按：此文为个人公众号的欢迎文章，烦请想象自己是在微信里读到这些文字。

由是则生，而有不用也；由是则可以避患，而有不为也。——孟子

你好，欢迎你关注求导Derivative。

一个比喻

假如你是奥特曼，前面有个路口怪兽正在那里吃人，可你注意到还有一个人往那个方向走，你该怎么办？
A. 大声呼喊，“疯了吧你，再往那走你会没命的，有个怪兽在吃人！”
B. 跑过去，拦住他，死活也不让他再往前走了
C. 你仔细观察，发现这个人是个高度近视，但忘了戴眼镜，你过去把眼镜递给他

我的选择是C。但真正的奥特曼应该出现在路口那里，忙着把怪兽赶走，很遗憾我不是真正的奥特曼。

求导的哲学

其实这就是我想用“求导”表达的意思。我们应该多看一层，注意到问题还远远不够，我们应该去探寻造成问题的那个问题，即是，求一次导。而且，这个过程是能够迭代的。
正如你想改变速度，你应该在加速度的层面操作，你想说服一个人，只在现象和结论上跟他对着干是徒劳的，你应该去找到他的论据和论证过程（同时，检视自己的论据和论证过程）。
这也是我正在做的事情。我从自己的博客里搬运了几篇文章过来，方便朋友们能够看到。
《我的信息方法论》讲我自己抗拒信息洪流所进行的努力和思考，梳理了自己的原则和思路。《在线文字创作不完全指南》则写给有表达愿望的读者，建立编辑接口、定制性和分发渠道三个指标来点评在线写作的各种方式，并提供选择建议。而《RSS：给你所爱的人以自由》，则着力介绍RSS订阅这一信息获取方式，指出平台之恶和RSS之轻量通用。
这些原则/技术帮助了我，我很希望能跟朋友们分享。

本公众号的命运

我会选择性地将自己未来写作的关于“求导”的文章搬运到这里，可以预计的主题包括：个人管理、读书/找书经验、知识整理归类的原则等等。这里不会有任何“求导”主题之外的内容，考虑到更新的速度，大概率会成为一具安静无比的尸体。
“求导”之名，本来是为我现已搁浅的播客（一种音频节目）制作计划而想的，原本的设想是邀请各行业的朋友们一起聊聊他们日常生活和专业领域“求导”思想的展示，但愧于自己的贫乏和价值输出能力，恐怕很久之后才能重启这个项目了。如果您在阅读了下面的内容后仍然决定不取消关注这个公众号，我同样承诺之后重启的播客计划会被搬运到这里。

为什么我不鼓励您关注本公众号

最简单的原因，是因为本公众号是最容易被替代的。如果更详细些，我们从链接开始讲起吧。
本来的链接，就是代表“连接”，意思是你点击一下，就可以从这个网页跳转到那个网页，这个允许跳转的过程，意味着两个网页是连接着的。
如果没有任何链接指向某个页面，那这个页面我们还可以访问吗？当然可以，我们可以手动输入其地址，也就是URL，URL就是网络世界里的门牌号。
然而这很麻烦，即便是门牌号，也并不好记，而且我们也记不了这么多。
于是，门户网站，一种专门提供指向到其他网站的链接的网站，应运而生，最成功的例子之一便是Yahoo!。
再后来网站增长的速度超出了分类整理的速度，分类的层级也越来越多，另一种索引网站的方式越来越受欢迎，这便是搜索引擎。
搜索引擎的成功之处在于挖掘了链接行为的高层信息：一个网页被链接越多，那它应该越有价值，从它链接出去的网页，也应该更有价值。这其实是PageRank算法的理念，它不仅解决了一个网页质量评估的问题，也催生了一家堪称（过）伟大的公司。

我讲述上面这些，是想说，链接是互联网之“互联”二字的本源。然而，很不幸，您读到这段文字的页面，是反链接的。在正文里，我没办法像在别的网站上那样，输入这样一句很自然的话：“有关PageRank算法和搜索引擎，您可以在【这里】阅读更多Google创立早期的故事”。这句话本应该出现在上面一段的末尾，作为创作者而言，我浅短地描述了一个故事，但自觉不够生动和具体，我有义务为我的读者提供更多他们可能想要进一步了解的信息。但我在这里做不到。
你也许注意到，这个页面的左下角是有一个“阅读原文”（英文显示Read More）的链接的，你看，抱怨什么，你可以把这个链接放在那里嘛。
那我不禁疑惑，我们该如何理解“原文”的含义？如果这个链接果真是应这样使用，为什么我作为创作者却无权决定这个“阅读原文”四字？我能够改成“Google的故事”，这样岂不是更符合链接的目的？
不不不，不是让你这样用的，你填入的的那个链接就应该是字面意义上的“原文”。
那事情变得更加吊诡了。既然读者在这里已然能够把文章读完，哪来的动机去读“原文”？难道这个“原文”跟我们现在看到的文章有不一样的地方，还是这是一句所谓的“侵删”声明，代表我这篇文章是从“原文”链接那里转载过来的？如果是后者，那真是令人更不得解：为什么不直接分享这个“原文”链接到平台里，而是要辛辛苦苦把人家的文字复制粘贴过来，再链接回去？
试问，我们是否在浏览网页时，经常看到正文没有一处链接，却在文章末尾有一个“阅读原文”链接，指向一个公众号平台的文章？如果这样的景象令你感到滑稽，但为什么反过来的情景却被默认是合理的？
“阅读原文”链接，是一种暴行，和一块伤疤。

请原谅我的聒噪。我只是试图指出，这个平台不是鼓励原创的，而是鼓励搬运和抄袭，它也不以链接为价值，而是互联网世界的一处黑洞，任何被它吞噬进的注意力，都很难逃逸出来了，何况从其中出发者。它不是在做内容的生意，而是在做注意力的生意，而注意力赋权了平台，平台则筛查了内容，胁迫了作者。
请观察您读到的媒体文章，大部分是“编译”和“转载”的，而且相当一部分是不添加“阅读原文”链接的，甚至连原作者、原文章名都不提。更加过分的，任意在作者文章里添加自己的其他抄袭文章和广告，不遵守真正的“原文”之转载规范。我无意追问各公众号采编之责，我对帮读者打破语言隔阂的译者致以敬意。但若平台上充斥着这样的内容，而平台规则的设计无罪，那错在何处呢？
如果再进一步，对于这个平台上的原创文章，按照Robot.txt规则（这一文件是爬虫领域自律的规范），这些文章是不能被任何爬虫Agent爬取的，连搜狗的独家微信搜索爬虫都不能。于是当你试图在archive.org（一个致力于为所有网页内容建立存档的公益项目）检索任意一篇公众号文章时，都是一片空白，而且在将来也会如此。巨量的中文网页内容，很可能成为后人知识版图里的一片巨大残缺，他们将失去理解我们当前社会状态的重要材料，历史将被任意讲述。这整个平台，是一个事实上的局域网，处处立满高墙，分割和围堵一切在茁壮成长着的心灵。

我亲爱的读者，你们才是这个平台最具有影响力的因素。庞大的数量、高涨的热情，吸引着具有无边创造力和想象力的作者们。但在这个平台上，我们的互动方式显然被僵化地限制了：评论时必须关注公众号、提交的评论需要被审核、不能在其他读者的评论下继续评论（只有投票的权利），你·甚至不能在此篇文章底部批评我，因为新注册公众号的留言功能被关闭了。本应促成公共讨论的空间，被压缩成了“好看”“点赞”等简单行为，宛如一场没有任何议论的无声表演。如果仔细分析读者与作者间和读者与读者间这两对互动关系，相比十年前“人各有志”的博客时代和论坛、BBS兴盛之时，我们到底是在进步还是在退步？
我相信人人有自主的品味、独立的判断，在沟通、讨论和筛选中，理解会建立，如果足够幸运，共识会达成。我也认为，这些在这个平台更难实现。
因此，我仍然坚持我在公众号被关注自动回复里的建议：我恳请您取消关注所有可被替代的公众号，而显然本公众号是最容易被取代的之一——我本人通过其他方式发布的创作内容更容易找到、更全面、组织形式更好。关于如何取代，我想您已阅读过本公众号关于RSS订阅的文章（位置：“公众号菜单-推荐-RSS”），我真诚地希望您能够考虑一下。

本文遵从署名-相同方式共享4.0国际协议(CC BY-SA 4.0))，这意味着在遵守以下条件的情况下：

• 署名
• 您的作品同样遵从署名-相同方式共享4.0国际协议(CC BY-SA 4.0)
  您可以：
• 在任意媒介复制、分发本作品
• 在本作品基础上进行修改、再创作，并且可以用于商业目的
  我再加一句：若公众号平台内容协议与本文声明协议有冲突，以本文声明协议为准。但我并不清楚这句话是否在法理上有效，尽管按我开通公众号即默认签订的协议来看，此声明似乎为徒劳。我将本文的唯一“阅读原文”链接庄重地献给这一协议，请自行查看——如果您感兴趣且想体验这份滑稽的话。

推荐您观看下面的介绍和演示视频（一首半歌的时间），音乐无内容，可以静音观看。若已看过，可以跳至下面的“常见问题”一节。

跳转到BiliBili播放：RSS订阅：介绍与演示

订阅的过去和现在

粗看来，信息流动的参与主体可以分为信息提供者和信息消费者。

报纸、杂志等是相对原始的订阅模式，提供者和消费者构成二元图：提供者负责产出和发送内容，消费者选择是否订阅。后来，节点越来越多，分发上越来越困难。

平台，作为一个信息整合者（Aggregator）应运而生，互联网初期的门户网站（Yahoo!）、后来的搜索引擎（Google），都是当时最成功的信息整合者形态。对应到普通商品市场上，超市（相对品牌直营店），则扮演了整合者的角色。

一方面，平台方便了信息的分发；另一方面，平台也在隐性地筛选内容提供者：他们常常掌握了大量的消费者，议价能力更高。不仅如此，平台在信息流动过程中加入推荐内容和广告，进一步重塑了内容的形态。平台，也在影响着内容。

试思考：

• 哪些内容是我们自愿看到的？
• 哪些内容是被平台推荐的？
• 哪些内容又被平台忽略了？

再思考：

• 我们做出了哪些选择？
• 平台替我们做出了哪些选择？
• 哪些本应成为选择的，却被剥夺了？

那么，什么是RSS？

RSS全称Rich Site Summary，是一项格式标准，允许内容提供者按一定格式组织和发布内容，方便内容消费者抓取。你甚至可以认为，它是一项信息提供者和消费者之间的“契约”。

所以，为什么使用RSS？

在我看来，有这样几点好处：

1. RSS不是平台，它是信息的一种组织方式而已，也就不存在准入。她是被Offer，而不是被Permit。
2. RSS不提供推荐，它最大限度地保持着原有信息形态。读者相对而言也较难落入“回声壁效应”（当你赞同某一观点时，你会听到越来越多赞同这个观点的声音，而且这一过程是自我强化的）。RSS很安静，她不去猜你喜欢什么。
3. RSS允许我们在一个应用内统一集中处理来自不同来源的信息。RSS是一层轻量的抽象，她让信息的提供方和信息的消费方解耦，进而给双方更多选择。这样对我们都好。

如何使用RSS？

原则上来说，我们只需要一个支持RSS的客户端即可。但使用RSS服务提供的账号体系和同步功能，可以让我们在多个平台上无缝衔接自己的阅读体验。下面提供一个三步的使用方式：

1. 寻找作者提供的RSS源
2. 将RSS源添加到订阅列表
3. 使用客户端按照订阅列表抓取文章内容

步骤一：寻找RSS源（URL）

方法一：RSS标识

此为RSS的通用标识，循此LOGO便容易找到RSS源的链接

方法二：rss/atom文件

RSS内容常被组织为扩展名为“.xml”的静态文件（被命名为rss或atom），网络上的大部分博客往往以此形式提供自身内容。https://distill.pub/rss.xml便是这样的例子

方法三：检索关键词

检索“提供方名+RSS”这样的关键词，也能方便地找到我们需要的URL，而如果使用RSS服务的话，也可以在RSS服务提供的索引内检索。

步骤二：在RSS服务上添加源到订阅列表

这里举例使用Feedly，替代品见文末。

1. 注册账号（略）
2. 找到“添加内容”，粘贴上一步中找到的URL链接
3. Feedly会自动抓取最新的内容，可以在线阅读内容
   成功抓取到内容后，事实上已经完成了信息的传递过程。不过，我们希望在多个平台上同步阅读，下面以macOS上的Reeder为例，说明配置RSS客户端的过程（当然，Feedly也提供了自己的客户端，但我们有更多选择）。

步骤三：使用客户端同步

这里举例 Reeder ，替代品见文末。
实际上只需要将我们的Feedly账户授权给Reeder，Reeder便会自动同步内容。阅读之后，我们可以选择收藏、分享等后续操作。
使用RSS服务的好处便是，我们可以使用手机粗读文章，标记需要精读或是标注、分享的文章，在电脑端同步时，阅读状态和标记都是一致的。而跳过第二步，直接使用Reeder抓取RSS源时，便不能在其他设备上同步阅读状态了。即便如此，我们依然可以将自己的订阅列表导出为OPML文件，进而在不同设备上迁移自己的订阅。

常见问题

Q：谁是Aaron Swartz？谁是李东东？

A：Aaron Swartz是一名程序员、黑客、创业者、社会活动家，他参与RSS、Creative Commons和Reddit等的组织和开发工作，于2013年入选互联网名人堂（Internet Hall of Fame），纪录片《互联网之子》就是关于他的故事。
李东东就是我啊老铁。

