中斷點之浩劫與重生

2016年4月2日星期六

[windows] 要找個執行檔在哪裡，像 linux 的 whereis 的指令？

我不知道為何可以用 curl。用著用著就習慣了。
但是突然發現不能用 request。
想要去更新又不知道到哪兒去更新。

在 linux 有 whereis 指令，但是 windows 就是不叫 whereis。
它就要叫

where

就這樣，解決。

http://superuser.com/questions/21067/windows-equivalent-of-whereis

2016年3月16日星期三

[windows] 殺掉佔住某個 port 的程序

今天在測試的時候，一個程式畫面死掉被關掉，但是程序(process)沒有被關掉，一直佔著。
總不能每次發生這種事的時候就重開電腦吧？
於是找了一下，有解！
救星就是 netstat。

使用以下指令：

netstat -a -n -o

會列出所有本機正在開啟的 port，還有 PID。
接下來就是用 task manager，找到那個程序，殺掉它。搞定！

參考：
http://stackoverflow.com/questions/8688949/how-to-close-tcp-and-udp-ports-via-windows-command-line

2016年3月15日星期二

[python] django-cms 在 pythonanywhere 的安裝

django-cms 是基於 django 的 CMS (Content Management System，內容管理系統)，可以快速建立可上線的網站、部落格…等等。它也是去年(2015 年)被選為最佳 CMS 的系統。(http://www.cmscritic.com/announcing-the-2015-winner-for-best-open-source-cms/)

PythonAnyWhere 則是一個服務商，可以提供以 python 為基礎的許多 web framework，例如 django。所以，在 PythonAnyWhere 上要提供一個 Django 網站是內建功能之一。其他的像 flask 或是 bottle 等 web framework 現在也支援。一般人可以申請免費服務試用，可以有 512 MB 的硬碟空間與 100 秒 cpu 時間。如果 100 秒 cpu 時間用完，其實還是可以正常運作，只是慢一點而已，拿來試用非常剛好。

把 django-cms 與 PythonAnyWhere 結合在一起是很簡單的。PythonAnyWhere 官方似乎沒有比較正式的說明，不過在經過測試之後，在 virtualenv 的環境上來做，應該會是比較好的選擇。

第一步，建立 virtualenv 環境

source virtualenvwrapper.sh
mkvirtualenv djangocms --python=python3

在 PythonAnyWhere 上必須使用已經提供好環境設定，所以要使用他們提供的 virtualenvwrapper.sh 與 mkvirtualenv 進入 virtualenv 的環境中。
如果要在 virtualenv 裡用到 python3，所以加上 --python=python3

如果要使用官方已經裝好的 numpy, scipy 的話，要加上這個參數 --system-site-packages。

執行完之後，就會停在 virtualenv 的環境裡：

(djangocms) 12:24 ~ $

第二步，安裝 djangocms-installer
現在 django-cms 是使用 djangocms-installer 來安裝，所以要先用 pip 安裝這個。

pip install djangocms-installer

第三步，建立 djangocms 專案
這裡建議照我說的做，不然不小心會把自己的家目錄裡的東西砍光光。
首先，開一個目錄叫 project_name，然後進去。

(djangocms) 12:32 ~ $ mkdir project_name

(djangocms) 12:33 ~ $ cd project_name/

(djangocms) 12:34 ~/project_name $ 

然後使用以下指令建立專案：
(djangocms) 12:34 ~/project_name $ djangocms -p . my_demo

會開始問一些問題，基本上就一路按 enter，不然就照我的來選：

Database configuration (in URL format) [default sqlite://localhost/project.db]:
django CMS version (choices: 2.4, 3.0, 3.1, 3.2, stable, develop) [default stable]:
Django version (choices: 1.5, 1.6, 1.7, 1.8, 1.9, stable) [default stable]:
Activate Django I18N / L10N setting (choices: yes, no) [default yes]:
Install and configure reversion support (choices: yes, no) [default yes]:
Languages to enable. Option can be provided multiple times, or as a comma separated list. Only language codes supported by Django can be used here: en
Optional default time zone [default Etc/UTC]:
Activate Django timezone support (choices: yes, no) [default yes]:
Activate CMS permission management (choices: yes, no) [default yes]:
Use Twitter Bootstrap Theme (choices: yes, no) [default no]:
Use custom template set [default no]:
Load a starting page with examples after installation (english language only). Choose "no" if you use a custom template set. (choices: yes, no) [default no]: yes

然後就開始安裝到停下來。會要你輸入管理員的帳號、信箱、密碼。

Creating admin user

Username (leave blank to use 'ironman'): 

Email address: 在這裡輸入信箱

Password: 

Password (again): 

Superuser created successfully.

