Mac 触控板的优点是和系统的集成度。用 Mac 我一般都不用鼠标的，不管是家里还是外面。

特别是 ForceTouch 出来之后，一指移动，一指用力单击（可以设置轻按），二指滑动，二指用力右键单击。三指快速平行滑动是切换屏幕（ Ctrl+Alt+F 的全屏化）。四指由内向外显示 App Launcher 。

这些操作在小红点的 ThinkPad 上几乎不存在呀。

不谈预算都是耍流氓。

我觉得你这已经是最好的方法了……

如果你事先知道 maxlen 的话，你可以用 numpy.pad 处理每一条记录。

好吧，审题不清。 1L 和 3L 的 .*? 还是必要的。加上 re.S 你就不用 (.|\n)*? 了。

把 re.M 改成 re.S

re.M == re.MULTILINE 含义是 ^ 和 $ 匹配每一行的开头结尾，而不是整个字符串开头结尾。
re.S == re.DOTALL 表示 . 能够匹配 \n

1L 和 3L 并非错误，但是不是标准做法。
2L 其实给出了相对更好的答案，解析网页还是上 BeautifulSoup 更好。

172.16 是局域网地址。

https://zh.wikipedia.org/wiki/%E4%B8%93%E7%94%A8%E7%BD%91%E7%BB%9C

期待不冲突，使用要小心。通过 which python 验证你在用哪个 python ， which pip 同理。

@murmur 按照这个说法，人类对于环境也不过是个反馈系统，输出的是离散（现实世界不存在无限连续值）值而已。
@lcqtdwj 从某种意义上人类的只能也不过是从观察到的数据中学习出来的。人类的推理本质也可以被贝叶斯公式概括。

…… 打错了，包不在多在精。

包不在精在多。

@snnn 我还是认为从原理上，它是符合那个期望的期望的式子的。只不过实践中，我觉得 batchsize 为 1 会导致很严重的收敛问题罢了。

用真名，免得出现和钱有关的纠纷时麻烦。

另外不用 iCloud 自带的邮箱，用别的。

@snnn 我觉得随机梯度下降优化的是整体目标函数的期望，随机变量是 mini-batch 。收敛性可能不满足，但是大体思想是没错的。至于收敛性…… 有多少数学方法的收敛性在实际计算机应用的时候是仔细考量过的？差不多收敛就行了。

http://i1.piimg.com/4851/bb15e992a91de3c8.png

静态博客想要用的舒畅，动态的管理后端必不可少。

然而这个你得自己开发。

话说，最大的嘈点难道不在于“手机借来借去”的问题吗？

我的做法是，除了不到一只手的几个核心亲友，其他人一律不借。不给密码，不给指纹解锁，谁的面子都不给。这种关系不够亲近还乱借手机的人，不用当他是朋友。

接上面没说完的话。楼主问普通程序员的价值在哪里？那我可以明确说，价值就在调参。每一个公司、每一个不同应用，都是要调参的，不可能让学术界的人在这上面浪费大量时间（他们还要研究新的结构、新的模型呢）。

而调参需要很多知识，否则你只能暴力调参，吃力不讨好。所以现在的“普通程序员”是没有调参的能力的。至于怎么办？我不知道。如何培养“普通程序员的调参能力”，这需要工业界去摸索。

首先反驳“机器学习的算法就这么几种”这一观点。少年你得去看看 Graphical Models ，针对每一个实际问题要先建概率图模型，这一步就得兼顾可计算性和对问题的刻画能力。然后你找一种分布式算法去算吧， Parameter Servers 在向你招手。可以说每一个不同的数学模型建出来的 Graphical Model 就是一个不同算法，要是不同意，你就得承认 HMM 和 Logistic Regression 是同一种算法（都可以由 Graphical Model 刻画）。

要能精确通过数学语言刻画一个实际问题，这就是功力。

如果你不想用 Graphical Model 而投降“黑箱”算法——深度（神经网络）学习。呵呵，你真以为神经网络是完全黑箱吗？你明白 CNN 是针对数据的什么特性在工作吗？（ local receptive field + 平移不变性）应用到具体的问题上就更复杂了，比如两分类，我如果保证正例标注只会漏标不会错标，你如何修改标准的 loss function 以提升在这个具体问题上的性能？

神经网络现在有很多零件，包括结构上比如 CNN, LSTM, Auto-Encoders ，启发式约束比如 L1/L2 正则化，各种 Sparsity Constraint ，训练方法比如 Nesterov Momumtum （一阶方法）， L-BFGS （二阶方法）。网络结构尚且不说，其他每一个超参都会影响到最终训练出来的模型。如何训练神经网络是一种艺术而非技术。