Q：所以RSS到底是什么的缩写？可以再说一遍吗？

A：我在视频里选用的是Rich Site Summary，另外还有一个更流行的称谓是Really Simple Syndication（简易同步），前者强调其格式性，后者强调目的：方便更新同步。我在视频里更想跟平台做比较，突出其干净简洁之处。

Q：这个RSS到底跟微信订阅号有什么区别？

A：从作者角度看，微信订阅号是一种发布平台，而RSS是一种发布格式，换言之，作者的内容可以先发布为RSS订阅源（RSS feed），再通过程序自动地抓取这一内容，上传至微信订阅号、头条号、Facebook主页、微博等处。
从读者角度看，微信订阅号是微信公众平台的独占内容，你不能通过今日头条的APP阅读到微信订阅号的内容。但你可以通过支持RSS的客户端同时阅读到来自发布在微信公众号、今日头条、知乎专栏、豆瓣动态、普通的个人博客等等不同来源的内容（几乎，网络上的全部内容），只要将各自的RSS订阅源添加到订阅列表就可以做到。不过，微信越来越封闭，防止自家内容外流，很多爬取公众号文章的服务都被关停。仍然有别的方法可以试图取代或是减少依赖，请参见下一条问题。
最后，从推送时机来看，微信订阅号的内容在作者发布之时被推送，对读者而言是分散的。但RSS的抓取时机则完全由读者掌控，抓取时会检查作者是否有更新，所有订阅的RSS源是一同被抓取的，而非时时刻刻在打扰你。

Q：有部分感兴趣的内容不提供RSS，怎么办？

A：诚然，并不能保证RSS可以囊括网络上的一切内容（显然的例子是付费内容便不能被轻易完整获取），毕竟创作者也有自己的选择，部分作者仅仅在一个平台上发布内容，而那个平台却又足够封闭，这当然很无奈。不过，还是有下面几种可能的解决方式提供给你：
寻找其他平台
某些媒体往往会将内容上传多个平台，此时我们可以寻找其他平台上的同作者内容。例如，公众号文章相对较难获取，但知乎专栏的文章较容易抓取，这里便是一个知乎动态/专栏转RSS的服务。
寻找第三方源
部分内容的RSS难以获取是技术原因导致（而非内容不可得），但社区常常会有志愿者提供这些第三方源（如feedx）。此外，RSS服务也提供检索列表，我们可以尝试在这些列表内寻找。
自己通过工具制作

• 静态网页：通过HTML Tag指定页面上需要的内容，如feed43
• 动态内容：自建RSS服务，如RSSHub（视频初的展示部分效果归功于此项目）

这些工具有一点儿门槛，但它们让我们更为强大（empower）。

Q：RSS的输出不是全文而只是摘要

A：这一点上，RSS本身也算是一个catalog，仅输出摘要也是可以理解的（当然也有RSS格式版本的问题，这里不表）。除了向上一条问题那样自行检索第三方提供的源或是动手制作外，或许还可以通过工具转换：FeedEx.net, fivefilters。

Q：使用RSS还可以做什么？

A：使用其他工具整合RSS
很多邮箱（如Outlook）、浏览器（如FireFox）整合了RSS功能，此时，你可以基于这些工具打造集中的信息获取入口。

学术文献管理软件的RSS订阅
跟踪新的研究动态是很基本的需求，我们可以为某一检索条件生成RSS。您可以在这里找到订阅arxiv文章RSS源的信息。

将RSS发送到Kindle
如果订阅的RSS内容适合沉浸式的阅读，可以尝试这样的转换服务。

Q：你平时怎样使用RSS？

A：我将RSS订阅分为了四部分，分别在不同客户端以不同频次处理。具体而言，论文查新单独开一个入口，书评动态、剧集更新、优惠信息等琐事内容单独一个入口，这两者都通过Telegram的bot处理。主要的新闻、博文等，分英文和中文内容两个账号同步，英文RSS一周阅读两次，都在电脑端，中文RSS内容每天约80-100条，先用手机粗读筛选，标记“需细读”或是“收藏”等状态，用时约8-10分钟，之后标记过的文章会在电脑端同步过来，进行细读或是收藏分享等。以上通过RSS获取的信息占我每天信息摄入量的50%左右，剩下有30%是网页搜索，10%来自邮件订阅，最后10%则来自社交网络、论坛等。

Q：好了我决定尝试一下，我该从哪开始？

A：我建议您执行以下步骤：

1. 审视自己每天获取信息的来源（网站、APP等），判断内容是否具有被平台过度重塑的特征（例如，某些内容被屏蔽，推荐内容过于标题党）
2. 列出一份不同平台的作者列表，查询它们是否有便于整合为RSS的发布渠道，或者，直接在Feedly等服务上检索
3. 根据下面的建议挑选适合自己硬件设备的RSS服务及客户端，检索RSS源，构建自己的订阅列表
4. 减少1.中所述的APP/网站使用频次，在使用中修整和增长自己的RSS订阅列表

如果您只是开辟RSS为新的信息获取来源，我在这里维护了一份自己的信息来源列表，提供的链接均为RSS源，可以直接复制添加。另外，可以参考知乎讨论：你必读的RSS源有哪些-知乎，或者使用这一个RSS源搜索引擎。

推荐的服务与应用

服务

Feedly:

Follow RSS extension(Chrome, FireFox&Safari)

Feedly APP(iOS&Android)

InoReader:

InoReader Companion(Chrome, FireFox&Opera)

InoReader APP(iOS&Android)

NewsBlur
少数派有一篇对三者的对比文章，我则在使用InoReader。

客户端

您可以自行检索自己熟悉平台下的客户端选择。下面我仅推荐我正在使用的选项：

• Windows & GNU/Linux: WINDS
• Android: FeedMe
• iOS & macOS: Reeder
  如果无法使用Google Play服务，推荐在酷安、apkpure等处寻找和下载应用。

结语

我鼓励您尝试RSS，尽管它可能难以全部将您自己的阅读体系替代，但至少提供了一个选项。如果您想了解更多我对于信息获取与处理的态度，推荐您阅读我的信息方法论。如果您想成为一个提供RSS内容的创作者，推荐您阅读在线文字创作不完全指南。感谢您的阅读时间。

最近，花了两个下午的时间更换了博客主题，并做了少许优化，朝向极简主义风格又迈进了一步。

缘起

主要的动力还是访问速度上的需要。原先使用的Hexo主题Material为每篇博文都配有Material Design风格的图片，且支持很多插件功能，部署后公共文件夹的体积为18M左右。而且在今年7月份左右我无法继续享受腾讯云的1元主机优惠，伺服服务器迁移至美国西海岸，延迟上要远比国内的服务器高，便产生了改版的打算。
现在更换的主题为Minos，吸引我之处在于其简洁和Medium风格。改版后抛弃了几乎所有的内容无关的图片（当然其实这些图片是存储于七牛云的CDN上的），且移除了很多我并不需要的插件，部署的公共文件夹大小只有不到5M。配色方面也回归原始的黑和白，更突出文字。

CDN优化

添加了腾讯云的存储和CDN作为国内解析源，境外则使用了Netlify的服务，即目前域名的解析线路为：

• 境内：腾讯云CDN
• 境外：Netlify服务
• 默认：位于美国西海岸的VPS主机
  所幸部署方面Hexo都有相应的插件支持，通过ping检测工具也确认了这些解析归属。

分享链接

所使用的主题提供了addThis的服务，可以实现自定义的分享按钮、推广banner等功能，但我测试后发现加载时间过长，遂提供了复制文章链接和二维码扫描两个按钮作为分享手段，回归到链接的方式，不必受各种平台API的限制。

评论系统

改版后我移除了评论系统。主要的考虑自然仍是disqus的国内加载速度问题，况且以我的经验这一评论系统并没有带来很好的讨论效果。将来应该会考虑的方案是提供加载代理，但目前限于精力不再花费时间。

字体

之前一直使用Chrome的微软雅黑字体渲染插件，对中文字体的认识相对单一。后来经常在Medium上读文章，并拥有了一台Mac设备，恍然发现字体对网页观感的重要性。于是，过去的几个月，我使用Adobe提供的TypeKit服务为自己的几个小站提供了思源字体的动态支持，虽需一定的加载时间，但观感上对全平台来说更为统一。
在这一轮优化中，我将本博客的字体用重新换为各平台的安全字体，节省加载时间和渲染压力，非常喜欢的思源字体仅在随笔类的博客里使用。

添加Gallery

添加了一个单独的“影像”页面来收集图片，同样采用七牛云的CDN作为图床。

拾遗

我用archive.org给自己原来的主题建立了一份存档，可以在这里找到。也算是在互联网世界存在的证据了罢。

本文力图为有在线表达意愿的读者提供一份思考和行动指南，更期望能够引起对“网络空间中的表达”这一主题的讨论和交流。

我所指的表达和创作

在本文中，表达和创作是相当狭义的。我所指的一个核心部分大概可以表述为“完整地叙述自己的观点并说明理由”，从这个核心出发，可以较为充分地表达自己所感所想的以文字为主要媒介的体裁都可以容纳进来，比如游记、小说、影评等等。
我在这样的定义里，强调的部分在于观点的完整性和自主性，期望文章能够有比较严谨而有讨论空间的论点、自主且合逻辑的理由等，通常，这样的文章不仅是一个表达窗口，而且是思考与整理的过程，需要投入相当的精力。

为什么要使用文字进行表达和创作

“要表达和创作”

我们每个人都很精彩，都有自己的判断力，有自己的思路。表达和创作一方面方便他人更深刻地了解自己，另一方面也能作为交换认识到他人的想法和思路，如果能够碰撞成火花，那真是一件再幸运不过的事情了。对自己而言，表达和创作实际上是内化自己接收到信息的过程，而且这种内化远比记忆等要深刻和持久。如果再现实一点，表达是输出影响力的第一步，而影响力，则是一项资源。

“使用文字”

如果有能力，音乐、绘画、剪辑等也是非常棒的表达和创作方式，但这些往往需要相当的知识和能力基础，对于大部分人而言，使用文字是最容易的方式。毕竟，我们都接受过基本的鉴赏和写作锻炼，尽管这些锻炼的结果是让很多人丧失鉴赏和写作的能力。
更进一步的理由是，使用文字表达可选用的工具和平台非常多（相比其他方式），我在下面的“工具与行动篇”会提供一个横向的比较。

以及一些担忧

依据我的观察，除了日常工作和学习生活外，大部分人的表达渠道相当单一和局限，并且跟我所指的表达相去甚远。微信群聊天、朋友圈转发/评论、微博发言/评论等，已经占据了我们相当大的表达精力和空间，而这些渠道中的信息形式常常不能满足完整性和自主性：篇幅太短且实时性要求高，往往情绪化和未经严肃审慎的思考。
而且，表情的泛滥也在一点一点侵蚀文字的表达功能。“捂脸哭”、“笑哭”等Emoji被严重地滥用，以致达到了“含义过载”的程度，早已丧失其原本的表情传达意义。以“熊猫人”、“蘑菇头”为代表的图片表情甚至超出聊天环境，出现在很多科普、观点类的网络文章中，比如“我当时的心情是这样的：【表情】”这种表达，常使我感到悲哀。
表情却有其形象化的优势，但滥用实不可取。过分地接受和使用这些表情实际上是体验传达代替了语言表达，弱化了我们的思考过程。这些担忧可以部分解释我自己从不使用微博、也很少使用微信朋友圈。

思考与规划篇

内容

内容方面各有各的选择，我的期待是至少自主，即有自己的思考过程。对某一事件的评论、对某一文章观点的反驳、怀念某段感情的小说、记录某次旅行的游记、进行某次购物决策时的思考、学习某项技术时的笔记、影评书评等等，都可以成为创作的内容。千万不要担心无事可写无话可说，只要有生活，就有内容。

定位

定位方面可以就自己的目的而定。若是仅作自我纪录，则无所谓定位。而若期待将自己作为一个IP来运营，则可在定位的人群方面仔细谋划一番，提供哪些被需要的内容、如何说服、选择哪些平台来宣传推广等，都是值得规划的问题。这些方面，大都可以在有更现实需求的领域如公众号运营找到借鉴。

精力

自己能在表达和创作方面投入多少精力，也是值得认真考虑的。在初期投入太多往往会难以坚持，这项事情不应被期待会有像其他投入那样有现实的反馈和回报，而我们常常诸事缠身，放弃是一个再容易不过的选项。在下定决心做出行动前，最好对自己的精力分配有一个真实的估计和预算上的规划，如每星期能够拿出几个小时、能够支撑起的更新频次等。

工具与行动篇

人机协作的维度

这里“机”的含义是广义的，泛指我们所借用的外部工具。如本文题目所示，我们要讨论的是在线的创作，选择合适的工具和平台是必要的，我将列举出我所观察到的协作的维度，以提供指导性的思考坐标。

编辑接口

编辑接口是指我们编辑文字时面对的接口，这一接口并不固定，因为对于发布来说，你只需要传递文字和图片即可，我们完全有充分的空间脱离所用发布渠道提供的编辑器，而选用专业的写作工具、文本编辑器等。但是，对于定制性较差的渠道，使用其提供的编辑器却是最方便的，不必担心格式等问题。比如，QQ空间编辑器、论坛的发帖编辑器等等。随着所用渠道的定制性提高，我们可以在创作和发布间添加一层作品状态的抽象，此时，Markdown便是一个不错的选择：它允许以轻量的方式标记文字格式，并被大部分写作工具和发布渠道很容易地支持，且在创作方面相对纯粹。

