG-H7P6W-QHPCJ-JGT7Z http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=6FQW7-6PQKF-VYMYX-WXWHG-349HZ http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=VP973-J6RXV-3YWV2-M34KP-39X7Z http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=YV63X-6K9W6-XF744-T3GCM-JG7HZ http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=V7VKH-24J6V-P4KPX-Q6XJC-GY9JZ http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=XKXGD-69QRC-3FR3D-99MXC-DCFPZ http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=2VJ4K-MT3K4-XGQF7-X7QKG-3MPXZ http://go.microsoft.com/fwlink/?LinkId=532540&mstoken=QPC4H-PMCVJ-Q2RJ7-CRDG9-2QYDZ

https://developers.googleblog.com/2017/12/announcing-core-ml-support.html

https://developer.apple.com/videos/play/wwdc2017/703/ WWDC 2017 上對 Core ML 機器學(xué)習(xí)編程框架的介紹。播放這個視頻需要使用 Safari 瀏覽器。

PyTorch 學(xué)習(xí)教程、手冊 PyTorch 英文版官方手冊 ：對于英文比較好的同學(xué),非常推薦該 PyTorch 官方文檔,一步步帶你從入門到精通。該文檔詳細的介紹了從基礎(chǔ)知識到如何使用 PyTorch 構(gòu)建深層神經(jīng)網(wǎng)絡(luò),以及 PyTorch 語法和一些高質(zhì)量的案例。 PyTorch 中文官方文檔 ：閱讀上述英文文檔比較困難的同學(xué)也不要緊,我們?yōu)榇蠹覝?zhǔn)備了比較官方的 PyTorch 中文文檔,文檔非常詳細的介紹了各個函數(shù),可作為一份 PyTorch 的速查寶典。 比較偏算法實戰(zhàn)的 PyTorch 代碼教程 ：在 github 上有很高的 star。建議大家在閱讀本文檔之前,先學(xué)習(xí)上述兩個 PyTorch 基礎(chǔ)教程。 開源書籍 ：這是一本開源的書籍,目標(biāo)是幫助那些希望和使用 PyTorch 進行深度學(xué)習(xí)開發(fā)和研究的朋友快速入門。但本文檔不是內(nèi)容不是很全,還在持續(xù)更新中。 簡單易上手的 PyTorch 中文文檔 ：非常適合新手學(xué)習(xí)。該文檔從介紹什么是 PyTorch 開始,到神經(jīng)網(wǎng)絡(luò)、PyTorch 的安裝,再到圖像分類器、數(shù)據(jù)并行處理,非常詳細的介紹了 PyTorch 的知識體系,適合新手的學(xué)習(xí)入門。該文檔的官網(wǎng)： http://pytorchchina.com 。
PyTorch 視頻教程 B 站 PyTorch 視頻教程 ：首推的是 B 站中近期點擊率非常高的一個 PyTorch 視頻教程,雖然視頻內(nèi)容只有八集,但講的深入淺出,十分精彩。只是沒有中文字幕,小伙伴們是該練習(xí)一下英文了... 國外視頻教程 ：另外一個國外大佬的視頻教程,在 YouTube 上有很高的點擊率,也是純英文的視頻,有沒有覺得外國的教學(xué)視頻不管是多么復(fù)雜的問題都能講的很形象很簡單？ 莫煩 ：相信莫煩老師大家應(yīng)該很熟了,他的 Python、深度學(xué)習(xí)的系列視頻在 B 站和 YouTube 上均有很高的點擊率,該 PyTorch 視頻教程也是去年剛出不久,推薦給新手朋友。 101 學(xué)院 ：人工智能 101 學(xué)院的 PyTorch 系列視頻課程,講的比較詳細、覆蓋的知識點也比較廣,感興趣的朋友可以試聽一下。 七月在線 ：最后,向大家推薦的是國內(nèi)領(lǐng)先的人工智能教育平臺——七月在線的 PyTorch 入門與實戰(zhàn)系列課。課程雖然是收費課程,但課程包含 PyTorch 語法、深度學(xué)習(xí)基礎(chǔ)、詞向量基礎(chǔ)、NLP 和 CV 的項目應(yīng)用、實戰(zhàn)等,理論和實戰(zhàn)相結(jié)合,確實比其它課程講的更詳細,推薦給大家。
