永久封存 | Yuuta 台 | 😷 #Pray4Wuhan
挂个人，PeterCxy，俗称虾大。以前我第一印象觉得这人还行，然后今天手机刷机，有个问题由于自己知识浅薄不懂，他也正好是这个帖子的维护者，我就问了一下他（谨慎起见还特意注明自己不懂），没想到他直接给我 Block 了。我真不知道我哪里得罪恁了。各位以后小心和此人相处。
讲个笑话，他就是看不起你，所以怎么看你都傻逼。
要是一开口/dev/,kmodule,coreutil，说不定还不至于block，当然也说不定。
我也经常看不起一些人的，不过我觉得这是不应该的，所以我不会表现出来，也会努力克制，今后也会努力克制的。
其实啥东西，老是分什么高端低端，就纯属搞错重点了。大家玩技术，开心就好，也不要总管弄出个什么玩意来。
能给建议的给点建议，不要把自己放得太高，不要对别人提太高要求，好好学习、好好创作、努力试着去向『传播者』的方向走就行了。
要是一开口/dev/,kmodule,coreutil，说不定还不至于block，当然也说不定。
我也经常看不起一些人的，不过我觉得这是不应该的，所以我不会表现出来，也会努力克制，今后也会努力克制的。
其实啥东西，老是分什么高端低端，就纯属搞错重点了。大家玩技术，开心就好，也不要总管弄出个什么玩意来。
能给建议的给点建议，不要把自己放得太高，不要对别人提太高要求，好好学习、好好创作、努力试着去向『传播者』的方向走就行了。
哎呀，其实我早就想给我的 pr.py 加上
-srand 选项的，可惜最后没去弄Forwarded from dnaugsuz
https://github.com/Sleepwalking/libllsm2/blob/master/test/arctic_a0001.wav
https://github.com/Sleepwalking/libllsm2
这是曾经一个B站大佬弄的，
https://synthesizerv.com/zh-cn/
https://github.com/Sleepwalking/libllsm2
这是曾经一个B站大佬弄的，
https://synthesizerv.com/zh-cn/
GitHub
Sleepwalking/libllsm2
Low Level Speech Model (version 2) for high quality speech analysis-synthesis - Sleepwalking/libllsm2
Forwarded from dnaugsuz
欸，看来还是机器学习/CV能做到的事情有趣，忍不住想再抱怨一下自己数学不好……
Forwarded from dnaugsuz
NLP和哪怕是基本ANN模型比起来都太简单了，就是我们PLT解析器那一套，当然大部分人都把形式化语言归为算法，也就是计算机科学那套，不是程序设计语言理论……
Forwarded from dnaugsuz
就是
然后现在用的NLP高级很多…… 就和PLT那套没太大关系了(形式化语言还总是说什么succ pred token(FIRST/FOLLOW)、top-down, bottom-up、什么 BNF, EBNF, 还有 LL(k), recursive descent, LR, 还有 LALR, PEG, ANTLR、CFG, DFA, NFA 什么玩意的)，但基本理论也就一两样，LLVM Cookbook 一书的译者还不是要学NLP转过来的
For = for (lparen Expr rparen) Stmt 这种嘛，自然语言加上词类直接模式匹配，当然这是死的却也可以用，分词器上也可以做ML(machine learning)。然后现在用的NLP高级很多…… 就和PLT那套没太大关系了(形式化语言还总是说什么succ pred token(FIRST/FOLLOW)、top-down, bottom-up、什么 BNF, EBNF, 还有 LL(k), recursive descent, LR, 还有 LALR, PEG, ANTLR、CFG, DFA, NFA 什么玩意的)，但基本理论也就一两样，LLVM Cookbook 一书的译者还不是要学NLP转过来的
一位dalao说过，在神经网络架构中
神经网络就是一个含未知参数的程序
正向传播就是运行这个程序的过程
反向传播就是寻找最优的这些参数的过程
然后就要对权重w求导、梯度下降、可非线性逼近
还有什么J=E(J)的，不知道是啥玩意的公式，E(_)是能量？
神经网络就是由一堆抽象神经元构成的网络
神经元是一堆
递推计算公式是
y^{k} = f(\sum^n_{i=1} w^k_{i} * x^{k-1}_{i} + b^{k})
然后 k=0 是输入层
神经网络就是一个含未知参数的程序
正向传播就是运行这个程序的过程
反向传播就是寻找最优的这些参数的过程
然后就要对权重w求导、梯度下降、可非线性逼近
还有什么J=E(J)的，不知道是啥玩意的公式，E(_)是能量？
神经网络就是由一堆抽象神经元构成的网络
神经元是一堆
y = f(wx+b) 递推计算公式是
y^{k} = f(\sum^n_{i=1} w^k_{i} * x^{k-1}_{i} + b^{k})
然后 k=0 是输入层
前馈好简单啊，隔壁的大佬10分钟不到就推完了前馈和CNN