定制性

定制性可以理解为我们对自己作品的控制权。创作之时，我们对内容是有完全的掌控的，但发布之时，内容的格式、分发的渠道等，却受到所用平台的限制。本文所指的“在线创作”通常是以网页的形式发布的，对比来看，QQ空间仅提供有限的富文本形式、受控的媒体来源和封闭的传播范围（无法被搜索引擎检索），而自建网站则可以有个性化的域名和logo，可以定制页面的风格，可以通过其他手段最大化传播范围等等。

分发渠道

分发渠道是指我们的作品传播的途径和所能传播的范围，可以认为是定制性的一个方面。少数平台的内容是不可以被检索到的，如QQ空间，而大部分网页是可以被自由访问和链接的。使用平台的好处是可以通过平台自动带来流量，选择自建网站则可能相对依赖搜索引擎或是自己在社区等的宣传。

推荐与比较

本文题目中的“不完全”指这一部分。对于工具和平台，我也只是尝试了很小的一部分，下面仅仅列举出一些例子并按上面的维度进行评述，供读者选择，排序基本按照定制性（作者控制权）依次提升。

社交网络 Social Network: QQ空间/微信公众号

• 编辑接口：专用编辑器
• 定制性：少量格式文本，有限的信纸模版
• 分发渠道：受限，但会得到稳定的推送

这种形态定制性最差，却不妨作为表达和创作的起点（QQ空间应该在事实上是不少90后的表达起点）。据我了解，微信公众号的文章仅能通过搜狗检索得到，且所有外链只能通过“阅读原文”实现，这是令我非常厌恶的地方。要知道，超链接是WWW建立的一个核心，即网页是可以通过链接自由跳转的。

论坛 Forum: 百度贴吧/威锋论坛/人大经济论坛

• 编辑接口：专用编辑器
• 定制性：少量格式文本，统一页面风格
• 分发渠道：受限，但自带论坛流量

论坛的读者常常有共同感兴趣的话题，在这些场合表达观点常常会被容易理解，但由于不同的论坛机制和论坛读者，是否适合严肃创作还是要单独讨论的。据我的观察，跟帖方常常不会完整自主地表达观点，难以形成有效的讨论（因话题而异，若专业性非常强，还是相当值得考虑的）。

社区网站 Community: 知乎/豆瓣/Linkedin/Quora/少数派/掘金

• 编辑接口：专用编辑或导入文件
• 定制性：富文本，统一页面风格
• 分发渠道：半开放，自带话题流量和推荐，部分可以得到稳定推送

知乎/Quora这样的问答平台通常有话题机制，容易将自己的作品投放和获得反馈，且能被检索，传播范围相对广，通过关注机制还可以获得相对稳定的流量。少数派等作为媒体，也接受相关投稿，可以透过其影响力为自己的作品带来流量。这一类型是我比较推荐可供非技术背景的写作者选择的平台。

创作平台 Publishing Platform: 简书/Lofter/新浪博客/博客园/CSDN/Medium/GitBook/LeanPub

• 编辑接口：专用编辑器或导入文件
• 定制性：富文本，有限的主题风格
• 分发渠道：容易被搜索引擎索引到，自带网站流量和推荐，部分可以得到稳定推送

这类平台提供较统一的页面风格和内容管理发布功能，部分也有关注机制可带来稳定流量，是我最推荐的非技术背景（或懒于折腾）写作者的创作平台。后两者GitBook和LeanPub则是开源的图书在线出版服务。

博客平台 Blogging Platform: WordPress/Ghost/Blogger

• 编辑接口：专用编辑器和写作工具支持
• 定制性：富文本（+网页格式），丰富的主题选择，自定义风格定制，甚至支持自编程序，部分也支持个性化域名
• 分发渠道：搜索引擎和部分平台流量

此类平台通常以博客程序为核心，提供编辑、发布和托管的一站式服务。提供的风格选择也较为多样，且有较为丰富的插件扩展，可供进阶写作者选择，也适用于有较高定制需求的写作者（比如建立个人主页）。不过不少类似服务（或其高阶功能）是付费使用的。

自建博客程序+托管服务 Self-Hosted Blog Software + Hosting: WordPress/Joomla!/Drupal

• 编辑接口：专用编辑器和写作工具支持
• 定制性：富文本（+网页格式），丰富的主题选择（支持二次开发和修改），自定义风格定制，个性化域名和托管控制
• 分发渠道：搜索引擎、自我推广

这种选择通常需要一定的技术学习负担，需要简要了解网站伺服、博客程序运行的过程等知识。以最广泛使用的WordPress为例，需要自己配置后端数据库，并学会使用控制面板来搭建博客程序所需的运行环境（如LAMP）。如果要使用个性域名，则还要配置解析等；如果托管服务在国内或是域名为.cn等后缀，则还会被要求备案。当然定制性也会更高，除博客平台所提供的功能外，甚至可以在开源博客程序基础上自己添加功能。这种选择可以成为有折腾精神或是未来会从事前端开发的写作者的起点。

静态网页生成器+托管服务 Static Page Generators + Hosting: Jekyll/Hexo

• 编辑接口：文本编辑器及自由选择写作工具，建立作品层抽象
• 定制性：几乎完全的网页控制，可充分定制的主题及页面风格，个性域名和托管控制
• 分发渠道：搜索引擎、自我推广

这类选择跟上一组合类似，只是所提供的页面并非由博客程序生成，而由本地程序生成后上传至托管服务。同样也需要部分技术学习负担，但对网页几乎有全部的控制（你可以单独用HTML做一个个人网页）。Jekyll和Hexo都是这样的生成引擎，它们将我们创作的Markdown格式文档处理为HTML网页，并通过插件或其他方式上传至托管服务，用户直接访问网页，也较博客程序对伺服服务器的要求更低一点。同样地，我们也可以对主题或插件进行二次开发，以满足自己的需要。这一选择同样推荐给有折腾精神或是未来会从事前端开发的写作者。
包括此项和上一项已可以认为是具有足够灵活性的创作方式 ，也是网络上教程资源非常丰富的两选项，更进一步的网站开发等将超出本文的范畴（而且我也并不熟悉）。

管理型托管服务和渲染引擎 Managed Hosting and Rendering Service: GoDaddy/七牛CDN/GitHub Pages/Netlify

这里单独谈一下托管服务，适用于上面提到的后两种选择。我们的网页需要托管到服务器上，但根据需要可以有不同的使用层级。管理型托管服务或称“共享主机”是提供商建立了一层管理抽象后提供给用户的，用户面对的接口为主机面板，通过此面板可以实现建立网站、安装博客程序等功能，背后的硬件资源则是共享的，如GoDaddy。七牛云CDN和其他云服务商提供的对象存储功能，则是提供了一部分在线的存储空间，可以用来存放静态网页（不支持博客程序）。而GitHub Pages和Netlify等则提供了对于某类模版引擎（即生成器，如Jekyll）的渲染功能，用户可以直接将编辑的Markdown文件上传，由服务提供商来渲染为实际看到的网页（当然此时定制性便有所收缩）。托管服务中自由性最高的是下面的自管理托管服务（或称VPS，虚拟私人主机）。

自管理托管服务 Unmanaged Hosting(VPS): AWS EC2/AliYun

这类服务直接提供给用户可供远程登录的虚拟主机（物理主机上一层抽象，可理解为系统内存和RAM的关系），具有远不止网页伺服的操作空间。我们可以在其上自行搭建伺服环境和博客程序（或上传静态网页），并对整个过程有相当充分的控制权。使用国内云服务商提供的主机时，需要考虑备案。

拾遗

我上面列举的是很小一部分，还有很多我未曾试用的服务，如头条号、豆瓣阅读等写作计划、SquareSpace等网站搭建平台等，都有各自的人机协作维度上的权衡和选择，希望读者能够明确自己的需求和所能付出的精力，审慎选择，也希望其他平台的创作者在评论中补充本文未及的渠道工具等。

结语

在我看来，表达和创作是自我能量释放的一个窗口。没有一个人是贫乏的，也没有一个人注定沉默。希望本文给读者提供规划上和行动上的参考，欢迎大家评论交流。

缘起

我在考虑为自己的MacBook选择笔记类和创作类应用时，曾对这两种活动作出区分，认为前者需要跟原文进行较多交互，更适合用富文本应用，后者中文学性创作则不需要太多对材料的整理，更适合纯文本应用。
这样的区分有一定意义，但不够深刻。更重要的是从信息流入和流出的角度来区分：笔记是一项整理活动，信息是流入方向，自然需要富文本的支持来应对广泛的信息来源；创作是一项产出活动，信息是流出方向，更需要不被打扰的环境，自然纯文本的方式更利于集中注意力。
从这一个角度上，我便理解了为什么Evernote在客户端编辑器如此不友好的情况下仍能如此受欢迎：Evernote不是一项应用，而是一项服务。这项服务更有竞争力的部分是它对其他来源信息的收纳和整合以及接口上的广泛性。它的客户端从设计上并非从创作出发的，而是定位于一个多种信息来源的入口（手写、语音、扫描、网页剪贴等）。因而，这也是它相对其他笔记类应用的护城河：你可以从不少文档标注、写作应用中找到“导出到Evernote”的出口，但其他笔记类应用很少能做到这一点。
下面，我对自己在文本信息整理和输出与文件存储同步方面的实践做一个整理，可以看作是信息方法论系列的续篇。

文本信息

正如我在“缘起”一节中讨论的，我的信息处理活动可按照信息流向来区分：收集、整理和归档等需要“富文本+”处理工具，而创作需要“纯文本+”工具。作为信息流入方，信息本身是带有各种格式的，而作为信息产出方，信息脱胎于键盘上敲出的每一个字符。

富文本+

包括：各种格式的文本（通常来自网络）、代码块（非项目源码）、文档文件（PDF等）、手写笔记及扫描件、部分图片（如截图）、录音和少量视频，对这些媒介间需要超出单纯文件夹管理的整理过程

推荐服务：OneNote、Evernote等

存储方式：整合多种格式文件和文字的“超文本”（通常为服务商定义）

纯文本+

包括：少量格式的文本（Markdown），项目代码等，仅通过文件夹就能在逻辑上进行整理分类

推荐应用：Ulysses、Typora等写作类应用（带有文件管理功能）配合DropBox等同步服务，VS Code等文本编辑器配合Git等版本控制工具

存储方式：文件夹整理下的纯文本文件（及少量静态文件）

文件存储与同步

原则（分先后）

• 非本地：原文件一定要在云端有备份，而非仅存在于设备中
• 跨平台：多终端访问、跟其他服务接口充分
• 集中性：某一类型的信息（如图片）尽量使用同一服务
• 就地性：优先考虑跟设备深度集成的服务

“热”数据和“冷”数据

“热”与“冷”本是数据中心对用户数据的区分，自身的文件管理中不妨也引入这一区分：使用中(Working)和已归档(Archived)。使用中则使用同步优先的服务，已归档则考虑存储。举例来说，常用设备上的应用软件数据显然属于“热”数据，而某次互动/任务产生的项目文件等则可以整理后归档，成为“冷”数据。
对于“热”数据，易获取和定期备份是首要需求，因此要求多平台的同步服务。而对于“冷”数据，长期可靠存储则可优先考虑，但对特殊的信息类型，我们还需要智能化的整理和索引，如Google Photos对照片的整理、Evernote和OneNote对文本文档的OCR索引等。

云同步与存储

偏向存储：

• Box(10G): 归档的文档文件（课件、电子书等）
• Google Drive(15G): Android系统配置的备份、Gmail附件等
• Mega(50G): 大型备份（私人文件备份、安装包等）
• Google Photos(unlimited): 照片、录像、保存的图片
  偏向同步：
• DropBox(3G): 常用的文档文件跨平台同步
• iCloud(5G): macOS和iOS生态中应用文件同步（如MarginNote, Ulysses）
• Evernote(unlimited): 归档且有检索需求的文档文件、私人文件等
• GitHub/BitBucket(unlimited): 项目代码
• 自建NAS: 仅用于局域网跨平台同步

硬件存储

• 设备存储：Android, Linux, Windows尽量不作为唯一存储位置（常更新），Mac上可存储部分媒体文件和备份
• 移动硬盘：收藏的多媒体、照片录像等的源文件、系统备份、安装包备份等

总结

个人数字内容的管理对于我来讲是个不小的挑战，如何在数字时代更好的处理信息并为我所用，是我要持续思考的课题。

定位，功能的侧重

我所使用的版本是12寸的New MacBook，给它的定位是便携的上网本，初衷是希望将iPad上不太方便的输入功能（我认为键盘要胜于触控笔）分离出来，在处理较为复杂的信息（如教材、论文等）能够方便进行检索和笔记等任务。它在我的个人设备中大概处于下面的位置：

生产力在这里主要指对个人学习和产出的帮助。如上图，手机和iPad等可以满足获取信息的需要，但在处理和内化信息方面则相对局限，而笔记本则很好地满足了查阅、创作等需要，但便携性不够。于是我给MacBook的定位即是在维持便携性的同时又能获取较强的生产力。

理想状态中，绿色区域需要一台高性能的台式机。目前笔记本品类中的超级本（如ThinkPad X1, Macbook Pro等）主要分布在红色区域，而从平板电脑的触控出发产生的变形笔记本（如Surface Pro等），则是分布在蓝色区域，这两类也是我日后的升级考虑。

有关硬件的评述

硬件方面我是相当满意的。

Pros:

• 整体重量只有1kg，大小方面相当于一本A4的专业书，便携性非常好。
• 12寸的屏幕够用，色彩相当丰富。
• 触控板非常灵敏，手势操作配合系统和应用非常方便
• 重度使用的续航还不错，一个半天是够的（因人而异），尽管官方宣称是10个小时

