0%

背景问题

C++ 的类有四类特殊成员函数,它们分别是:默认构造函数、析构函数、拷贝构造函数以及拷贝赋值运算符。这些类的特殊成员函数负责创建、初始化、销毁,或者拷贝类的对象。如果程序员没有显式地为一个类定义某个特殊成员函数,而又需要用到该特殊成员函数时,则编译器会隐式的为这个类生成一个默认的特殊成员函数。例如:

清单 1

1
2
3
4
5
6
class X{ 
private:
int a;
};

X x;

在清单 1 中,程序员并没有定义类 X 的默认构造函数,但是在创建类 X 的对象 x 的时候,又需要用到类 X 的默认构造函数,此时,编译器会隐式的为类 X 生成一个默认构造函数。该自动生成的默认构造函数没有参数,包含一个空的函数体,即 X::X(){ }。虽然自动生成的默认构造函数仅有一个空函数体,但是它仍可用来成功创建类 X 的对象 x,清单 1 也可以编译通过。

阅读全文 »

将系统原来的python3.5改为当前3.7后,gnome-terminal会打不开,解决方法如下:

1
2
3
4
cd /usr/lib/python3/dist-packages/gi/
# 下面的35 改成37 表示从py3.5 改到py3.7,如果安装的是3.6就改成36
sudo cp _gi_cairo.cpython-35m-x86_64-linux-gnu.so _gi_cairo.cpython-37m-x86_64-linux-gnu.so
sudo cp _gi.cpython-35m-x86_64-linux-gnu.so _gi.cpython-37m-x86_64-linux-gnu.so

Origin Article By Shaoshan Liu and Jean-Luc Gaudiot

许多年轻的都市人不想拥有汽车,与前几代人不同的是,他们不需要依赖公共交通。相反,他们将交通出行视为一种服务。当他们需要长途旅行时,比如说超过5英里(8公里),他们会用手机叫一辆Uber(或类似的共享单车公司的车)。如果他们的行程不到一英里左右,他们要么步行,要么使用各种 “微移动 “服务,比如越来越多的Lime和Bird踏板车,或者在一些城市,共享单车。

问题是,如今移动即服务生态系统往往不能很好地覆盖中间距离,比如说几英里的距离。雇佣Uber或Lyft来进行这种短途旅行,其费用令人沮丧,而且骑着踏板车或自行车超过一英里左右的路程对很多人来说可能会很费劲。因此,将自己送到1到5英里外的目的地可能是一个挑战。然而,这样的旅行占到了乘客总里程的一半左右。

阅读全文 »

《乔乔的异想世界》(Jojo Rabbit)

今年好莱坞的六项提名,最终获得了最佳改编剧本。故事讲述了一个二战后期的纳粹德国的10岁小男孩jojo,于脑内住了个“希特勒”作为知心好友。故事的一大特色就是jojo脑内的希特勒,(代表了接收到的纳粹青年团的教育)和jojo在现实中经历了种种事情看到了纳粹没有那么美好的一幕的冲突。但是本质上来说,jojo脑内的希特勒又是和希特勒有所区分的,他只是一个希特勒在10岁孩子心中的形象,少了专制和暴戾,会坐下来和jojo谈心,多了些童趣可爱,比如离开方式是从窗户纵身跳出。

因为寡姐来看这部片子,寡姐在片中扮演了jojo的妈妈,外表上看上去是一个优雅时尚的丧夫寡妇(??噫,又是寡妇),另一方面又暗中资助犹太人,保护他们,甚至在家里的阁楼上面暗藏了一个犹太女孩。

故事的主线便从jojo一天独自在家发现了犹太女孩开始说起。一直持续到纳粹德国战败,盟军攻陷了柏林为止。最终jojo的心中那个希特勒不见了,而他和犹太女孩爱莎走出房门,在街头跳舞也成为了电影定格的最后画面,爆炸甜了。

《爱尔兰人》(The Irishman)

导演马丁·斯科塞斯的最后一部电影了,因为经费要求太高,可惜终究是没搬上大银幕,被网飞接盘。片长209分钟,三个半小时,我终究还是一口气看完了。另外一个可惜的点莫过于奥斯卡颗粒无收了www

故事讲述了货车司机法兰克·“爱尔兰人”·希兰(罗伯特·德尼罗 饰演)变成一名杀手,并与黑帮罗素·布法利诺(祖·佩西 饰演)和他的布法利诺犯罪家族有关连,包括为有势力的国际货车司机兄弟会主席吉米·霍法(艾尔·帕西诺 饰演)工作,以及之后发生的一系列故事上。本以为这个故事会趋于冗长,但实际上对我这种没有美国黑帮犯罪知识的人来说也很友好,三个半小时被一个个故事填充的满满当当。