All done!

第四步，建立 web app
到 web 頁籤按下建立 web app 的按鈕，選擇 manual configuration。
設定 virtualenv 路徑設定到 /home/yourusername/.virtualenvs/djangocms。

import os
import sys
# add project folder to path
path = '/home/ironman/project_name'
if path not in sys.path:
sys.path.append(path)
# Remove any references to your home folder (this can break Mezzanine)
while "." in sys.path:
sys.path.remove(".")
while "" in sys.path:
sys.path.remove("")
# specify django settings
os.environ['DJANGO_SETTINGS_MODULE'] = 'my_demo.settings'

# load default django wsgi app for Django >= 1.4
from django.core.wsgi import get_wsgi_application
application = get_wsgi_application()

到 Static files 那裡設定：

Url: /static/
Path: /home/yourusername/project_name/static

第五步，修改 db 位置設定

因為用安裝器裝的設定，有一點不一樣，所以 db 位置它指錯了。

請到 project_name/my_demo/settings.py 裡，找到這裡：

DATABASES = {

'default': {

'CONN_MAX_AGE': 0,

'ENGINE': 'django.db.backends.sqlite3',

'HOST': 'localhost',

'NAME': 'project.db',

'PASSWORD': '',

'PORT': '',

'USER': ''

}

把 'NAME': 'project.db' 改成 'NAME': 'project_name/project.db'

不改會出現錯誤：no such table: cms_urlconfrevision

再按下web app 的 Reload 按鈕。

瀏覽結果，這是有選範例首頁的樣子：

這是沒選範例首頁的樣子：

接下來就是怎麼使用它的問題了。這裡有「使用者」的說明文件。http://docs.django-cms.org/en/3.2.3/user/index.html

[python] mezzanine 在 pythonanywhere 的安裝

Mezzanine 是基於 django 的 CMS (Content Management System，內容管理系統)，可以快速建立可上線的網站、部落格…等等。

PythonAnyWhere 則是一個服務商，可以提供以 python 為基礎的許多 web framework，例如 django。所以，在 PythonAnyWhere 上要提供一個 Django 網站是內建功能之一。其他的像 flask 或是 bottle 等 web framework 現在也支援。一般人可以申請免費服務試用，可以有 512 MB 的硬碟空間與 100 秒 cpu 時間。如果 100 秒 cpu 時間用完，其實還是可以正常運作，只是慢一點而已，拿來試用非常剛好。

把 Mezzanie 與 PythonAnyWhere 結合在一起是很簡單的。PythonAnyWhere 官方建議在 virtualenv 的環境上來做，也給了範例如下：

第一步，建立 virtualenv 環境

source virtualenvwrapper.sh
mkvirtualenv mezzanine

在 PythonAnyWhere 上必須使用已經提供好環境設定，所以要使用他們提供的 virtualenvwrapper.sh 與 mkvirtualenv 進入 virtualenv 的環境中。
如果要在 virtualenv 裡用到 python3，要使用以下的指令替代上面第二行指令

mkvirtualenv mezzanine --python=python3

如果要使用官方已經裝好的 numpy, scipy 的話，要加上這個參數 --system-site-packages。

執行完之後，就會停在 virtualenv 的環境裡：

(mezzanine)13:12 ~ $

第二步，安裝 mezzanine
接下來就是使用 pip install mezzanine 安裝。

第三步，建立網站專案
在經過一連串下載後，就是開始第一個專案來試用一下了。開第一個專案的指令是：

mezzanine-project project_name
cd project_name

接下來的動作是設定時區與建立資料庫內容。
首先在 settings.py 找到TIME_ZONE，改成我們這裡的TIME_ZONE='Asia/Taipei'。
然後執行以下指令：

python manage.py createdb --noinput

會在資料庫裡建立所需要的 table。預設使用的是 sqlite3 的資料庫。眼睛利一點的會看到管理者預設帳號密碼是 admin/default。等一下要用，真的要上線一定要去改密碼。