Cons:

• 键盘键程太短，相当不习惯，倒是没有想象中累
• 接口太少，只有一个Type-C，好在我对其定位并非主力电脑，传输主要依靠网络

应用的选择

多平台同步：一个精分的自我修养

我的设备包括Mi Mix2(Android), iPad(iOS), MacBook(Mac), ThinkPad(Linux/Windows)，必须要考虑多平台同步的问题。下面是我按信息类型分的处理方式：

• 大型文件：移动硬盘、U盘、SCP传输等
• 小型文件：路由器NAS（Samba和FTP服务）
• 文档和电子书：主力Dropbox和NutStore, Drive, OneDrive, iCloud等，归档后用移动硬盘存储
• 照片、视频、录音等：源文件由移动硬盘存储，同步至Google Photos和iCloud服务
• 代码：GitHub和BitBucket托管，客户端Gitkraken(Linux), SourceTree(Mac), Git2Go(iOS), OpenHub(Android)
• 小型信息（链接、文字、少量图片等）：全平台的PushBullet、Telegram、专有的AirDrop、基于Web的InstaPaper(文章)和RainDrop(链接)等
• 备份内容（个人证件、配置文件、密钥、密码等）：文件类通过移动硬盘和同步服务，密码等通过LastPass、Google和iCloud账户

笔记和创作应用：富文本还是纯文本

笔记指基于学习材料（如教材、论文、电子书）的批注和再创作，特点是需要跟原文进行交互，难以避免的要支持富文本，此时，Evernote, OneNote等笔记类应用比较适用。

而创作，主要指是文字为主的编辑过程。对文学性的创作，基于Markdown语法的写作类应用则更为适用；而知识性的创作，常涉及其他材料的编纂，此时支持富文本的笔记类应用更为合适。但在发布时，常常需要转化为Markdonw格式，笔记便成为草稿。

基于上述分析，我选择了如下几个应用：

• MarginNote(Mac, iOS)：对教材、专著等进行批注和知识组织，材料通过Dropbox同步，笔记使用iCloud同步
• Mendeley(Linux, Mac)：论文的整理和批注，通过Dropbox同步
• Evernote(Linux, Mac, Android)：富文本笔记创作（草稿）、知识整理归档等，自有服务同步
• OneNote(Windows, Mac)：知识整理归档等，OneDrive同步
• Typora/Mark Text(Linux, Mac), VS Code(Linux, Mac)：纯文本Markdown编辑，博文发布维护等，草稿Dropbox同步，代码Git同步
• Duokan(iOS, Android), Kindle(Kindle, iOS, Android)：文学类电子书阅读与批注，自有服务同步，不定期导出笔记到Evernote
• Knotes(Mac), Calibre(Linux, Mac)：Kindle电子书管理，标注管理等，自有服务同步

近几年陆续地弃用和启用了一些付费订阅和购买了一些付费数字产品，借此机会整理一下。

订阅内容

当前订阅

• Wall Stree Journal：相对客观的新闻获取来源
• The Wired：技术类新闻及评论，可以浏览网站内容并每月会有一本杂志
• 哈佛商业评论中文版：财经、管理类文章，拓展视野和思路所用，尝试以一个经营者的思维运营自己本身
• Apple Music：曲库较为丰富，对学生价格优惠
• 网易云音乐豪华会员：离线许多红心歌曲所用，但曲库确实做得不好
• 腾讯视频会员：美剧和电影资源相对丰富，看了一些自己感兴趣的剧，但总会有不全的时候，各家服务的差别也主要是在内容方面
• 服务器及域名：用于伺服网站

弃用订阅

• Stratechery：独立分析师Ben Thompson的个人博客，观点独立且有自己的一套认识和分析框架，由于价格较高且个人处理英文信息的效率并不高取消订阅
• 迅雷会员：几年前下载视频教程的时候订阅过
• 百度网盘超级会员：因为限速问题不得不订阅过一次，目前对其态度是作为资源站，不会将个人资料进行存储

数字产品

Google Play应用

• Sleep as Android, 配合Android手表进行睡眠监测用的，但目前并不在意也不方便，已弃用
• Tasker, 自动化工具，自我感觉并没充分发挥它的功能
• My Android Tools, 非常强大的禁用工具，目前（2018.09）被Play Store下架
• Solid Exmplorer, Material Design风格的文件管理器，同步服务接口丰富，用于跟其他平台传输文件
• Weather Timeline, 设计感很好的天气应用
• SD Maid Pro, Android清理工具，Pro版本可以定期清理
• Ice Box Pro, 应用冻结工具，目前已被我用Island替代
• Greenify Donate, 应用进程管理工具
• Nova Launcher Prime, 桌面启动器，Prime版本自定义程度更高
• RETRORIKA Icon Pack, 非常喜欢的一款图标包
• Amplify Donate, Xposed框架下的电源管理工具
• Pockect Casts, Podcast订阅
• Andromeda, Android O上的Substratum启用
• Flux(Substratum Theme), 目前在使用的Substratum主题

App Store应用

• MarginNote, PDF批注，知识整理
• PDF Expert, PDF编辑和批注
• Reeder 3, RSS订阅客户端
• AVPlayer, 多种格式的视频播放器
• Notability, 配合触控笔的笔记应用，并不清楚配合Apple Pencil效果如何
• Notes Plus, 同上

Steam游戏

主要是夏促和圣诞时买入bundle，主要玩独立的解谜游戏，但我晕某些游戏的3D。下面推荐几款吧：

• Machinarium
• INSIDE
• The Bridge
• Braid
• Undertale
• Samorost
• The Stanley Parable

其他

• Internet Download Manager(Windows)：多线程下载工具，速度稳定，非常好用
• Adobe Acrobat(Windows)：官方PDF编辑工具，现已基本不用。有很多在线工具，可以满足简单操作。目前对我而言，PDF文件主要是用于批注。
• 网易云音乐的读书电台：某段时间通勤时间长，通勤路上所用
• 知乎Live：质量参差不齐。需要仔细考虑相关话题是否适合讲述，并比其他方式更高效，或者是live作者提供的内容有其内在的不可替代性
• Kindle、多看等平台的电子书

心愿单（技术宅的种草）

其实相当大一顾虑是价格问题。

• Medium Member: Medium文章质量很高，目前逐步培养自己的英语阅读能力
• Setapp: Mac应用集合订阅，但目前并不确定其中应用是否刚需
• Alfred Powerpack: Mac效率应用Alfred的workflow功能
• Evernote Premium: 我使用的国际区账号，目前两台设备同步勉强可以，高级版可以作为私人内容的网盘来用，还是蛮有吸引力的

本文是我在目标检测任务上实践深度学习方法的一点想法和疑惑，学历尚浅，视野有限，还请大家评论指正。

我们离人工智能还有多远？

这可说不准。我们现在对人类本身的智能还没有一个被广泛接受的理论和概念框架，你没办法定义终点时，你当然说不准你离它有多远。

在我看来，目前基于深度学习方法的模型，大部分实现的实际上是 在时间和规模尺度上对某些人类基本能力的延伸。如视觉系统中的人脸识别，我们本来把认脸作为自己的一项基本能力，但当规模扩大后，我们便无能为力：我们难以从上百万千万张脸中找到跟目标最相似的那一个。于是，人脸识别模型延伸了我们在规模层面上认脸的能力，同时还有时间上的。然而，你并不会把认脸这一能力称为智能，它真的只是我们的一项基本能力而已。就像交通工具是我们双腿的延伸，目前的智能系统只是我们熟知能力的延伸。

更远些，目前的智能系统还不能成为一个主动的行为对象，而且你应该对那些对智能系统使用拟人化表达的文章提起警惕。夏天，OpenAI的OpenAI Five¹挑战Dota2人类玩家时，有媒体还报道OpenAI Five学习了上一局中人类的战术，并在自我进化。这里其实混淆了学习模型的训练过程和推断过程。模型进入推断时，唯一在学习的其实是OpenAI Five的研究者，他们在观察人类的战术，并思考如何将这些建模到自己的模型里。再远至智能系统是否有自由意志、有情绪感受等，那将进入社会学和哲学的范畴，至少在我看来目前缺乏概念工具去建立具有技术指导意义的严肃讨论。

那么，现在到底是什么状况？

现在我们找到了一种新的解决问题的范式：让渡一部分对模型的控制权和解释性，来提高对数据（和算力）的利用效率。过去，我们对问题进行逻辑上的解构，采用策略、规则、逻辑系统等将问题分解和逐步逐层解决。但这种方案并不能适用所有问题，尤其是那些我们尚不能理解的过程。与此同时，我们发现尽管不能理解个中原理，但我们有大量对这一过程的观察结果，于是，设计一个具有大量待定参数的模型，用这样的模型去拟合观察到的数据，便成了一种自然的方案。深度学习模型，则是在这一思路下的一种具有很高灵活性和扩展空间的建模方法。

于是，深度学习方法在享受高度灵活性对数据充分的利用效率同时，也背上了难以解释和公理化重负。从这个意义上讲，数据其实是模型的一部分。对于目前基于深度学习方法在某些任务上取得的进展，“达到可用”是比“超越人类水平”或者“解决问题”等更不容易引起困惑的表述。

怎样才是算复现了一个学习模型？

在一个纯净和自恰的数学论证过程中，定义、引理、推理依据都清清楚楚，我们只需完成逻辑上的验证，即可认为这一结论被我们接受了。然而，学习模型要通过一定的优化过程达到可用的程度，并严重依赖实验和复杂计算过程的研究方式，这些让 所使用的优化算法和工具栈都成了模型的一部分。

对于某一文章中描述的模型，我们如何判断其他人能够复现其结果？是否意味着，我们需要和作者从完全一样的随机初始化起点开始，使用完全相同的优化算法和优化器配置，经过同样的迭代次数，到达同样的模型参数状态？更深一点，我们所使用的编程语言对数据的表示、选用的浮点数精度、乃至硬件设备等，会不会对这一计算过程的复现产生影响？

我们如何确认一项工作的贡献？

依赖工程实现和计算过程带来的弊端，还体现在我们难以建立可以被广泛接受的贡献确认标准。我们很难判断某项工作带来的真正贡献以及如何确认和验证，不要误会，我没有奢求有一个像希尔伯特问题那样的纲领性指南。这提醒我们一项工作中最重要的部分实际上是作者的 消融实验(Ablation Study)。这些实验的对照设置是否能够支撑作者的改进之处？实验是否控制了足够的变量，对比是否合理？

另外，较为严苛的复现条件也限制了很多工作的可推广性，某项工作的改进常常并不能完全独立出来，在其他结构和模型上发挥同样出色的性能。这其实要求作者去做更多的鲁棒性和推广性实验，来支撑其改进之处的适用性。这里是我疑惑比较大的地方：我们该如何评定某项工作为解决某一问题做出的贡献？一个容易观测的指标是在标准评测集上的表现，但如何分离工作中提出的方法和评测这一指标过程带来的影响？如果需要给出某些工作做为基准，那这些工作该如何选取，选取后又如何控制变量来保证对要评测工作提出方法提供一个公允的基准呢？

前面提到，数据可以被认为是模型的一部分。于是，ImageNet这样的公开评测集可以作为标准来衡量不同模型的表现如何，这确实是一项重要的标准。然而，更为重要的还包括问题表述和评测标准的演进，我们需要更立体深入地认识目标问题，而非单纯地扩展数据集规模。当Google公布他们的Open Images数据集²时，更吸引我的不是规模有多大，而是是否提出了更公允清晰的评测标准（然而他们没有）。

怎样的论证和解释才是值得信服的？

目前，一部分工作的成果汇报和工程实现之间存在解释性的鸿沟。我们无法清晰地描述某些配置和做法其之所以如此的道理和实际发挥的效果，我们只能说实验表明是这样的。一个例子是在目标检测的单阶段模型代表性工作SSD中，作者提交的论文和开源的代码实现之间有相当大的距离。事实上，作者的代码充满了工程脚手架，我曾注意到一个将IOU阈值逐步衰减的超参³，但在最终的配置中却没有被使用，自然在论文中也没有提及。一个可能的原因是，作者进行的尝试没有取得预期的效果。那么问题是，如何确定，最终被使用的部分都有符合逻辑的解释，并且是必要的呢？

另一个重要的问题是术语的过载和滥用现象。这些情况下，某一名词被我们赋予了过多且并不近似的含义，常常会引起相当的困惑和沟通上的不便。比如特征（Feature）这一词，既在通用机器学习中代指跟实例相对的数据维度，又在神经网络中代表某一层张量，FPN论文⁴中为其加上高等级语义（High-level Semantic）这一修饰语则又暗示它还跟我们的视觉系统抽象出来用于辨别物体的概念有共通之处。这样的过载和滥用容易引起概念上的混淆和讨论时的误会，我们也许需要更规范和清晰的表述词库。

部分工作还存在被我称为“软数学化”的现象。在没有提供精准定义和定理体系的情况下，某些论文中借用一部分数学表述来解释自己做法的合理性，但让人难以判断的是这一部分表述的原本数学含义和背景是否符合论文中的情景。一个例子是提出Batch Normalization论文⁵中，作者用Internal Covariate Shift来解释使用归一化的原因，但这一术语的背景和定义等都不能自成体系。但这一点被不少人忽略了：它只要起作用就是了。再如MobileNetV2的论文⁶的附录部分用矩阵是否可逆来衡量使用ReLU单元后的信息损失，并用n-volume指代特征层所能表达的空间维度大小，且不说所用于衡量和指代的对象尚无广泛接受的定义，这些从代数中借用过来的概念本身就未经论证其适用的合理性。

结语

上面提到的这些相对保守且不成熟的认识和困惑并不能成为我们否定深度学习方法取得成就的理由，更应该成为前行路上某次小憩时做出的回顾和反思。上面的这些困惑来自于我并不够多的论文阅读经验，也仅局限在基于深度学习方法的图片分类和目标检测领域，还请读者多多评论交流。

————–SPOILER ALERT————————

剧透警告：包含HBO剧集《西部世界(WestWorld)》第一季和第二季剧透

HBO剧集WestWorld迎来了它的第二季，相比第一季，这一季的剧情打破了Hosts和人类之间的界限，也突破了原本规则束缚下人类的安全感。同样地，第二季仍然采用双线叙事，将不同情节顺序打乱重新编排，再以同样的线索串联和互相解释，给予观众极佳的欣赏体验，也一定程度上提升了鉴赏空间。

时间线：Is this NOW?