本来是退役美国大兵的希兰战后成为了货车司机。机缘巧合结识了黑帮老大并获得了赏识,从此变成了一个刷房子的人。所谓house painter是黑帮黑话,刷房子的工具是枪,颜料是人,也就是杀人越货哈哈哈。故事的高潮则是希兰被帮派指派去保护货车司机工会主席吉米霍法,并与他成为了好朋友。但逐渐地吉米霍法不再对帮派言听计从,帮派劝说无果最终和他产生了不可避免的冲突。

三个老戏骨把这部剧演得很精彩,值得一看。值得一提的是,片中的演员都已经是年龄很大的人了,硬是通过脸部捕捉和cg特效 扮演了三个时期的自己,看不出破绽(经费在燃烧)。

《社交网络》(The Social Network)

马克·扎克伯格的传记电影,2010年的老片了,讲述的是Facebook的创立过程。其实这个创业史能讲的很多,电影的视角是从扎克伯格的两场官司展开,与他对簿公堂的一个是他的创始合伙人爱德华多·萨维林,另一个是温克沃斯兄弟俩。

首先,不可否认的是扎克伯格确实是码农天才,晚上8点失恋回到宿舍,10点开始写matchup网站+爬取数据,凌晨2点上线,凌晨4点搞崩哈佛大学内网服务器,全程还记录在blog上。除了说马克牛逼意外,也想吐槽一下,果然真·世界一流大学就是没人睡觉啊。

电影故事几乎没有偏袒马克,甚至他在法庭上几乎是完全不占理的一边。Facebook的最初构想是孪生兄弟卡麦隆·温克沃斯泰勒·温克沃斯,以及他们的商业伙伴迪夫亚·纳伦德拉came out的,三人邀请马克·扎克伯格到一个以哈佛大学学生旨在约会的专属社交网络——哈佛联谊网(Harvard Connection)中工作。结果马克一看 这主意不错,先假装答应,转身就去找他的朋友爱德华多·萨维林提出一个他称为The facebook的想法,那是一个常春藤学生专属的在线社交网站。爱德华多接到了1000刀,马克一边上课不分昼夜的码代码,一边故意拖延温克沃斯那边的进度时间,一会这周作业多,一会下周要考试,就是不去开组会hhhh。结果一学期过去了,网站搭好了,温克沃斯兄弟直到网站上线才发现被鸽了。

而爱德华多最终也遭遇了马克的白眼狼行为,爱德华多反对帕克(后期入股的成员,曾创立Napster,Plaxo,是Facebook的首任总裁。),为Facebook进行的商业决定,并冻结公司的银行账户,结果造成争议,在Facebook使用人数达100万人次时,萨维林发现新的投资协议让他的股份减少了,顿时感到愤怒,同时爱德华多的名字从联合创始人的栏上被移除。

电影其实塑造的马克更像是一个冷血而不近人情的人。这点上倒是和国会听证上所谓的机器人扎克伯格更加相似。

最让我唏嘘的是,其实爱德华多和温克沃斯兄弟都是哈佛里的高材生,爱德华多是哈佛最年轻的哈佛投资协会主席,而温克沃斯兄弟更是勤奋的富二代,体育还很好。最终还是被扎克伯格无情抛弃,难怪马克成为了最年轻的亿万富翁。

但是其实,他们最终仍然到达了常人难以企及的高度:

  • 温克洛夫斯兄弟获得6,500万美元的赔偿,并须签订保密协议,二人后来参加2008年夏季奥林匹克运动会,排名第六;他们俩用这笔钱在早期入场了比特币,后来的事大家都知道了。
  • 爱德华多·萨维林收到了一笔数目不明的赔偿,而他的名字重新载于Facebook的网页上,显示为“联合创始人”。截至2011年1月4日,他拥有百分之5,价值12亿美元的股份。

他们都有着光明的未来。

0. 从RNN说起

循环神经网络(Recurrent Neural Network,RNN)是一种用于处理序列数据的神经网络。相比一般的神经网络来说,他能够处理序列变化的数据。比如某个单词的意思会因为上文提到的内容不同而有不同的含义,RNN就能够很好地解决这类问题。

转自知乎陈诚专栏


1. 普通RNN

先简单介绍一下一般的RNN。

其主要形式如下图所示(图片均来自台大李宏毅教授的PPT):

这里:

$x$为当前状态下数据的输入,$h$表示接收到的上一个节点的输入。

$y$为当前节点状态下的输出,而 $h’$为传递到下一个节点的输出。

通过上图的公式可以看到,输出 h’xh 的值都相关。

y 则常常使用 h’ 投入到一个线性层(主要是进行维度映射)然后使用softmax进行分类得到需要的数据。

对这里的y如何通过 h’ 计算得到往往看具体模型的使用方式。

通过序列形式的输入,我们能够得到如下形式的RNN。


2. LSTM

2.1 什么是LSTM

长短期记忆(Long short-term memory, LSTM)是一种特殊的RNN,主要是为了解决长序列训练过程中的梯度消失和梯度爆炸问题。简单来说,就是相比普通的RNN,LSTM能够在更长的序列中有更好的表现。

LSTM结构(图右)和普通RNN的主要输入输出区别如下所示。

相比RNN只有一个传递状态$h^t$,LSTM有两个传输状态,一个$c^t$(cell state),和一个 $h^t$(hidden state)。(Tips:RNN中的$h^t$ 对于LSTM中的 $c^t$ )

其中对于传递下去的 $c^t$改变得很慢,通常输出的$c^t$ 是上一个状态传过来的$c^{t-1}$加上一些数值。

而$h^t$则在不同节点下往往会有很大的区别。

2.2 深入LSTM结构

下面具体对LSTM的内部结构来进行剖析。

首先使用LSTM的当前输入$x^t$ 和上一个状态传递下来的$h^{t-1}$ 拼接训练得到四个状态。

其中, $z^f$,$z^i$ ,$z^o$ 是由拼接向量乘以权重矩阵之后,再通过一个sigmoid 激活函数转换成0到1之间的数值,来作为一种门控状态。而 $z$则是将结果通过一个$tanh$激活函数将转换成-1到1之间的值(这里使用$tanh$) 是因为这里是将其做为输入数据,而不是门控信号)。

下面开始进一步介绍这四个状态在LSTM内部的使用。(敲黑板)

$\bigodot $ 是Hadamard Product,也就是操作矩阵中对应的元素相乘,因此要求两个相乘矩阵是同型的。$\bigoplus$ 则代表进行矩阵加法。

LSTM内部主要有三个阶段:

\1. 忘记阶段。这个阶段主要是对上一个节点传进来的输入进行选择性忘记。简单来说就是会 “忘记不重要的,记住重要的”。

具体来说是通过计算得到的 $z^f$(f表示forget)来作为忘记门控,来控制上一个状态的 $c^{t-1}$ 哪些需要留哪些需要忘。

\2. 选择记忆阶段。这个阶段将这个阶段的输入有选择性地进行“记忆”。主要是会对输入 $x^t$进行选择记忆。哪些重要则着重记录下来,哪些不重要,则少记一些。当前的输入内容由前面计算得到的 $z$表示。而选择的门控信号则是由 $z^i$(i代表information)来进行控制。

将上面两步得到的结果相加,即可得到传输给下一个状态的 $c^t$ 。也就是上图中的第一个公式。

\3. 输出阶段。这个阶段将决定哪些将会被当成当前状态的输出。主要是通过 $z^o$来进行控制的。并且还对上一阶段得到的 $c^o$ 进行了放缩(通过一个tanh激活函数进行变化)。

与普通RNN类似,输出 $y^f$ 往往最终也是通过 $h^f$变化得到。


3. 总结

以上,就是LSTM的内部结构。通过门控状态来控制传输状态,记住需要长时间记忆的,忘记不重要的信息;而不像普通的RNN那样只能够“呆萌”地仅有一种记忆叠加方式。对很多需要“长期记忆”的任务来说,尤其好用。

但也因为引入了很多内容,导致参数变多,也使得训练难度加大了很多。因此很多时候我们往往会使用效果和LSTM相当但参数更少的GRU来构建大训练量的模型。

有天一个女士出门散步,路过一个建筑工地,看到三个男人在干活。她问第一个男人,“你在干什么呢?”,第一个男人被问得很烦,咆哮道,“你没看到我在码砖吗?”。她对回答不满意,然后问第二个男人他在干什么。第二个男人回答,“我正在砌墙”,然后转移注意力到第一个男人,他说,“嘿,你码过头了,你要把最后一块砖拿掉。”。她还是对回答不满意,然后问第三个男人在干什么。第三个男人仰望着天空对她说,“我正在建造世界上最大的教堂。”。当他站在那里仰望天空的时候,另外两个男人开始争论砖位置不对的问题。第三个男人转向前两个男人说,“嘿,伙计们,别担心那块砖了,那是里面的墙,它会被灰泥堵塞起来,然后没人会看到那块砖。去另一层干活吧。“

故事的寓意是说,当你了解整个系统,理解不同的部分如何组织到一起的(砖、墙、教堂),你就能找出问题并快速解决之(砖位置不对)。

阅读全文 »