第四步，設定 wsgi
PythonAnyWhere 與 mezzanine 的連結是靠 wsgi，請到 web 頁籤

建立一個按下建立 web app 的按鈕，選擇 manual configuration。

然後把 virtualenv 路徑設定到 /home/yourusername/.virtualenvs/mezzanine 。

找到 WSGI configuration file 所指的檔案連結按下去，改成以下這樣：

import os
import sys

# add project folder to path
path = '/home/yourusername/project_name':
if path not in sys.path:
    sys.path.append(path)

# Remove any references to your home folder (this can break Mezzanine)
while "." in sys.path:
    sys.path.remove(".")
while "" in sys.path:
    sys.path.remove("")

# specify django settings
os.environ['DJANGO_SETTINGS_MODULE'] = 'project_name.settings'

# load default django wsgi app for Django >= 1.4
from django.core.wsgi import get_wsgi_application
application = get_wsgi_application()

然後按下web app 的 Reload 按鈕，接下來要處理 static 檔案。

第五步，設定 static 檔案
在 web 頁籤，到 Static files 那裡設定：

Url: /static/
Path: /home/yourusername/project_name/static

然後執行以下指令：

python manage.py collectstatic

這樣會把 static 的檔案搬到對的地方去。再按下web app 的 Reload 按鈕。

現在就可以瀏覽一下剛才的成果。

接下來，使用的方法就又是另一個問題了。

2016年2月27日星期六

[超譯] 機器學習介紹

原文連結http://opensourceforu.efytimes.com/2016/02/an-introduction-to-machine-learning/

機器學習介紹

機器學習是計算機科學的一個領域，它探索「學習」與演算法的建構，從資料中學習，並依此做預測。機器學習涵蓋了模式辨認(pattern recognition)以及人工智慧中的計算式學習理論。它被用在許多應用中，像是自動駕駛車，有效率網頁搜尋，語音辨識…等。

編程(programming)基本上是告訴電腦要做什麼。傳統的編程習會假設寫程式的人已經理解問題，而且用這個理解，寫出一串清楚的指令來解決某特定問題或完成特定任務。這類的例子非常多，事實上，絕大多數的程式都是這樣寫的，有著清楚可預期的輸入、輸出，與優美的演算法處理。例如，排序數字，在文檔中移除某個字串，複製檔案…等等。
然而，有某些種類的問題，傳統編程或問題解決定方法不是這麼好使。例好，假設你有 50,000 個文件，必須分類成運動、商業、娛樂，又不能人工一個個處理。又例如，在上千個圖片裡找到特定的物件。在後面這個例子，物件可能是不同角度的相片，或是在不同光線的條件下。你要如何分辨哪些相片有這個物件？另一個非常有用的例子是建立一個線上付款通道(online payment gateway)且希望防止詐欺交易。其中一個方法是辨認出潛在詐欺交易的跡象，在交易完成前啟動警報。這樣，你要如何準確預測而避免不必要的警報？
你可以簡單地說，這是不可能寫出非常準確的演算法來對付上述每個問題。我們能做的是，建立一個系統像人類專家一樣地工作。一個醫生可以檢驗報告看出病人生了什麼病。醫生的準確率不會是 100%，他多數時間會是正確的。沒人用程式寫出一個醫生，他這些知識來自學習與經驗。
我們需要的是一個系統能從經驗中學習，就算我們無法編程它叫它做特定的任務。我們做的是，給它看大量的範例，電腦是被編程為從大量的資訊中學習。在它完成學習之後，就可以預測或做一些任務。這就是機器學習。醫生的例子有一點點與真正的機器學習不一樣，機器學習的核心思想是機器學習會有大量資料中學習，而且會從經驗中改進。

機器學習與數學

許多機器學習演算法基本上企圖逼近一個未知的數學函數，而且絕大多數這些演算法本質上就是數學。因為資料有隨機性與不確定性，我們必須應用來自機率與統計的概念。事實上，機器學習演算法非常依賴統計的概念，以致許多人認為機器學習該叫統計學習。離開統計，另一個被用到重要的數學分支是線性代數。矩陣的概念，系統方程組的解，演算法的優化，都在機器學習中佔有重要地位。

