现在很多深度网络都优先推荐使用Adam做优化算法，我也一直使用，但是对它的参数一知半解，对它的特性也只是略有耳闻，今天我终于花时间看了一下论文和网上的资料。整理如下。

这两种方式的区别是，w1是声明变量，如果有重名的，则tf会自动给你编号。w2则本质是从一个全局dict里取value的过程，它以name为key，去全局dict中查找指定的变量，如果有，则复用；没有则通过initializer创建。

为了方便说明和研究，我这里只是设计了一个非常简单的模型，对高斯分布样本进行生成。不过从下面的实验中，我还是发现了一些非常有用的特点，可以加深我们对GAN网络的了解。

com.your.HelloWorld就在 your_program.jar里面。注意这里jar是用冒号分开的。不是逗号-J 可以输入jvm参数，比如指定heap大小为2G，-Xmx2g。

(下方大量公式，貌似只能在pc上看。移动端无法显示。)利用多层神经网络构建encoder，通过优化重构后（reconstruction）的输入$x_{recon}$和原输入$x$之间的cross-entropy函数，实现自动encode的目的。

通常比batch更快。因为在训练数据中，可能有很多重复或者类似的数据。stochastic通过抽样，可以降低重复数据的比例，使得模型更快的学到信息。而batch则要一块儿计算所有数据，显然是浪费的。

根据官网提示，首先你需要先安装cmake、cython、nose等软件和py库。因为我之前安装过cmake，而且我使用的是anaconda，所以这些py库也都有。真是非常方便。

在很多实际情况，比如处理网络请求时，我们需要启动多个goroutine来处理不同的逻辑，比如一个主要的goroutine用来响应请求，生成网页，同时它还启动一个子线程用来获取数据库信息，还有一个则写日志等等。正常情况都没有问题，但是一旦出现异常，如何优雅的退出这些子线程，同时释放掉可能占用的资源呢？

根据astaxie大神的意见，在beego上对controller做单测比较困难，他的建议就是把所有逻辑都拆分出来，放到model中。然后对model中的public函数进行测试。

之前，我在向其他服务器发送json数据时，都需要先声明一个bytes缓存，然后通过json库把结构体中的内容mashal成字节流，再通过Post函数发送。代码如下：

Gartner Identifies the Top 10 Strategic Technology Trends for 2016Analysts Explore Top Industry Trends at Gartner Symposium/ITxpo 2015, October 4-8 in Orlando

首先，为了防止过于枯燥，我先列出我最喜欢的一个模式：Daisy-Chain。这个模式比较复杂，对go的并发编程不太熟悉的同学，可以先看下面的模式。然后回过头来看这个。

其中，添加新搜索引擎：可以写host或者title；关键字：就是快捷键，比如bi，然后你下次在搜索框中输入bi，就会有提示；网站：这一行最关键，提示的也很清楚了，你只需要把需要的关键词用%s填充即可，比如B站就可以这样写：http://www.bilibili.tv/search?keyword=%s

本文实现了一个从阿拉伯数字到中文数字，以及从中文数字到阿拉伯数字的转换算法。同时用Vuejs和Angularjs同时实现了一遍，对比了一下这两个框架的优劣。在本例中，Vuejs的方便灵活性完胜Angularjs。

默认情况下，mongo使用_id自动生成uniq id，而且在mongo自带的命令里，无法指定一个自增字段。自增字段在多线程时必须是原子性的，这在大数据情况下很难实现伸缩性(scalability)。

{代码...} 输出结果如下： {代码...}

整个效果都建立在angularjs的directive里面。可以想到，作者绑定了mousemove事件，通过勾股定理计算的距离，除此之外，我还有些小收获要跟大家分享一下：

什么是3d文字球 我也不知道专业的名字叫什么，总之效果如下： 需要考虑的关键问题 如何创建坐标，如何根据坐标方便的控制球绕着x和y轴旋转 如何实现3d效果 如何使得各个标题在球上均匀分布 如何实现点击标题后的回调函数 我的解决方案 关于坐标 肯定是使用球坐标最方便啦，这里需要再温习一下球坐标的表示方法： 如图，...

创建一个名叫format的directive，在link函数中对数据进行格式化。数据是通过data-binding从scope传过来的。但是link函数执行时，绑定的数据还没有生效，依然是模板形式，如{{f.name}}这种。如果需要在数据绑定后再执行directive，该怎么办？