近期有一段时间没有更博，不过做了不少presentation，分别有CSLT实验室的两次读书讨论（无监管学习和演化学习）以及在学校的一次元学习和Zero-shot Learning的展示，加上暑期在中科院实习时候做的强化学习站会报告，共做了四份ppt。放上博客保存用。

阅读了王东老师《现代机器学习技术导论》第五章关于核函数和支持向量机的介绍后，我总算是系统地学习了核函数相关的知识，知道这是个什么玩意，不会再谈“核”色变了。此外，在打牢了逻辑回归的知识基础后，学习支持向量机也非常轻松。然而在阅读第五章核函数相关的过程中，我也遇到了很多困难，很多数学方面的概念对我来说非常抽象，于是我也求助了博客、知乎，还结合书本内容看了很多遍吴恩达关于核函数的讲解，在这篇读书笔记中，我把自己的理解过程记录了下来。

为了学习Zero-shot Learning方面的知识，先对迁移学习做了一个基本了解。迁移学习是指data和所要做的任务不直接相关。比如给的数据是猫狗的照片和label，迁移学习有两种情况：第一，similar domain, different tasks，给的大象和老虎的照片（风格和猫狗照片类似），任务是分类大象和老虎；第二，different domains, same task，给的是高飞狗和招财猫的图片，任务要求分类猫狗。迁移学习和半监督、非监督学习的差别还是蛮大的，主要是因为迁移学习的测试集和训练集相差很远。

之前对分类Classification问题只有浅显的理解，最近认真学习了Classification问题的两种解决思路，比较了Generative和Discrimitive两种模型的异同，同时也学习了模型的一些细节与问题处理。另外从Logistic Regression到Neural Network的过渡也让我印象深刻，深度学习真的很有魅力！

在CSLT实习的第一个任务是阅读三篇论文，内容主要是讨论中文诗歌生成，分别为：

1. Chinese Song Iambics Generation with Neural Attention-based Model
2. Can Machine Generate Traditional Chinese Poetry? A Feigenbaum Test
3. Flexible and Creative Chinese Poetry Generation Using Neural Memory

第一篇是讲注意力机制的诗歌生成模型，主要用于元曲生成；第二篇将模型应用到唐诗绝句上，做了一些改动；第三篇针对注意力机制模型在生成诗歌时创新性不足的问题，对模型结构进行了改进，加入了记忆机制。整理了阅读论文后记录的笔记，供参考。

在Ubuntu16.04上配置GPU环境，显卡为GTX850M。遇到的问题及解决。

近日学习了李宏毅教授（Hung-yi Lee, NTU）的强化学习课程，从Policy Gradient，到Q-learning，再到Actor-Critic算法，感觉脉络非常清晰。总结了一点听课时记录的笔记，以供日后复习理论知识时用。

在Switch上玩异度之刃2，给异刃喂食加羁绊度的过程实在是太痛苦了，需要不停地按A键，费时间还伤手柄。给买不起连发手柄的你推荐DIY单片机模拟连发，希望入手异度之刃2的同学能自己动手丰衣足食，早日把异刃都升级到SS信赖度。

无法定位到模板

报错：jinja2.exceptions.TemplateNotFound

解决：html文件位置错误。Flask默认会在templates文件夹下寻找模板，当我们的app(view.py)是一个模块的时候，templates文件夹应该与app模块文件同级，而html文件应该放置在templates目录中。

将Hexo的Next主题自定义修改为背景图片半透明

修改\Xiutopia\themes\next\source\css\_custom目录下的custom.styl文件：