機器學習與大數據

近來，機器學習與大數據走得很近。大數據指的是巨量的已存資料，而且是有意義地被使用。看一些例子來了解我說的。假設你已在交易平台上收集顧客交易資料，這資料的量可以輕易地到達被認為是大數據的量，還有一些其他你存下的資料。現在，這些資料的用途是檢查顧客定單的狀態，計算商務會計上的盈虧，以及其他技術或操作上的日常業務。除了這些，商業上也常想以獨特的方式利用這些資料。有些人對這分析使用特定的字。雖然直接地計算可以得到盈虧、總支出、總庫存等答案，但稍進一步的資料操作會切片與切塊讓訊息顯現。我們依然會追求基本報表的背後訊息，辨認出不顯見的模式。我們也會想要建立預測模型。

不同的機器學習演算法

現在有兩種不同種類的演算法，受監督學習與無監督學習。受監督學習指的是，資料給序標籤，如下例所示：

天	中午12點時溫度	風速	風向	下午是否下雨
1	30度C	3 m/s	東	是
2	35度C	10 m/s	西	否
3	37度C	7 m/s	東北	否
4	34度C	8 m/s	北	否

假設我們必須預測下午是否下雨，使用溫度及風的資料。是否下雨記錄在「下午是否下雨」那一行，那就是標籤。這裡的溫度，風速、風向是預測子(predictor)或說是輸入變數，下午是否下雨則是輸出變數。
演算法從這樣的資料學習，叫做受監督學習演算法。有些資料是自動萃取/自動產生的，例如機器的日誌，多數需要人工加標籤，這樣增加資料獲得的成本。
受監督學習演算法的例子有「線性回歸演算法 linear regression algorithms」、「貝氏演算法 Naïve-Bayesan algorithms」「K近鄰演算法 k-nearest neighbour」…等等。
如果資料沒有標籤，它變成一個無監督學習演算法。例如：「K平均分群 k-means clustering」、「主成份分析 principal component analysis」…等等。
我們也可以用另一個邏輯來分類機器學習演算法，分成回歸演算法或是分類演算法。回歸演算法是指演算法真的預測一個數字，像是接下來幾天的溫度，股市收盤指數…等等。
分類演算法則是把輸入分類，例如是否下雨、股市漲還是跌、它是疾病 x、疾病 y 還是疾病 z……等等。

機器學習的工作

要理解與讚嘆的是，機器學習演算法基本上是數學演算法，我們可以用任何喜歡的電腦語言來實作。例如 C、PHP、Java、Python 甚至是 JavaScript。但我個人喜歡的是統計語言 R。在不同的語言有許多熱門的機器學習模組或函式庫，Weka 是強大的機器學習與資料採礦的軟體，它用 Java 寫的，而且很熱門。Scikit-learn 在 python 開發者中很熱門。Orange Machine Learning Toolbox 也是 pyhon 可用的工具。R 語言有許多非常基本的統計套件與模組，也有很多不同的套件像 e1071、Randomforest、Ann、…等依賴在不同的機器學習演算法上。Apache Mahout 是可拓展的機器學習演算法，通常用在大數據習統。Weka 非常強大，但它在商業使用上有授權問題，你可以用 Java-ML (Java machine learning algorithm)。雖然開發活動看起來停子了，它的函式庫仍值得一試，它擁有足夠的文件與教學讓人易於上手。我會建議有進一步需要的人可探索「深度學習演算法 deep learning algorithm」

原文作者

Mahesha Hiremath
The author is an independent data analytics consultant from Bengaluru. He is building a platform for electric vehicles-Project Vidyut. Project Vidyut is a not-for-profit initiative for promoting electric vehicles, and also to build open source electric vehicles. He can be reached at mahesha-at-projectvidyut-dot-org and tweets with handle@MaheshaHiremath.
Connect with him: Website

超譯系列是練習翻譯的技巧，順便分享給大家參考的資訊相關的資訊。
Exercise to translation. Give advise to me if something wrong.
譯者/translator: Ricky Teng
聯絡/contact: ricky-dot-teng-at-gmail-dot-com

2016年2月26日星期五

[python]numpy array 的 reshape 練習

這裡收集 reshape 的練習。有時真的很常忘記。

import numpy as np

t1 = np.ndarray((10, 3,3), dtype=np.float32)

t2 = np.ndarray((10, 3 * 3), dtype=np.float32)

q = 0

for i in t1:

t2[q]=i.reshape(9)

q +=1

t3 = t1.reshape(10,-1)

array([[[ 0., 0., 0.],

        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]]], dtype=float32)

t2

array([[ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]], dtype=float32)

array([[ 0., 0., 0., 0., 0., 0., 0., 0., 0.],

       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]], dtype=float32)