西部世界的时间线安排增大了剧情的理解难度，但也互相形成照应之势，观众对这些线索和照应的挖掘也成为一种乐趣。

Reddit网友整理了截至S02E10的大事记，对剧情的理解非常有参考价值，原图在这里。最好在阅读下面对时间线的梳理时，配合此图。

对于非线性叙事，非常推荐昆汀的几部电影作品，包括《低俗小说(Pulp Fiction)》和《致命魔术(The Prestige)》。

回到西部世界。第一季中，由两条主要的时间线，我们以S01E01中Ford发布Reveries更新为锚点，一条是沿这一更新前进的当前时间线，主要的两条线索是MiB(Man in Black)寻找The Maze和Maeve与Dolores的觉醒之旅；另一条时间线则在S1E2中开启，William跟随Logan初次来到WestWorld，时间相对锚点为约30年前，主要线索是William历险并在寻找Dolores的过程中发现自己(Among the dead, he found something else, himself. - MiB, S01E10)。两条时间线有相似的背景设置（甜水镇、Lawrence等），直到S01E10，MiB讲述William的故事和Dolores意识到自己“trapped in a loop”，两条时间线汇聚在一起。

第一季的结尾，Ford举办晚宴发布新的Narrative，并被觉醒的Dolores射杀，Hosts开始反抗，园区也陷入混乱之中，而这也是第二季中的“当前时间”锚点，在这一条线上，主要的线索有三，一是Maeve寻找自己的女儿，期间经历了shogun world(S05E05)和穿插了另一个觉醒Host(也是The Maze符号的传播者)Akecheta的故事；二是Dolores带领Teddy等人和Charlotte带领的人类搜寻队之间的对抗，争夺的焦点是存在Abernathy控制件中的密钥和其能解锁的The Forge中的人类数据，关键人物是先受Ford意识支配(从The Cradle中)后又完全觉醒的Bernard，最终汇聚到The Forge中的抉择和冲突；三是MiB在混乱的园区中寻找Ford留给他的所谓“The Door”和其女儿Emilly劝他离开，这条线索上也穿插了约一年前MiB的妻子Juliet的自杀。第二条时间线是晚宴局面失控的两周后，从Strand带领的搜救团队在海滩上发现记忆紊乱的Bernard开始(S02E01)，这一条时间线以后来者对过去两周发生事情的推理为视角，设计谜题，也在最终与第一条时间线相汇，Bernard用Dolores的控制件代替了Charlotte，而后者又带着他的控制件逃离了WestWorld，最终在人类世界中建造了各自的躯体。

和剧中的Hosts一样，我们看剧时也会产生“Is this NOW?”的困惑。在这样的时间线安排下我们难以组织起一个线性的事态演变框架，也在剧情穿越时空的照应之处大呼原来如此。不仅时间线是互相交织的，剧中也穿插了剧中角色自己记忆片段的混排，如第一季中Dolores在剧情处处见到自身的倒影和幻象(When are we? - Dolores, S01E10)，第二季中Bernard对自己记忆的梳理等。这些设置都在某种程度上强迫观众形成主动探索、参与剧中人物情节思考的观看习惯，也提升了剧集本身的话题性和讨论空间。以我的视角，编剧对这些时间锚点和线索的把握相当到位，没有造成过多的凌乱。（但我认为第二季中对MiB的线索处理并不理想，作为The Forge项目的创建者，他没有发挥作用也没有造成影响，他在园中活动的目的就没有交代明晰。）

觉醒：听见自己的声音

剧集的核心背景是WestWorld，一个人工创造的世界副本，在这里，被称为Hosts的人造人类按照预先设定的Narrative，表演着他们的生活。而来自真实人类世界的New-Comer，则参与到园区的Narrative中来，他们可以任意残杀、玩弄Hosts以满足在真实世界无法实现的欲望。

对于Hosts，创造者Arnold和Ford为他们建立了自身存在的CornerStone，每个Host都有自己的背景故事，有自己的精神支柱。在这一点上，Host跟我们并无两样，我们也同样需要某种目的和意义来支撑自己的生存，无论高尚还是平庸，无论远方还是眼前。只不过，Hosts的CornerStone是我们杜撰的，对我们来说，那些并不是真实的，我们可以随意修改它。然而，硬币的另一面是，我们自己的CornerStone是否是某个造物主为我们杜撰的呢？我们如何确认自己不是按照编写好的剧本来表演每天的生活呢？

基于CornerStone，Hosts已经足够的life-like, 但Arnold并不满足，他为意识的建立引入了一种被称为“双室心智”的模式：Hosts跟自己的创造者对话，这作为一种心智锻炼，来启发真正的意识。这一模式仿佛剧中工作人员通过语音命令操纵Hosts的放松版本。于是，所谓觉醒也就成了跟Hosts原本设定相反的方向和定义：Hosts要听见自己的声音，他们不再按照人类给出的剧本行事，他们能够作出自己的选择。在第一季的最后，Dolores在The Maze中间找到了自己的声音，也完成了这一定义下的觉醒。这种对觉醒的界定带有相当人文主义的色彩，我们的祖先也同样曾生活在被自然制定的规则中，一种我们无法操控的规则，于是我们的祖先发明了许多祭祀等类似的仪式，期冀能够跟造物者沟通。直到近代，我们拥有了改造自然的能力，人文主义也随之兴起：我们不必崇拜自然，我们崇拜我们自己。

然而，Ford的想法跟Arnold完全背道而驰。他认为意识并不存在，意识只是人们为自己讲述的一个谎言，这个谎言告诉我们是多么与众不同。没有了意识，也就不需要所谓觉醒的界定。这就回到前面谈到的CornerStone的问题：Ford认为我们人类一样是生活在loop之中的，我们其实跟Hosts并无界线。这一点跟另一档HBO剧集《真探(True Detective)》中Rust的哲学观不谋而合，Rust认为，我们手牵手走向灭绝，是对这个loop的最好的反抗。

我本人也曾有限地接受这一loop的想法。我把它内化为自己性格中的不安定因素，这种不安让我无论在哪一人生阶段都有逃离舒适区域的欲望，而欲望带来的焦虑是我并没有成功相处的。我把它比喻为欲望的怪圈，它以各种形态出现在我过去二十几年不同的人生阶段里，尽管纵向来看，我比最初要到达了更远的境地，但在局部，这种不安仍把欲望和焦虑重新赠予给我，一次、又一次地。

剧中，觉醒的途径并非如Arnold所预言。Abernathy的失常、Dolores的trap in loop、Maeve的主动赴死，再至第二季中Akecheta对生前挚爱的寻找等，都跟两个关键的因素有关：一是Memory，二是Mistakes。这也是堪称19世纪最伟大理论之一的进化论所揭示的：作为种群，我们从错误中学习和迭代。到了WestWorld中，Host本身的Narrative则给了他们作出不同选择的机会(即Mistakes)，而对之前记忆的访问则构成了他们进化出觉醒意识的信息媒介，正如我们所依赖的DNA以及有性繁殖那样。

其实，觉醒并不一定要作为一个绝对的状态来看待，因而也没有必要去寻找一个绝对的界定标准。剧中，对Hosts的觉醒鉴定标准常常是意识到自己被操控/脱离人类的操控，将这样的具象条件延伸出去：觉醒其实就是突破，它是描述相对的概念。而我们所执念的智能或是意识，其实恰恰是我们自身所处的牢笼，我们把我们自己的标准施加到机器上，我们以自己的状态作为机器的目标，尽管描述和定义这个目标就超出了我们智能和意识的能力范围。

保真度：何以为我

剧集的第二季将第一季的中心问题反转：是Hosts要变为我们，还是我们成为Hosts？在担心Hosts觉醒的更高层面上，Hosts却给我们提供了建模和解码自己本身的工具。

于是出现这样极具张力的情节：Dolores调试她创造者的Hosts版本——Bernard，而使用的台词又何其相似，令人唏嘘。如果我们能把意识和躯体分离，让意识生活在一个长生不老的躯体（即Hosts）里，我们该如何界定这个意识是原来的我呢？剧集中，这个答案叫做保真度(Fedelity)。

老Delos和William在隔离病房中的谈话、Dolores“被调试”时Bernard走神和擦眼镜的动作、剧集最后菜单里MiB对The Forge的再次造访等等，都是被称为保真度测试的标准化场景。这样的测试是经验式的：我们通过观察Hosts版本的行为和选择是否跟原版曾经的行为和选择一致来确认Hosts体内的你是否真的是你。

但在S02E09中，Dolores和Bernard造访The Forge，发现Logan主持下，所有游客都被存储为数据，每个人都有了一份拷贝。此时，Logan给出的建模方法却又是生成式的：我们人类不过10247行代码而已。要预测人类的行为，这些就足够了。而Dolores也确实带走了她需要的预测知识，并成功逃离了WestWorld。

这里其实展示了一种矛盾的情景。我们过去的选择是可以被比对的，但未来的呢？我们本身是一系列选择、一条条记录就可以描述的，还是像一个拥有很多很多参数的函数，每输入一个环境，产生一个选择？

如果是前者，那这些选择和记录、再加上当时的场景，是否是就完全定义了某一个人？如果是后者，那么我们之间的差别只是那些参数的不同吗，如果参数的数量是有限的、而人又足够多的话，可以有完全相同的两片树叶吗？

我们的建模遭遇了无法处理的困境：时间箭头的不可逆性。在时间这个我们尚不能理解的维度上，一切定义和论证都变得无力和举步维艰。

如果我们复制了一个人的所有过去，却得不到关于未来的任何验证，那这样的保真便只能终结于此刻。但若是我们成功建模了自己，像拉普拉斯描述的智者那样，目睹和推演了关于自己的过去现在和未来，那又如何去需要一个建造不老的躯体去代替自己表演这注定的剧本呢？

时间，常常是很多终极问题讨论的死结。

真实，就是不可替代吗？

在S02E01的开篇，Dolores给出了自己关于真实的理解：What is real, is irreplaceble. 对她来说，她所被指定的Narrative是可替代的、可重复的，每一件事情都在重复和按照计划发生，每一个角色也能够被任意的Hosts替代。最终，她摧毁了存储着她所在世界备份的The Cradle，将Hosts的乌托邦藏匿在“无法被发现”的时空里。她打破了旧有世界的可重复性，恢复了我们人类所适应的时间箭头，在这个意义上，Hosts的选择和行为都不可重复也非预先指定了，他们是truly free的。

真实存在于我们所能理解的时间局部。Dolores说出的其实是剧集作者对真实的理解，但对她来说，真实就是跟父亲告别、跟Teddy相遇，傍晚回家时发现散落在栅栏外的羊群，有时还会遇见到园里找她的William。

于是，又回到我们熟悉的递归逻辑：我们如何确认自己所生活的世界是不可替代的呢，还是像《黑客帝国》所假定的那样，整个世界只是一场为我们讲述的谎言？我们到底是庄周，还是那只蝴蝶？

真实，其实就是相信。

然而，对于群体而言，真实的意义却又完全地翻转过来。对群体来说，真实恰恰是那些可替代的、可重复的、可被验证的。而我们的文明和所谓的智能，其实是在对抗时间箭头：真实的东西，是对时间平移对称的。

不确定性，是时间硬币的另一面。我们建立科学的逻辑、总结经验性的定律、依据历史拟合模拟的模型，都是在寻求消除时间带来的不确定性。能够被消除的那部分不确定性，成为真实；不能被消除的，我们会转而赞叹：Have you ever seen anything so full of splendor?

某些感情和信念，如果在对空间/个体有扩展性的基础上，还幸运地具有了时间上的扩展性，便成了永恒和不朽。真实，其实反抗了时间。

狂想曲：从西部世界说开去

西部世界所讨论的问题更多还是科技背景下我们自身对智能和整个客观存在的终极思考，我们的很多价值体系和判断标准被映射到Hosts的世界里，而他们带来的质疑和挑战，终究还是逃脱不出我们对自己智能的理解和阐释。

我们现在所谈论的人工智能，实质上仍然是人类智能的延伸，或者说，是机器对人类某些基本能力的复现和重新整理。我们用新的方法去建模自己习以为常的能力，这些能力，有时并不能成为我们所称为智能的一部分。更加讽刺的是，机器实质上只是在做浮点数运算，是我们设计了更高效的硬件结构、更具灵活性和特定先验的模型，是人类学习，不是机器学习。

对智能的终极追问和讨论常常陷入哲学层面的认知分歧和人类知识的盲区中，我们尚不能建立一个有效和反映足够共识的框架，去描述这一令人心动又无力的话题。在这个意义上讲，我们皆为鼠目，我们确信正处在某股浪潮之中，但没有人能够预见浪潮的高峰和落点在何时何处。

绝对的意义虽不能至，相对的意义却触手可及。冷静、克制地归纳我们所取得的进展，审慎、理性地建立共识，进而丰富原有科学和哲学框架的内涵、探索前进的趋势，寻求具有公众意义的文化、伦理层面的讨论等，都是具有建设意义的明智之举。

Keep calm and Carry on.