Toeplitz matrix 是什么，relu 和 sigmoid 激活函数是怎么定义来着…… 数值稳定性怎么样……
Markov 链怎么实现一个……
最好还是结合数据分析和DIP来实现，才能做到效果
可是以我写一个 Montage.py 都拖了好久的速度是很难完成的！虽然我在学校里都设计半天了
Toeplitz matrix 是什么，relu 和 sigmoid 激活函数是怎么定义来着…… 数值稳定性怎么样……
Markov 链怎么实现一个……
最好还是结合数据分析和DIP来实现，才能做到效果
可是以我写一个 Montage.py 都拖了好久的速度是很难完成的！虽然我在学校里都设计半天了
隔壁的大佬开始谈起信号和噪声甚至能量了，好慌
感觉和知乎上就着1+1谈起范畴论的大佬有的一拼
感觉和知乎上就着1+1谈起范畴论的大佬有的一拼
dnaugsuz
就是 For = for (lparen Expr rparen) Stmt 这种嘛，自然语言加上词类直接模式匹配，当然这是死的却也可以用，分词器上也可以做ML(machine learning)。 然后现在用的NLP高级很多…… 就和PLT那套没太大关系了(形式化语言还总是说什么succ pred token(FIRST/FOLLOW)、top-down, bottom-up、什么 BNF, EBNF, 还有 LL(k), recursive descent, LR, 还有 LALR, PEG, ANTLR、CFG…
自底向上构造解析结果的解析器看起来好麻烦啊，虽然各种parser compiler也不是很困难
但我还是觉得递归下降法最方便啊，因为可以直接用Kotlin写类似DSL的效果啊(EmbeddedDSL)，虽然基于LR的解析组合子也不是没有
但我还是觉得递归下降法最方便啊，因为可以直接用Kotlin写类似DSL的效果啊(EmbeddedDSL)，虽然基于LR的解析组合子也不是没有
有一天，他电话面了一下Facebook，电话面了15分钟后对方就放弃了，他受到了严重的打击。然后，他就开始找菲利宾人练英文口语了，我也让他做算法题，然后，他才发现，一道连算法都不是的纯编程题都提交几次都过不了，等他做完了Leetcode最初的那151道题后，整个人都改变了，写代码前认认真真地在纸上把程序的状态，处理时序以及可能遇到的一些条件先罗列出来，然后，进行逻辑设计后，再写https://coolshell.cn/articles/20276.html
是啊，如果你不先想方设法设计好了再写，还能怎么写程序哩？
上手就是干，尽管比那些根本干不成的人强，但是能写的程序，也就是自然语言两句话说明白的东西而已，又有什么了不起？
好的程序员的重点永远不是在代码上，而是在『我要写什么』这件简单的事情上，所以才有代码可视化、代码质量、可移植性这一说。
酷 壳 - CoolShell
别让自己“墙”了自己 | 酷 壳 - CoolShell
duangsuse::Echo
有一天，他电话面了一下Facebook，电话面了15分钟后对方就放弃了，他受到了严重的打击。然后，他就开始找菲利宾人练英文口语了，我也让他做算法题，然后，他才发现，一道连算法都不是的纯编程题都提交几次都过不了，等他做完了Leetcode最初的那151道题后，整个人都改变了，写代码前认认真真地在纸上把程序的状态，处理时序以及可能遇到的一些条件先罗列出来，然后，进行逻辑设计后，再写 https://coolshell.cn/articles/20276.html 是啊，如果你不先想方设法设计好了再写，还能怎么写程序哩？…
做有价值的事。这个世界对计算机人才的要求是供不应求的，所以，不要让自己为自己找各式各样的借口，让自己活在“玩玩具”、“搬砖”和“使蛮力加班”的境地。其实，我发现这世界上有能力的人并不少，但是有品味的人的确很少。所谓的有价值，就是，别人愿付高价的，高技术门槛的，有创造力的，有颠覆性的……虽然皓哥是架构师，但是你会发现他的观点真的是非常有理有据；尽管不一定都是高精尖，却能够鼓励更多人在日常的『小应用』『小平台』里干出更好的效果，这也是相当有价值的一件事
duangsuse::Echo
哎呀，其实我早就想给我的 pr.py 加上 -srand 选项的，可惜最后没去弄
告诉大家一件很有意义的事：
我给 pr.py 加上了 --srand seed 和 --use-srand 选项
然后呢？我发现，由于不知道什么原因，即便
而且由于它的代码过于繁复，连一点可维护性都没有，想分析和修改没有两把用IDE的刷子真是难上加难。
连修复都不可，因为不知道
即便我能保证算法的随机性（非幂等）全由
所以不要再去写一些烂代码了，这是两次被烂代码搞崩溃的我的忠告。
我给 pr.py 加上了 --srand seed 和 --use-srand 选项
然后呢？我发现，由于不知道什么原因，即便
seed(a) 提供了一样的 random seed 也不能保证生成结果一致可重复。而且由于它的代码过于繁复，连一点可维护性都没有，想分析和修改没有两把用IDE的刷子真是难上加难。
连修复都不可，因为不知道
import random 都是在哪里被使用的，即便我能保证算法的随机性（非幂等）全由
random 库提供，不存在任何其他变数也还是不可。所以不要再去写一些烂代码了，这是两次被烂代码搞崩溃的我的忠告。