NLP&PyTorch 實戰(zhàn) Pytorch text ：Torchtext 是一個非常好用的庫,可以幫助我們很好的解決文本的預(yù)處理問題。此 github 存儲庫包含兩部分： torchText.data：文本的通用數(shù)據(jù)加載器、抽象和迭代器（包括詞匯和詞向量） torchText.datasets：通用 NLP 數(shù)據(jù)集的預(yù)訓(xùn)練加載程序 我們只需要通過 pip install torchtext 安裝好 torchtext 后,便可以開始體驗 Torchtext 的種種便捷之處。 Pytorch-Seq2seq ：Seq2seq 是一個快速發(fā)展的領(lǐng)域,新技術(shù)和新框架經(jīng)常在此發(fā)布。這個庫是在 PyTorch 中實現(xiàn)的 Seq2seq 模型的框架,該框架為 Seq2seq 模型的訓(xùn)練和預(yù)測等都提供了模塊化和可擴展的組件,此 github 項目是一個基礎(chǔ)版本,目標(biāo)是促進這些技術(shù)和應(yīng)用程序的開發(fā)。 BERT NER ：BERT 是 2018 年 google 提出來的預(yù)訓(xùn)練語言模型,自其誕生后打破了一系列的 NLP 任務(wù),所以其在 nlp 的領(lǐng)域一直具有很重要的影響力。該 github 庫是 BERT 的 PyTorch 版本,內(nèi)置了很多強大的預(yù)訓(xùn)練模型,使用時非常方便、易上手。 Fairseq ：Fairseq 是一個序列建模工具包,允許研究人員和開發(fā)人員為翻譯、總結(jié)、語言建模和其他文本生成任務(wù)訓(xùn)練自定義模型,它還提供了各種 Seq2seq 模型的參考實現(xiàn)。該 github 存儲庫包含有關(guān)入門、訓(xùn)練新模型、使用新模型和任務(wù)擴展 Fairseq 的說明,對該模型感興趣的小伙伴可以點擊上方鏈接學(xué)習(xí)。 Quick-nlp ：Quick-nlp 是一個深受 fast.ai 庫啟發(fā)的深入學(xué)習(xí) Nlp 庫。它遵循與 Fastai 相同的 API,并對其進行了擴展,允許快速、輕松地運行 NLP 模型。 OpenNMT-py ：這是 OpenNMT 的一個 PyTorch 實現(xiàn),一個開放源碼的神經(jīng)網(wǎng)絡(luò)機器翻譯系統(tǒng)。它的設(shè)計是為了便于研究,嘗試新的想法,以及在翻譯,總結(jié),圖像到文本,形態(tài)學(xué)等許多領(lǐng)域中嘗試新的想法。一些公司已經(jīng)證明該代碼可以用于實際的工業(yè)項目中,更多關(guān)于這個 github 的詳細信息請參閱以上鏈接。
CV&PyTorch 實戰(zhàn) pytorch vision ：Torchvision 是獨立于 pytorch 的關(guān)于圖像操作的一些方便工具庫。主要包括：vision.datasets、vision.models、vision.transforms、vision.utils 幾個包,安裝和使用都非常簡單,感興趣的小伙伴們可以參考以上鏈接。 OpenFacePytorch ：此 github 庫是 OpenFace 在 Pytorch 中的實現(xiàn),代碼要求輸入的圖像要與原始 OpenFace 相同的方式對齊和裁剪。 TorchCV ：TorchCV 是一個基于 PyTorch 的計算機視覺深度學(xué)習(xí)框架,支持大部分視覺任務(wù)訓(xùn)練和部署,此 github 庫為大多數(shù)基于深度學(xué)習(xí)的 CV 問題提供源代碼,對 CV 方向感興趣的小伙伴還在等什么？ Pytorch-cnn-finetune ：該 github 庫是利用 pytorch 對預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)進行微調(diào),支持的架構(gòu)和模型包括：ResNet、DenseNet、Inception v3、VGG、SqueezeNet、AlexNet 等。 Pt-styletransfer ：這個 github 項目是 Pytorch 中的神經(jīng)風(fēng)格轉(zhuǎn)換,具體有以下幾個需要注意的地方： StyleTransferNet 作為可由其他腳本導(dǎo)入的類； 支持 VGG （這是在 PyTorch 中提供預(yù)訓(xùn)練的 VGG 模型之前） 可保存用于顯示的中間樣式和內(nèi)容目標(biāo)的功能 可作為圖像檢查圖矩陣的函數(shù) 自動樣式、內(nèi)容和產(chǎn)品圖像保存 一段時間內(nèi)損失的 Matplotlib 圖和超參數(shù)記錄,以跟蹤有利的結(jié)果 Face-alignment ：Face-alignment 是一個用 pytorch 實現(xiàn)的 2D 和 3D 人臉對齊庫,使用世界上最準(zhǔn)確的面對齊網(wǎng)絡(luò)從 Python 檢測面部地標(biāo),能夠在 2D 和 3D 坐標(biāo)中檢測點。該 github 庫詳細的介紹了使用 Face-alignment 進行人臉對齊的基本流程,歡迎感興趣的同學(xué)學(xué)習(xí)。
