Google colaboratory 提供短暫 (數小時) 的免費雲端 GPU 算力， 真是深度學習初學者的福音啊！ 前提是你要有 google drive 的帳號， 並且略會操作 Jupyter Notebook。 網路上已有很多入門教學文； 貴哥一看到有 shell 可用， 忍不住就好奇多探索一些， 於是也寫一篇自己的初學筆記。 基於 「站在巨人肩膀上」 的原則， 比較多人介紹的基本操作就只簡單帶過， 細節可參考 台大機械所 Wei-Hsiang Wang 的 Colab 基本操作筆記 (中文) 及 fuat 的 Google Colab Free GPU Tutorial (英文) 一、 試車 我看到的文件都說： 進 google drive、 進入一個任選的目錄、 按右鍵就會出現一個 「(建立) colaboratory (文件)」 的選項。 不知是不是因為

這學期的 AI 課程改用 google colab。 因為它對 caffe 的支援不佳， 所以先前 用 caffe 做遷移學習的範例 不能拿來上課了。 還好搜尋到很棒的一篇教學文 Transfer Learning using Mobilenet and Keras 以及伴隨的 github 專案 ferhat00/Deep-Learning， 於是改寫一下重新上架成為： ckhung/keras-mobilenet。 圖像辨識的整個流程變得超級簡單！ 先下載 ckhung/keras-mobilenet 及訓練資料集 dog_behaviors.zip， 再上傳到你的 google drive。 假設你已玩過 google colab， 那麼從 google drive 裡面打開 km-transfer.ipynb 應該就會自動進入 colab。 接下來就照著

玩機器學習時， 需要有大量的訓練資料。 以圖片辨識來說， google 圖片搜尋是最佳幫手。 但是要手動把搜尋結果一張一張存檔， 很累呀！ 這時可以用 github 上 (有五、六千顆星) 的 google-images-download 來批次下載。 本來想要做狗狗分類器。 研究了一下 狗狗品種族譜圖， 覺得太複雜了， 而且 ImageNet 的 1000 個標籤 裡面， 本來就已包含很多種類的狗。 於是決定換一個題目， 改做 「狗狗動作分類器」： 相片當中的狗到底正在 (1) 跳躍 (2) 睡覺 (3) 游泳 (4) 甩水 (5) 伸展 (6) 尿尿 還是 (0) 其他？ 先安裝主要套件就好： pip3 install google_images_download 。 以下是幾個使用範例： googleimagesdownload -k 'sleeping dog'

不太確定為什麼， 偶爾會遇到 docker pull 抓映像檔抓到一半突然卡住不動。 很多人都遇過相同的問題， 而且很多年了都沒有解決， 到現在 Bounty Source 還在懸賞。 我在電腦教室特別常遇到這個問題； 可惜上課期間來不及研究。 這篇的目的是希望下次再遇到時， 可以做一些實驗， 確認一下到底是伺服器那頭的問題， 還是我們這頭的問題。 如果夠多人測試不同的排列組合， 並且到上述 issue 回報自己的排列組合， 說不定對開發者除錯會有一些幫助。 以下提到設定檔的地方， 都以 lubuntu 18.04 bionic beaver 為準。 一、 禁止平行下載 我曾經遇過： 用 ctrl-c 把自己的下載中斷掉， 學生們的下載就突然繼續動起來了。 所以跟 這個回答 有相同的猜測： 設定禁止平行下載有沒有用？ 編輯 /etc/docker/daemon.json

想幫你的網站加上留言功能嗎？ 熱門的 disqus 有一些隱私疑慮； 於是我搜尋到 commento。 比較簡單的方法是 到官網註冊付費使用。 點 「Try the Demo」、 在文字輸入框打幾個字、 (不必登入) 勾選 「comment anonymously」、 點 「add comment」， 你的留言就出現了。 管理員也可以設定禁止 (或審查過才准發表) 匿名留言。 至於投票， 當然一定要登入， 算是簡單版的防止灌票。 畢竟我是因為官網強調尊重隱私而被吸引過來的， 當然就選擇自己架囉。 以下安裝設定筆記分別在 Debian 9 及 lubuntu 18.04 執行。 自己架的版本只成功了 http 而沒有 https。 安裝 postgresql 套件 -- commento 需要用到它。 sudo -u postgres psql 以 postgres 使用者的

每年暑假例行的 gmail 打包下載， 抓回來解壓縮後的 *.mbox 檔都是一堆亂碼。 如果從頭到尾都是 base64 編碼的內容那也還容易處理 -- 就用 base64 -d 指令即可解碼。 最煩的是： 在 *.mbox 裡面， base64 編碼的內容混雜鑲嵌在正常 ascii 文字當中。 偶爾需要回頭找前幾年的信件， 就必須用 mutt -f abc.mbox 之類的方式， 把每個 *.mbox 逐一手動打開來檢查。 今年終於找到救星： hypermail。 原來過去十幾年來， W3C 一直拿它來做通信論壇歸檔管理。 因為太穩定了， 所以很久沒有更新了， 在 ubuntu 套件庫裡面找不到， 只好去 github 抓原始碼回來編譯。 它的編譯方式很老派也很簡單： 先執行 ./configure 然後 make， 順利的話， 幾分鐘後就會在 src/ 底下產生一個