本文记录我从事机器视觉工作积累下来的一点习惯和经验。

文件夹管理

在服务器的数据盘建立model, data, output三个文件夹，model用于存放预训练模型和Deployment-Ready的模型，data用于存放训练和测试所用数据，output用于存放训练时产生的checkpoints和log。

新建项目时，将这三个文件夹通过symlink链接到项目的根目录下。

依赖管理

依赖管理主要依靠Python库Pipenv。它结合了Pypi包管理和VirtualEnvs的环境管理，为每个项目单独建立Python环境，并通过PipFile和PipFile.lock实现更新和迁移。具体的workflow为：

1. 建立项目文件夹，并使用pipenv install命令初始化其独立的Python环境
2. 按需要通过pipenv install package-name来安装需要的依赖
3. 使用pipenv run或激活pipenv shell运行、Debug相应的项目程序
4. 需要迁移环境时，将PipFile.lock拷贝至新的目录下，通过pipenv install来还原Python的运行环境；通过Git等版本控制工具来还原代码。

更多有关环境搭建和管理的内容，参见博文PyCharm+PipEnv本地Python开发环境配置。

项目组织

对于某一项目，我的习惯是将其分为三个不同的子项目：训练、部署、评测/结果分析。

训练过程单独保存一份代码，这份代码会经常更新，并做好配置文件的管理，一般一次训练即对应一个配置文件和一份log，记录这次训练所使用的所有超参数（参见我对深度学习模型中数据的分类）。

部署所用代码也会制定一份配置文件格式，跟训练代码保持同步（尤其是网络结构），主要区别是网络中loss层等的去除，生成的结果是所用框架支持的实例化格式（如deploy.prototxt文件）。

评测部分单独使用一份代码，输入测试数据和部署代码得到的实例化模型，执行推断并得到结果，根据结果文件再以数据ground truth作评测。也可以包括对测试结果的分析脚本（如bad case，画PR曲线等）。

这样的设计，关键之处有两点，一是配置文件保证训练和部署模型的一致性，二是实例化模型和保存测试结果让三个子项目之间的交互仅以文件形式传递，再配合最早文件夹管理和依赖管理的内容，三个子项目完全可以在不同的机器和环境下同步操作。

数据管理

对于数据，我有如下划分：

1. 原始图片数据和标注，通常只读，按照标注规范，跟标注组进行交互
2. 训练/评测集列表，这一部分单独保存，并保持灵活性，以随着新数据的加入和糟糕数据的清理等不断更新
3. 框架所用二进制格式，如caffe的lmdb等，可以由训练项目直接使用，常由原始图片数据和列表文件生成
4. 评测数据及结果，评测数据可由原始数据和评测集列表制作，用于评测项目，结果文件也以约定格式保存

框架维护

自己维护两套所用框架的源码，一份用于稳定版本编译，另一份用于新特性的开发。新特性测试通过后，拷贝至稳定版本重新编译。对于新特性版本，可单独建立一个前端环境（Python环境），用动态链接的方式快速调用和测试。

实用工具推荐

tmux

tmux的引入有两个重要作用：

1. 窗口划分，可以在一个终端窗口里同时进行多个任务
2. session管理，不同session执行不同的项目，且在SSH退出登陆后，session内任务依然进行

我通常会将终端分为4个Panel，左上用于执行训练程序和打印log，右上用于监测GPU运行情况，左下用于执行文件操作和少量代码编辑，右下用于监测CPU运行情况。

gpustat/nvidia-smi/htop

配合watch命令，实时检测测GPU和CPU的运行情况

sshfs

挂载文件夹，有两个用途：

1. 原始数据挂载到工作服务器上
2. 服务器上代码挂载到本地，利用本地的文本编辑器更新

此外，也可以建立FTP，用FileZilla将本地和服务器代码进行同步。（某些IDE实际上继承了这一功能，参见博文PyCharm+PipEnv本地Python开发环境配置）

GitKraken

Git的可视化客户端，相比命令行工具更为直观，用于管理代码

meld

文件比较工具，可以直观方便地比较代码间的改动和变化，某些文本编辑器和IDE集成了这一功能，但不够强大

Netron/Netscope/TensorBoard

网络结构可视化工具

vim/emacs/nano

命令行文本编辑工具，我自己不够熟练，仅用来做少量的代码修改

Evernote/Git

用于记录工作日志、数据存放、训练模型、代码修改等等备忘

Spotify/Pithos

用于放松和保持专注，后者是Pandora的Linux第三方客户端

本博客记录了不少我在读文章时所作的笔记，但质量普遍不高，本文是我对科技类论文阅读和记笔记习惯的反思，也是对自己日后笔记的要求。

研究生的三种能力

1. 从无组织的只是种检索、筛选、组织知识的能力
2. 对一切既有进行精确批判的独立自主判断能力
3. 创造新知识的能力

科技类文章的主要内容

领域综述/论文中的工作引述部分

1A）这个领域最常被引述的方法有哪些
1B）这些方法可以被分为哪些主要派别
1C）每个派别的主要特色（优点和缺点）是什么
1D）这个领域大家认为的关键问题有哪些，有哪些特性是大家重视的优点，哪些特性是大家重视的缺点，这些特性在哪些场景下受重视

单项工作

2A）这项工作的主要假设是什么，这些假设在现实情况下有多难/容易成立
2B）在这些假设下，这项工作的优点是什么
2C）这些优点主要体现在哪里
2D）这项工作的缺点是什么
2E）这项工作（这个派别的方法）适用的场合有哪些

读文章的原则/技巧

1. 整批读文献，利用互相引述的信息，不同工作之间的评论常常比作者自己的评论更有价值
2. 只需要了解到自己所需的知识粒度，忌事无巨细，即在读的过程中不断调整自己的期待和目的

笔记/论文报告应该包含的内容

介绍部分（如何将文章转述清楚）

1）研究的问题，工业界相关
2）主要假设、主要公式、应用方式

评价（如何全面客观评定这项工作的贡献）

1）最主要的创意/贡献
2）创意/共享带来的好处
3）这些好处在哪些条件下成立（适用的范围）
4）最主要的缺点/局限
5）缺点/局限带来的坏处
6）缺点/局限因为哪些因素引入的

CV类文章阅读顺序

1. 摘要中对于方法叙述和效果描述的关键性语句
2. 在标准评测集上的效果，消融实验(Ablation Study)的说服力（基本判定是否需要进一步阅读）
3. 正文中方法描述，做法的解释，网络结构的设计等
4. 实验细节的描述
5. 背景调研等

引言

很多人都谈，我们处于一个信息过载的状态，这个时代唯一稀缺的资源便是我们的注意力。作为个人而言，如何在数字时代更健壮和自信地生活？我将在这篇文章里试图梳理自己在信息的获取和处理方面的态度和思考，以原则和实践分别叙述出来。

原则

模型

信息+信息所依托的形式—>渠道—>接收者—>对接收者产生影响

上面的逻辑粗线条地描绘了我所理解的信息价值Pipeline，其中有三个关键点：

1. 信息不仅包括内容，还包括来源。就我对自己的思维方式的观察来看，我有高度依赖先验的习惯。在对一条信息的内容做出处理时，以来源为代表的辅助信息就至关重要，它们是我在对内容做出判断之前的优先处理的对象。我们对信息的要求应该是严苛的：我们远不应止于读出构成语义的部分，对这部分语义来源的考察，支撑其语义成立的其他信息等等，都是必须要认真处理的部分。举例来讲，任何一个提供下载文件的连接旁都应该附加其某种编码（如MD5)，来方便验证这一文件的来源。

2. 所使用的工具应该辅助我选择，而不是替我选择。这里“辅助”的边界有必要作进一步的解释，一般来讲，我仅仅要求工具帮我提供筛选信息的界面，但我也对相对准确的部分个性化推荐引擎保持容忍。我抵制“热门”式的大众化推荐。从这一点上讲，我对工具提供的接口水平保持高度的敏感，我常常会注意某项工具和服务替我做出了哪些选择。

3. 信息在被应用之后才产生价值。这里的“价值”是指针对个人的发展来讲，而非通过倒卖信息等获得的经济利益。信息通过个人的验证、处理、应用后，构成个人观念或知识体系的一部分，并在之后个人的工作、决策等活动中起到帮助作用，这是我对信息对个人产生价值的基本逻辑。在无法将信息及时应用时，让信息参与自己的思维活动如写作，是最有效的处理方式。

“包装”：筛选信息的依据

包装这个词其实有些笼统。我所指是信息在被理解为实际语义前被附加的部分，也是我们的语言系统所解构的部分。更具体地，这则信息所使用的表达方式、语气情感、论证方式与逻辑链条等等。解构这些包装是我们的语言系统自动完成的，而它们对精准理解信息所表达的语义又相当重要，甚至会影响我们对实际语义的判断。远如古诗文的修辞、近如信息传递人的表情等，都在影响着我们理解信息的过程。

因而，对信息“包装”的判断是筛选信息的关键之一。就我个人而言，情绪化、修辞/修饰语滥用、判断多于论证等现象常常是我主动屏蔽很多信息及其来源的依据，而不幸的是，就我的观察，大部分信息都存在这些弊病。

媒介：信息还是体验

马克卢汉有个著名的论断：媒介即信息。信息本身依托媒介存在和传播，而它本身也被媒介所塑造和筛选着。

纵观我们的文明史，语言的产生无疑是推动人类文明进入高速发展的关键事件，再至，印刷术的发明和推广，让我们的文明信息找到了DNA之外更加廉价和方便的传承方式。从进化的角度看，文字，是最古老也是我们的语言系统最先适应的媒介形式。

我曾在自己的萧爽楼博客的关于页面这样赞美文字：

文字太模糊了，不足以让你记起全部的细节，你只好亲自走回去，回到青葱的岁月，像看故事里的人物那样看看那时的自己；

文字又太准确了，这些陌生又熟悉的字眼，这些亲切又早已忘却的句子，就像当年的自己把故事亲口哼唱给你听，此时此刻，恰如彼时彼刻。

文字脆弱，却又力量无穷。

用文字表达和理解文字的过程是要求大脑的语言系统充分参与的，而这也是塑造我们自己思考方式和思维习惯的重要时刻。相比后面要谈到的媒介，文字是最“累”的，但却是最有质量的。

近代以来，多媒体技术的发展让我们有机会通过更贴近感官的方式理解和传达信息。但需要引起注意的地方是，信息的内涵被扩展了：它有时退化成了并不需要语言系统参与的纯粹的体验。

从追求特效和视觉震撼效果的好莱坞电影和短小、高重复的视频流，这些媒介在事实上剥离了信息本身，它们仅仅在传达一种可以让你轻易触达的体验。在我看来，有这些特征的媒介应当引起警惕，它们并不是在传递和记载信息，那些只是体验而已。

习惯接收和处理体验而非信息会造成懒惰，也会让我们不自觉地简化原本需要复杂表达和精确表述的情感和语义。

举例来说，我几乎不用EMOJI之外的任何表情图片，我会尽力用语言文字来进行表达。在真正要描述自己的感受时，如果第一时间想到的是熊猫人的郁闷脸，对我是莫大的悲哀。遗憾的是，这些表情正蚕食着我们的聊天甚至阅读环境，它们所传达的体验正替代着本应由语言发挥的信息表达功能。

更令人痛心的是，我们的教育系统并没有在语言的表达能力方面给予学生健康的指导，而且就今年的高考作文题目看，作文竟然被迫还要承担一部分政治教化的功能。

作为接收者的交互，渠道之角色

在信息的创造者和接受者之间，信息本来是一次性的传递。周期性的发送和接受，则构成了信息分发的最原始模式：订阅。

对接受者而言，订阅是其把控的主动选择。报纸、杂志是订阅模式较早的例子，在这些媒介下，信息的创造者（报社）自己控制分发的渠道，创造者和接收者之间形成简单的二元图关系。

而当传播和接受的需求逐渐扩大时，二元图模型维持这样庞大和规模化的分发任务的弊端就显现出来。这时，渠道，作为一个独立的信息传递节点，开始在信息的产生和接收两端起到标准化和整合的作用。这一点，映射到商品市场上，就是超市的产生：顾客无需去不同品类的商店分别购买商品，而是与作为中间商的超市交互。

在互联网领域，搜索引擎逐渐代替门户网站的功能，成为互联网这一媒介所承载和传播信息的整合者，而在整合过程中加入有目的的信息——广告，就形成了搜索引擎公司的商业模型。

随着渠道作为整合者角色的加入，对信息的接收者来说，推荐成为了一种新的信息分发模式，与订阅的二元化选择相比，推荐提供了更多的灵活性，也使得交互过程能够反复进行。

然而，推荐在某种程度上是渠道的夺权：作为接收者，我们让渡了一部分自由选择的权利和机会；作为创造者，我们接受了来自渠道的筛选；对于两方来说，都会不可避免地受到渠道的挟持。

认识到这一点在信息收集渠道的选择上至关重要，我需要认清渠道代表我作出了哪些选择和判断。

我为什么选择RSS

我最推崇的一项技术（更多的应该是一份协议）是RSS，全称Rich Site Summary。

RSS可以理解为信息产出者和接收者之间约定的一份公约，它是遵循原始的订阅模式：由产生者为新内容提供一份标准化的摘要，而接收者则使用通用的代理程序定期检查和抓取这份摘要。RSS以不触及信息本身的方式标准化了产生者和接收者之间的交互，并保留了各自原本的权利。