PyTorch 論文推薦 Google_evolution ：該論文實現(xiàn)了實現(xiàn)了由 Esteban Real 等人提出的圖像分類器大規(guī)模演化的結(jié)果網(wǎng)絡(luò)。在實驗之前,需要我們安裝好 PyTorch、Scikit-learn 以及下載好 CIFAR10 dataset 數(shù)據(jù)集 。 PyTorch-value-iteration-networks ：該論文基于作者最初的 Theano 實現(xiàn)和 Abhishek Kumar 的 Tensoflow 實現(xiàn),包含了在 PyTorch 中實現(xiàn)價值迭代網(wǎng)絡(luò)（ VIN ）。Vin 在 NIPS 2016 年獲得最佳論文獎。 Pytorch Highway ：Highway Netowrks 是允許信息高速無阻礙的通過各層,它是從 Long Short Term Memory(LSTM) recurrent networks 中的 gate 機制受到啟發(fā),可以讓信息無阻礙的通過許多層,達到訓(xùn)練深層神經(jīng)網(wǎng)絡(luò)的效果,使深層神經(jīng)網(wǎng)絡(luò)不在僅僅具有淺層神經(jīng)網(wǎng)絡(luò)的效果。該論文是 Highway network 基于 Pytorch 的實現(xiàn)。 Pyscatwave ：Cupy/Pythorn 的散射實現(xiàn)。散射網(wǎng)絡(luò)是一種卷積網(wǎng)絡(luò),它的濾波器被預(yù)先定義為子波,不需要學(xué)習(xí),可以用于圖像分類等視覺任務(wù)。散射變換可以顯著降低輸入的空間分辨率（例如 224x224->14x14 ）,且雙關(guān)功率損失明顯為負(fù)。 Pytorch_NEG_loss ：該論文是 Negative Sampling Loss 的 Pytorch 實現(xiàn)。Negative Sampling 是一種求解 word2vec 模型的方法,它摒棄了霍夫曼樹,采用了 Negative Sampling （負(fù)采樣）的方法來求解,本論文是對 Negative Sampling 的 loss 函數(shù)的研究,感興趣的小伙伴可點擊上方論文鏈接學(xué)習(xí)。 Pytorch_TDNN ：該論文是對 Time Delayed NN 的 Pytorch 實現(xiàn)。論文詳細的講述了 TDNN 的原理以及實現(xiàn)過程。
PyTorch 書籍推薦
相較于目前 Tensorflow 類型的書籍已經(jīng)爛大街的狀況,PyTorch 類的書籍目前已出版的并沒有那么多,筆者給大家推薦我認(rèn)為還不錯的四本 PyTorch 書籍。 《深度學(xué)習(xí)入門之 PyTorch 》 ,電子工業(yè)出版社,作者：廖星宇。這本《深度學(xué)習(xí)入門之 PyTorch 》是所有 PyTorch 書籍中出版的相對較早的一本,作者以自己的小白入門深度學(xué)習(xí)之路,深入淺出的講解了 PyTorch 的語法、原理以及實戰(zhàn)等內(nèi)容,適合新手的入門學(xué)習(xí)。但不足的是,書中有很多不嚴(yán)謹(jǐn)以及生搬硬套的地方,需要讀者好好甄別。 推薦指數(shù)：★★★ 《 PyTorch 深度學(xué)習(xí)》 ,人民郵電出版社,作者：王海玲、劉江峰。該書是一本英譯書籍,原作者是兩位印度的大佬,該書除了 PyTorch 基本語法、函數(shù)外,還涵蓋了 ResNET、Inception、DenseNet 等在內(nèi)的高級神經(jīng)網(wǎng)絡(luò)架構(gòu)以及它們的應(yīng)用案例。該書適合數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家等相對有一些理論基礎(chǔ)和實戰(zhàn)經(jīng)驗的讀者學(xué)習(xí),不太建議作為新手的入門選擇。 推薦指數(shù)：★★★ 《深度學(xué)習(xí)框架 PyTorch 入門與實踐》 ,電子工業(yè)出版社,作者：陳云。這是一本 2018 年上市的 PyTorch 書籍,包含理論入門和實戰(zhàn)項目兩大部分,相較于其它同類型書籍,該書案例非常的翔實,包括：Kaggle 競賽中經(jīng)典項目、GAN 生成動漫頭像、AI 濾鏡、RNN 寫詩、圖像描述任務(wù)等。理論+實戰(zhàn)的內(nèi)容設(shè)置也更適合深度學(xué)習(xí)入門者和從業(yè)者學(xué)習(xí)。 推薦指數(shù)：★★★★ 《 PyTorch 機器學(xué)習(xí)從入門到實戰(zhàn)》 ,機械工業(yè)出版社,作者：校寶在線、孫琳等。該書同樣是一本理論結(jié)合實戰(zhàn)的 Pytorch 教程,相較于前一本入門+實戰(zhàn)教程,本書的特色在于關(guān)于深度學(xué)習(xí)的理論部分講的非常詳細,后邊的實戰(zhàn)項目更加的綜合?？傮w而言,本書也是一本適合新手學(xué)習(xí)的不錯的 PyTorch 入門書籍。 推薦指數(shù)：★★★
歡迎 Star Fork : https://github.com/INTERMT/Awesome-PyTorch-Chinese