還記得小時候學的 (沒有刻度的) 直尺與圓規作圖嗎？ 光用這兩個工具， 就可以畫出相似三角形、 三角形的外接圓/內切圓等等圖形。 這是很燒腦又很好玩的益智遊戲。 用電腦畫更好玩， 因為繪圖完成後， 你可以用滑鼠抓著原圖的頂點或圓心， 改變原圖 (例如三角形) 的大小/形狀/位置的同時， 看著衍生圖 (例如外接圓或內切圓) 跟著變動， 超有成就感！ 十幾年前我寫過 DrGeo: 物理老師也會心動的幾何教學玩具。 後來 Dr. Geo 大改版； 幾個月前得知： 新版的 Dr. Geo 不僅支援中文顯示， 也支援中文輸入， 今天終於要來重寫一篇新版的介紹文了。 一、 欣賞現成作品 每學期上課都拿三角形外接圓來示範 Dr. Geo， 有點玩膩了。 今天換一下題目吧： 平面上給定線段 AB 及另一點 C。 以 A 為圓心， AB 為半徑， 畫一圓 O 。 求 「通過 C 點的圓 O 的

近日開始， 從香港入境中國， 會被檢查手機。 其實有兩個簡單的方法可以暫時隱藏手機相片資料夾。 這是 security by obscurity (which is no security!) 用白話講， 這是很弱的偽裝， 只夠對付忙碌的第一線檢查人員； 如果一開始就已被盯上、 已被列入特殊觀察名單， 那麼這兩招其實是無效的。 我都從 保護隱私的 f-droid 自由軟體市集 安裝 apps 而不是從 google play store。 不過我相信你在 play store 底下， 一定也可以找到類似功能的 apps。 第一招： 把相片資料夾名稱改為 . 開頭。 因為句點開頭的檔案或資料夾， 預設是隱藏檔， 若沒有特別去改設定， 這類檔案或資料夾在檔案總管裡或在相簿 app 裡面不會出現。 安裝一個檔案總管的 app。 例如我最近用的是 amaze。 用檔案總管把

玩資料視覺化， 經常需要從網頁上下載表格， 再轉成 csv。 以前就曾搜尋到 sebsauvage.net 上面的 html2csv.py， 後來忘記了； 最近又重新發現一次。 很簡單： python2 html2csv.py abc.html 它會把 abc.html 裡面的所有表格串在一起， 產生一個 abc.csv 。 如果有合併列或合併欄等等比較複雜的狀況， 還是需要後續處理， 但至少比自己寫 regexp 簡單多了。 全文完。 喂～ 這樣就結束？ 這篇未免太 ㄌㄢˋ　ㄩˊ　ㄔㄨㄥ　ㄕㄨˋ 了吧！ [現在有同音異字的成語太多了， 我都不知道國字該怎麼寫才對...] 至少應該要交代一下如何取得 html 啊。 如果是大量的靜態網頁， 可以用 wget 或 lynx -dump 或 curl 取得。 有可能需要 設定 user agent 才不會被網站拒絕。 如果是

有些 FB 網紅大大的頁面明明是公開的， 但讀者卻必須登入他自己的 FB 才能閱讀網紅大大的貼文。 這樣的設定對於保護隱私完全沒有幫助。 (事實上 「臉書上的隱私」 本來就只是一種幻想， 看看 性工作者身份暴露的故事 就知道臉書的可怕) 這只會犧牲自己的人氣幫 FB 換取更多的追蹤訪客的機會， 好像店長僱了一位街頭小弟幫你發商店傳單， 小弟卻對訪客說： 「你先加入XX幫， 才可以進來消費」 一樣， 仿佛又回到了十年前 網站自殘 -- 微軟綁架你的點閱率 的年代。 因為我是 無賴 不要臉的邊緣人， 不太會用 FB， 不太確定自己的 FB 是否也跟小英總統一樣設壞掉了？ 總之如果讀者知道該如何更改這個設定， 讓沒有登入的訪客也能看自己的 FB 公開貼文， 麻煩分享一下， 讓這些網紅大大不再犧牲自己的人氣幫 FB 強迫推銷。 但是在那麼多網紅大大學會更改設定之前， 我們路過的訪客還是可以

完整的自然語言語音辨識很複雜； 但在很多應用場合中， 如果可以讓用戶以十來個簡單語音指令控制電器/電腦/apps， 就已經很方便了， 而想要訓練這樣的類神經網路， 門檻當然比完整的語音辨識低很多。 Simple Audio Recognition (以下簡稱 SAR 一文) 所介紹的 tensorflow 原始碼當中的 speech_commands 範例， 就是這樣的工具。 餵一段一秒鐘的聲音， 它會判斷這是 "yes", "no", "up"、 "down"、 "left"、 "right"、 "on"、 "off"、 "stop"、 "go" 當中的哪一個語音命令， 或是未知的聲音 (UNKNOWN) 或是無聲 (SILENCE) (其實可能是很小聲的背景噪音)。 假設讀者已經先照著 貴哥的 colab 初學筆記 認識了 colab 的基本操作， 今天這篇文章將接續著帶大家