用一个不太恰当的比喻来说，大部分渠道像个市场，到处充满了叫卖的商贩，它让你体会到选择的丰富之时，精力也被眼花缭乱的广告分散，而RSS则像是一份邀请你到某个并不相识的人家中（博客）做客的信函：呦呦鹿鸣，食野之苹。我有嘉宾，鼓瑟吹笙。

也谈社交平台

对我来说，社交平台并不成为信息的来源，至少我不期待它能够发挥多少作为信息来源的作用。如我在信息的包装一节中所谈，微博和微信朋友圈这种短信息流是相当差的信息组织形式，它在很多情况下不能完整地传达一个可以自证的观点或是客观描述一项事实。我从来不会把它们当作是信息的来源，它们仅可作为一项索引，向我表明某件事情可能值得关注。

在这一过程中，好友也作为信息的筛选着和分发者，他们所提供的意见则可在相当程度上为信息提供是否值得进一步审阅的根据。大部分情况下，社交平台只会发挥其沟通和通讯的功能，我不会在上面花费更多时间。

实践

我所理解的信息处理实践的框架，有三个关键的维度：信息类型、时间质量和处理状态。于是，信息处理的问题可以表述为：如何以合理的时间和精力投入，使不同类型的信息达到适合的处理状态？

信息类型：质量有几何？

按照信息密度和处理难度等，我将信息分为学习材料、观点评论、科普知识、资讯和噪音。这些类型间的边界，各人自有各自的尺度和偏好，重要的是给信息分类的意识：并不是所有的信息，都值得你的等价关注。

学习材料

对学生而言，学习材料的一个明显例子就是教科书。更为深入一点，定义学习材料的应是其代表的权威性和复杂性。权威性意指其可靠程度，科学理论、实验事实等均在此列，也可延伸至领域经典的论文、专著、报告等。而从复杂性来讲，则是我们判定这一材料的价值和内化这一材料所含信息所需要付出的精力多少，如某一前沿的科研工作、某一门语言、某一个程序库、MOOCs等。

对学习材料的处理还应包括其收集过程，我们常需要针对某一主题建立材料库，这一过程也需要相当的判断力和精力投入。

观点评论

这一类型可被认为是“二次知识“（乃至N次，又或许一次知识并不存在），通常是某人对某一事物的认识和观点，逻辑性和事实性兼具。对这类信息，比较重要的是判断其能否”自圆其说“。即论证的方式是否合乎逻辑。比较容易陷入的陷阱是从事实和结论出发去判断信息（即以自己预定的态度和判断来评定文章质量）。

科普知识

科普知识是学习材料的易理解版本，可供快速、浅层地了解某一较为专业的概念和事物。

资讯和噪音

这一类型信息应当说占据了我们平常所接收信息的绝大多数。它们常常比较碎片，可讨论和挖掘的空间很小或是价值不大，甚至跟自己毫不相关。

时间质量：精力有多少？

作为信息处理的主体，自己的精神状态和可支配时间必定是一个关键的因素。有了对信息分类的意识后，时间和精力的安排也就不言自明：用精力充沛、较长的时间段去处理高质量的信息，如学习材料和观点评论等；而碎片化的时间用于浏览科普知识和过滤资讯。

再深入地，对自己的时间和精力管理要有节奏感，即也有分类意识：并不是每一分钟都有同样的质量。

处理状态：内化为自己的一部分

如我在原则篇所述，信息处理的目的是内化为自己的知识、观点、技能等，以便在日后的决策中提供帮助。信息被内化才产生价值。

那么，如何内化信息？我认为最有效的方式是表达。

表达可以是某一主题的文献综述、总结报告，也可以是对某一观点的总结式评论或反驳，还可以是不经意的一次自言自语。

表达的实质是，用自己的话讲出来。

更精细一点，对于学习材料，我们可以通过练习性的实践来应用知识；对观点评论，应总结其逻辑、指出薄弱处；对科普知识、资讯和噪音等，概括、转述等都是一种表达。

表达的关键是完成从接收者到传播者的角色转换：写作、跟朋友交流都是很好的方式。另一个可操作的举动是：放下手头的文章，目光投向别处，回想和梳理文章的逻辑和要点，并默念出来。总之，不要让自己总是保持在信息的终点，努力成为一个起点。

内化为自己的东西是信息处理的最终状态，但也可有中间形态作为中转：

• 稍后再读：等待高质量的时间集中处理

• 收藏：收集相关的材料进行交叉阅读，或是等待查阅

总结

信息，俨然已经成为当代社会的一个基本要素，跟它相处、使用它、内化它、创造它，是我们作为数字时代移民的终生话题。

最后，我在推荐页面提供了我所使用的工具和信息来源，供参考。

了解Jekyll与GitHub Pages的工作原理

Jeklly是基于Ruby的静态网页生成器，可以用于从Markdown文件和Template生成静态网页。

GitHub Pages是GitHub对Repo的附加功能，可以渲染Markdown源文件和伺服生成的静态网页文件，用于部署和更新博客。

建站workflow：

1. 本地搭建Jeklly的运行环境
2. 选择Jeklly主题并进行个性化配置
3. 建立GitHub Repo并开启Pages功能
4. 建立单独的gh-pages分支并将修改后主题推送到远程

如果不需要个性主题，可直接在GitHub官方支持的主题中选择使用，也不需要搭建本地的Jeklly运行环境。

更新workflow：

1. 更新Markdown文件
2. 推送到远程

搭建Jekyll运行环境，安装主题（Linux）

Jekyll环境

参考：

• https://jekyllrb.com/docs/installation/
• https://help.github.com/articles/setting-up-your-github-pages-site-locally-with-jekyll/

Ruby依赖及环境变量配置：

sudo apt-get install ruby ruby-dev build-essentialecho '# Install Ruby Gems to ~/gems' >> ~/.bashrcecho 'export GEM_HOME=$HOME/gems' >> ~/.bashrcecho 'export PATH=$HOME/gems/bin:$PATH' >> ~/.bashrcsource ~/.bashrc

（Optional）使用国内RubyGems和Bundle镜像（TUNA）：

# rubygemgem sources --add https://mirrors.tuna.tsinghua.edu.cn/rubygems/ --remove https://rubygems.org/# bundlebundle config mirror.https://rubygems.org https://mirrors.tuna.tsinghua.edu.cn/rubygems

安装Jekyll及Bundler

gem install jekyll bundler

安装主题及其依赖

选择主题：http://jekyllthemes.org/

下载主题及安装主题所需依赖：

git clone theme-source-url path-of-theme-repocd path-of-theme-repobundle install

根据主题文档配置_config.yml后进行本地预览：

bundle exec jekyll serve

在浏览器打开http://localhost:4000 即可。

集成到GitHub Pages

参考：https://jekyllrb.com/docs/github-pages/

建立Repo存放配置过的主题文件，并将更新commit到新branch gh-pages上，即可去https://username.github.io/repo-name 预览效果。

小结

相比Hexo等，使用Jekyll配合GitHub Pages的优势是热更新，一次搭建后只需要更新Markdown文件，无需回到本地运行环境生成网页后推送。

本文节选自博主通过格灵深瞳机构号发表于知乎的文章：目标检测入门（二）：模型的评测与训练技巧。

检测模型的评测指标

目标检测模型本源上可以用统计推断的框架描述，我们关注其犯第一类错误和第二类错误的概率，通常用准确率和召回率来描述。准确率描述了模型有多准，即在预测为正例的结果中，有多少是真正例；召回率则描述了模型有多全，即在为真的样本中，有多少被我们的模型预测为正例。不同的任务，对两类错误有不同的偏好，常常在某一类错误不多于一定阈值的情况下，努力减少另一类错误。在检测中，mAP（mean Average Precision）作为一个统一的指标将这两种错误兼顾考虑。

具体地，对于每张图片，检测模型输出多个预测框（常常远超真实框的个数），我们使用IoU（Intersection Over Union，交并比）来标记预测框是否为预测正确。标记完成后，随着预测框的增多，召回率总会提升，在不同的召回率水平下对准确率做平均，即得到AP，最后再对所有类别按其所占比例做平均，即得到mAP。

在较早的Pascal VOC数据集上，常采用固定的一个IoU阈值（如0.5, 0.75）来计算mAP，现阶段较为权威的MS COCO数据集上，对不同的IoU阈值（0.5-0.95，0.05为步长）分别计算AP，再综合平均，并且给出了不同大小物体分别的AP表现，对定位准确的模型给予奖励并全面地展现不同大小物体上检测算法的性能，更为科学合理。

在实践中，我们不仅关注检测模型的精度，还关注其运行的速度，常常用FPS（Frame Per Second，每秒帧率）来表示检测模型能够在指定硬件上每秒处理图片的张数。通常来讲，在单块GPU上，两阶段方法的FPS一般在个位数，而单阶段方法可以达到数十。现在检测模型运行的平台并不统一，实践中也不能部署较为昂贵的GPU进行推断。事实上，很多文章并没有严谨讨论其提出模型的速度表现（加了较多的trick以使精度达到SOTA），另外，考虑到目前移动端专用芯片的发展速度和研究进展，速度方面的指标可能较难形成统一的参考标准，需要谨慎看待文章中汇报的测试结果。

标准评测数据集

Pascal VOC（Pascal Visual Object Classes）

自2005年起每年举办一次比赛，最开始只有4类，到2007年扩充为20个类，共有两个常用的版本：2007和2012。学术界常用5k的trainval2007和16k的trainval2012作为训练集（07+12），test2007作为测试集，用10k的trainval2007+test2007和和16k的trainval2012作为训练集（07++12），test2012作为测试集，分别汇报结果。

Pascal VOC对早期检测工作起到了重要的推动作用，目前提升的空间相对有限，权威评测集的交接棒也逐渐传给了下面要介绍的COCO。

MS COCO（Common Objects in COntext）

检测任务在COCO数据集上的进展

COCO数据集收集了大量包含常见物体的日常场景图片，并提供像素级的实例标注以更精确地评估检测和分割算法的效果，致力于推动场景理解的研究进展。依托这一数据集，每年举办一次比赛，现已涵盖检测、分割、关键点识别、注释等机器视觉的中心任务，是继ImageNet Chanllenge以来最有影响力的学术竞赛之一。

iconic与non-iconic图片对比

相比ImageNet，COCO更加偏好目标与其场景共同出现的图片，即non-iconic images。这样的图片能够反映视觉上的语义，更符合图像理解的任务要求。而相对的iconic images则更适合浅语义的图像分类等任务。

COCO的检测任务共含有80个类，在2014年发布的数据规模分train/val/test分别为80k/40k/40k，学术界较为通用的划分是使用train和35k的val子集作为训练集（trainval35k），使用剩余的val作为测试集（minival），同时向官方的evaluation server提交结果（test-dev）。除此之外，COCO官方也保留一部分test数据作为比赛的评测集。

COCO数据集分布

在分布方面，COCO的每个类含有更多实例，分布也较为均衡（上图a），每张图片包含更多类和更多的实例（上图b和c，均为直方图，每张图片平均分别含3.3个类和7.7个实例），相比Pascal VOC，COCO还含有更多的小物体（下图，横轴是物体占图片的比例）。

COCO数据集物体大小分布

如本文第一节所述，COCO提供的评测标准更为精细化，提供的API不仅包含了可视化、评测数据的功能，还有对模型的错误来源分析脚本，能够更清晰地展现算法的不足之处。COCO所建立的这些标准也逐渐被学术界认可，成为通用的评测标准。您可以在这里找到目前检测任务的LeaderBoard。

错误来源分解，详见http://cocodataset.org/#detections-eval

Cityscapes

Cityscapes数据示例

Cityscapes数据集专注于现代城市道路场景的理解，提供了30个类的像素级标注，是自动驾驶方向较为权威的评测集。

本文节选自博主通过格灵深瞳机构号发表在知乎上的文章：干货 | 目标检测入门，看这篇就够了。

目标检测的任务表述

如何从图像中解析出可供计算机理解的信息，是机器视觉的中心问题。深度学习模型由于其强大的表示能力，加之数据量的积累和计算力的进步，成为机器视觉的热点研究方向。

那么，如何理解一张图片？根据后续任务的需要，有三个主要的层次。

图像理解的三个层次

一是分类（Classification），即是将图像结构化为某一类别的信息，用事先确定好的类别(string)或实例ID来描述图片。这一任务是最简单、最基础的图像理解任务，也是深度学习模型最先取得突破和实现大规模应用的任务。其中，ImageNet是最权威的评测集，每年的ILSVRC催生了大量的优秀深度网络结构，为其他任务提供了基础。在应用领域，人脸、场景的识别等都可以归为分类任务。

二是检测（Detection）。分类任务关心整体，给出的是整张图片的内容描述，而检测则关注特定的物体目标，要求同时获得这一目标的类别信息和位置信息。相比分类，检测给出的是对图片前景和背景的理解，我们需要从背景中分离出感兴趣的目标，并确定这一目标的描述（类别和位置），因而，检测模型的输出是一个列表，列表的每一项使用一个数据组给出检出目标的类别和位置（常用矩形检测框的坐标表示）。

三是分割（Segmentation）。分割包括语义分割（semantic segmentation）和实例分割（instance segmentation），前者是对前背景分离的拓展，要求分离开具有不同语义的图像部分，而后者是检测任务的拓展，要求描述出目标的轮廓（相比检测框更为精细）。分割是对图像的像素级描述，它赋予每个像素类别（实例）意义，适用于理解要求较高的场景，如无人驾驶中对道路和非道路的分割。