2016年2月13日星期六

[opensource]作業系統革命觀後筆記

#作業系統革命觀後筆記

2016.02.13

什麼是作業系統 -2:29
Linus 說「他們把 Richard Stallman 當做哲學家，把我當成工程師。」(這兩個似乎是互看不爽) -3:47
開始實際由 FSF(GNU) 開始，但現在大家會想到 linux -4:02
自由的消失，因為密碼的出現。 -5:12
open source 的點子其實電腦一開始就有。直到後來才變得不能看原始碼，也許 M$ 要負一些責任 -6:41
比爾蓋茲對於軟體所有權的公開信 -7:33
80 年代的作業系統授權讓 Stallman 很難過，然後成立自由軟體基金會 -9:25
1984 年 1 月，Stallman 開始 GNU 作業系統開發 -11:35
GNU 的關鍵點就在於 free，指的是 freedom 而不是 free beer。是說擁有修改的權利。 -15:12
自由軟體還是有著作權的，只是作者給你自由散佈複製修改的權力，但是使用者也要一樣地對待別人 -17:01
1990年，整個 GNU 系統的核心，現在才要開始。而此時，Linus 的核心出現補上了缺的一塊 -23:12
GNU/Linux system? -30:23
Apache 是 linux 的殺手級應用 -32:05
作業系統套件散佈商的出現 -34:58
兩種軟體開發的模式 -38:58
Netscape 是下一棒的抵抗專利軟體的軟體 -40:04
"Netscape Source Code as Netscape Product"「Nestscape 的原始碼也是產品」-43:15
從 free software 到 open source -46:01
free software 名稱是個問題，人們第一個想到的是免費而不是自由 -46:49
用 open source 取代 free software 的起源 -47:38
open source 與 free software 的不同。理查史托曼 -48:10
debian 的 open source 定義 -50:32
1. 自由散佈
2. 原始碼
3. 可延伸寫作(Derived Works Permitted)
4. Integrity of the Author's Source Code (作者完整的原始碼)
5. No Discrimination Against Persons or Groups (對任何個人或團體沒有歧視)
6. No Discrimination Against Fields of Endeavor (不歧視任何領域)
7. Distribution of License (散佈授權證)
8. License Must Not be Specific to a Product (授權證不受產品限制)
9. License Must Not Contaminate Other Software (授權證不污染其他軟體)
database 軟體跟進 -53:28
主機哥很正常啊？你看滿滿都是。 -57:06
windows 退貨日 -59:22
我真的很愛看兩個針鋒相對 -1:12:23
泡沫 -1:20:45
翻譯 WiDE (wide@edirect168.com) 2004.09.07 修訂/jserv 2015.03.11

延申閱讀：http://mropengate.blogspot.tw/2016/02/revolution-osthe-code.html

訂閱：文章 (Atom)

中斷點之浩劫與重生

2016年4月2日星期六

[windows] 要找個執行檔在哪裡，像 linux 的 whereis 的指令？

2016年3月16日星期三

[windows] 殺掉佔住某個 port 的程序

2016年3月15日星期二

[python] django-cms 在 pythonanywhere 的安裝

[python] mezzanine 在 pythonanywhere 的安裝

2016年2月27日星期六

[超譯] 機器學習介紹

機器學習介紹

機器學習與數學

機器學習與大數據

不同的機器學習演算法

機器學習的工作

原文作者

2016年2月26日星期五

[python]numpy array 的 reshape 練習

2016年2月13日星期六

[opensource]作業系統革命觀後筆記

關於我自己

trace

2016年4月2日 星期六

2016年3月16日 星期三

2016年3月15日 星期二

2016年2月27日 星期六

機器學習介紹

機器學習與數學

機器學習與大數據

不同的機器學習演算法

機器學習的工作

原文作者

2016年2月26日 星期五

2016年2月13日 星期六

trace

2016年4月2日星期六

2016年3月16日星期三

2016年3月15日星期二

2016年2月27日星期六

2016年2月26日星期五

2016年2月13日星期六