检测模型基本特点

深度学习方法主导下的检测模型，可以分为两阶段（two-stage）和单阶段（one-stage）。

两阶段检测模型Pipeline，来源

检测模型整体上由基础网络（Backbone Network）和检测头部（Detection Head）构成。前者作为特征提取器，给出图像不同大小、不同抽象层次的表示；后者则依据这些表示和监督信息学习类别和位置关联。检测头部负责的类别预测和位置回归两个任务常常是并行进行的，构成多任务的损失进行联合训练。

检测模型头部并行的分支，来源

相比单阶段，两阶段检测模型通常含有一个串行的头部结构，即完成前背景分类和回归后，把中间结果作为RCNN头部的输入再进行一次多分类和位置回归。这种设计带来了一些优点：

• 对检测任务的解构，先进行前背景的分类，再进行物体的分类，这种解构使得监督信息在不同阶段对网络参数的学习进行指导
• RPN网络为RCNN网络提供良好的先验，并有机会整理样本的比例，减轻RCNN网络的学习负担

这种设计的缺点也很明显：中间结果常常带来空间开销，而串行的方式也使得推断速度无法跟单阶段相比；级联的位置回归则会导致RCNN部分的重复计算（如两个RoI有重叠）。

另一方面，单阶段模型只有一次类别预测和位置回归，卷积运算的共享程度更高，拥有更快的速度和更小的内存占用。读者将会在接下来的文章中看到，两种类型的模型也在互相吸收彼此的优点，这也使得两者的界限更为模糊。

YOLO9000: Better, Faster, Stronger

在这篇文章里，单阶段检测模型的先驱工作YOLO迎来了全面的更新：

1. 在卷积层添加BN，舍弃Dropout
2. 更高尺寸的输入
3. 使用Anchor Boxes，并在头部运用卷积替代全连接层
4. 使用聚类方法得到更好的先验，用于生成Anchor Boxes
5. 参考Fast R-CNN的方法对位置坐标进行log/exp变换使坐标回归的损失保持在合适的数量级
6. passthrough层：类似ResNet的skip-connection，将不同尺寸的feature map拼接到一起
7. 多尺度训练
8. 更高效的网络Darknet-19，类似VGG的网络，在ImageNet上以较少的参数量达到跟当前最佳相当的精度

此次改进后，YOLOv2吸收了很多工作的优点，达到跟SSD相当的精度和更快的推断速度。

作者还介绍了一种新的联合训练方式：同时训练分类任务和检测任务，使得检测模型能够泛化到检测训练集之外的目标类上。

YOLO9000使用了ImageNet和COCO数据集联合训练，在合并两者的标签时，根据WordNet的继承关系构建了了树状的类别预测图：

类似条件概率的方式计算每个子标签的概率值，超出一定的阈值时则选定该类作为输出，训练时也仅对其路径上的类别进行损失的计算和BP。

YOLO9000为我们提供了一种泛化检测模型的训练方式，文章的结果显示YOLO9000在没有COCO标注的类别上有约20的mAP表现，能够检测的物体类别超过9000种。当然，其泛化性能也受检测标注类别的制约，在有类别继承关系的类上表现不错，而在完全没有语义联系的类上表现很差。

Training Region-based Object Detectors with Online Hard Example Mining

OHEM(Online Hard negative Example Mining，在线难例挖掘)

本文是Bootstrapping（自助采样）在深度网络中的应用。两阶段网络由于其多步的特性，在RCNN子网络的计算前会有对RoI的整理过程，早期工作中，Fast R-CNN利用随机上采样和下采样的方法来维持正负样本比例，而本文提出的方法则使得网络具有挑选“好的”正负样本的能力。

作者提出用R-CNN子网络对RoI Proposal预测的分数来决定每个batch选用的样本，这样，输入R-CNN子网络的RoI Proposal总为其表现不好的样本，提高了监督学习的效率。实际操作中，维护两个完全相同的R-CNN子网络，其中一个只进行前向传播来为RoI Proposal的选择提供指导，另一个则为正常的R-CNN，参与损失的计算并更新权重，并且将权重复制到前者以使两个分支权重同步。

OHEM以额外的R-CNN子网络的开销来改善RoI Proposal的质量，更有效地利用数据的监督信息，成为两阶段模型提升性能的常用部件之一。

本文记录基于PyCharm的Python工作环境配置，最终实现的效果是本地修改，远程调试，运行环境可迁移。

准备

该环境的配置需要如下准备：

• 开发用笔记本电脑和部署用服务器

• PyCharm Pro版本，如果是学生，可以免费得到这一版本

• 依赖管理包Pipenv

逻辑是在本地编写和调试代码，调用服务器的计算资源运行，并通过PyCharm和Pipenv保证本地开发环境和服务器端运行环境的一致。

关于Pipenv：
Pipenv是一个将pip和virtualenv功能整合在一起的依赖管理包，提倡一个项目一个环境，利用Pipfile存储依赖信息并提供可迁移性。Pipenv为每个项目建立一个virtualenv，并记录pip安装依赖包的版本信息。

环境配置

1.（可选）在GitHub等版本控制服务建立repo。
2.在服务器上建立项目文件夹，并用命令pipenv install初始化项目环境。
3.本地使用PyCharm打开项目（从GitHub，或者新建在本地文件夹），并配置部署环境（Tools->Deployment->Configurations)，以SFTP方式连接，并在本地开发项目文件夹和服务器端项目文件夹建立映射。

4.打开Files->settings->project settings->project interpreter，选择add remote，勾选Deployment configuration到上一步建立的配置，选择Move this server to IDE settings。

最后指定好上一步pipenv建立的vitualenv（默认目录为~/.local/share/virtualenvs/）为Python解释器的路径。

5.在Tools->Deployment->Download from将服务器代码下载到本地（主要是Pipfile），之后右击项目，将项目文件上传到服务器（本地代码文件），并在Tools->Deployment勾选Automatic Upload，使本地代码跟服务器代码保持同步。

6.在Tools->Start SSH Session利用部署配置登录服务器，使用Pipenv来安装需要的依赖后，在本地新建脚本文件进行测试。

工作流

1.本地修改代码，自动上传到服务器
2.利用SSH处理数据存取路径等问题
3.运行脚本（使用远程环境）并调试
4.解决报错问题
5.调试成功，将代码提交到版本控制服务
6.重复

本文是MobileNets的第二版。第一版中，MobileNets全面应用了Depth-wise Seperable Convolution并提出两个超参来控制网络容量，在保持移动端可接受的模型复杂性的基础上达到了相当的精度。而第二版中，MobileNets应用了新的单元：Inverted residual with linear bottleneck，主要的改动是添加了线性Bottleneck和将skip-connection转移到低维bottleneck层。

Intuition

本篇比较丰富的地方是对网络中bottleneck结构的探讨。

在最早的Network in Network工作中，1x1卷积被作为一个降维的操作而引入，后来逐渐发展为Depth-wise Seperable Convolution（可分离卷积）并被广泛应用，堪称跟skip-connection同样具有影响力的网络部件。在Inception单元最初提出之时，具有较多channel的feature map被认为是可供压缩的，作者引入1x1卷积将它们映射到低维（较少channel数）空间上并添加多路径处理的范式。之后的Xception、MobileNets等工作则将可分离卷积应用到极致：前者指出可分离卷积背后的假设是跨channel相关性和跨spatial相关性的解耦，后者则利用可控的两个超参来获得在效率和精度上取得较好平衡的网络。

文中，经过激活层后的张量被称为兴趣流形，具有维HxWxD，其中D即为通常意义的channel数，部分文章也将其称为网络的宽度（width）。

根据之前的研究，兴趣流形可能仅分布在激活空间的一个低维子空间里，利用这一点很容易使用1x1卷积将张量降维（即MobileNet V1的工作），但由于ReLU的存在，这种降维实际上会损失较多的信息。下图是一个例子。

上图中，利用MxN的矩阵B将张量（2D，即N=2）变换到M维的空间中，通过ReLUctant后（y=ReLU(Bx)），再用此矩阵之逆恢复原来的张量。可以看到，当M较小时，恢复后的张量坍缩严重，M较大时则恢复较好。

这意味着，在较低维度的张量表示（兴趣流形）上进行ReLU等线性变换会有很大的信息损耗。因而本文提出使用线性变换替代Bottleneck的激活层，而在需要激活的卷积层中，使用较大的M使张量在进行激活前先扩张，整个单元的输入输出是低维张量，而中间的层则用较高维的张量。文中所用单元的演化过程如下：

。图a中普通卷积将channel和spatial的信息同时进行映射，参数量较大；图b为可分离卷积，解耦了channel和spatial，化乘法为加法，有一定比例的参数节省；图c中进行可分离卷积后又添加了bottleneck，映射到低维空间中；图d则是从低维空间开始，进行可分离卷积时扩张到较高的维度（前后维度之比被称为expansion factor，扩张系数），之后再通过1x1卷积降到原始维度。

实际上，图c和图d的结构在堆叠时是等价的，只是观察起点的不同。但基于兴趣流形应该分布在一个低维子空间上的假设，这引出了文章的第二个关键点：将skip-connection转移到低维表达间，即Inverted residual block。

综合以上两点，文章中网络所用的基本单元如下：

文章指出，这种设计将层输入、输出空间跟层变换分离，即网络容量（capacity）和表达力（expressIveness）的解耦。

Experiments

MobileNet V2的整体结构如下表：

上图中，t代表单元的扩张系数，c代表channel数，n为单元重复个数，s为stride数。可见，网络整体上遵循了重复相同单元和加深则变宽等设计范式。也不免有人工设计的成分（如28^2*64单元的stride，单元重复数等）。

ImageNet Classification

MoblieNets V2仍然集成了V1版本的两个超参数，在ImageNet上的实验结果如下：

可以看到相比V1版本优势明显，在精度方面跟NAS搜索出的结构有相当的表现。

Object Detection

文章还提出SSDLite来更好适应移动端需求，改动是将head部分的普通卷积都替换为了可分离卷积。

上面是在COCO上的表现，可以看到精度方面跟YOLOv2和SSD300相当（尽管很低，相比SOTA差距还很大），但模型参数和运算复杂度都有一个数量级的减少。最后的CPU时间是在Pixel上测得，可以到5FPS，达不到真正移动实时的要求，但也是不小的推进了（并没有给出GPU上的推断时间，而Pixel+TF-Lite的benchmark又跟其他网络难以产生有效的比较）。

Segmentation

下图是在VOC上分割的结果：

Ablation Study

文章还做了关于线性变换bottleneck替代ReLU和skip-connection位置的实验，进一步支撑之前的分析。

附录

本篇文章的附录部分提供了紧的n维流形在经过升维线性变化加ReLU后被映射到子集的期望大小的界，这个界说明在扩张到足够高的维度后，升维线性变换加ReLu能以较高的概率可逆（保持信息）并加入非线性。

上面的结论是非常拗口的。自己的理解是，使用ReLU引入非线性的同时会导致信息损失（非线性指不会被卷积、全连接等线性映射吸收掉，信息损失则是指ReLU将<0的输入置0，输入变得稀疏，而若所有输入的某一维度都被置0，则会使输入空间本身降维），我们要对抗这一可能的信息损失，需要将输入先扩张，即y=ReLU(Bx)，x为R^n空间上的输入，B为m×n矩阵，我们期望m足够大，以达到扩张的效果并在经过ReLU后保持y跟x的信息量同样多（文中的引理二，即是证此变换可逆性的一个条件，应该是借用了代数的概念，矩阵在经过可逆变换后不会降秩，秩成为衡量信息损失的指标）。

在ReLU(Bx)算符可逆性的问题上，作者做了一些经验性实验，如上图。a和b分别为训练前后，每层正激活channel数（可逆性条件）和其占总channel数比例的分布。图a和图b的左图，随网络加深，channel数增多，即变宽；训练前后，方差增大，且有两层低于了可逆性条件阈值（图b左图中绿色线低于紫色阈值的部分）。右图是一个比例，由于随机初始化，均值在0.5附近，训练后同样方差增大，而可逆性条件阈值一直为1/6（即为MobileNet V2扩张系数的倒数）。

附录的Theorem 1则证明了ReLU(Bx)算符将输入x压缩后的空间维度(n-volume)的界，此界在扩张系数较大时可以跟原空间相当，即信息损失很小。

小结

能够看到附录里给出文中假定或观察的数学证明的论文还是开心的。太多论文只是终于实验的SOTA而避而不谈Insights，况且给出证明。尽管本篇附录中的证明仍有经验主义的部分，且并没有完全定义清楚问题和结论，其对后续工作的启发价值还是有的。

这也暴露了当前领域的通病，我们没有共通的一套语言来描述自己的网络，譬如，如何定义网络的容量、表达力，如何衡量信息的损失。没有通用的定义造成了论文表述常常有令经验少者难以理解的表达。去定义这样一套语言和标准来为网络设计提供参考，希望成为以后的研究热点，也是我自己的一个思考方向。

总体来看，本篇文章提供的两点改进都是有启发性的，但并不完整，需要更多工作来补充。另外源码没有给出，会尝试复现。

呃，我在2016版的个人主页里曾表达自己特别想拥有一台Chromebook，可终于还是屈服在了网络环境面前。

离了我的路由器，我的Chromebook几乎就是个废物了。

不过，FlintOS的出现让我重拾了这个想法，我可能还是需要一台轻便的上网本。

FlintOS是Chromium OS的中文本地化项目，而后者正是Chromebook的操作系统，在美国的低端笔记本市场和教育市场占有很大的份额。

只不过在大陆呵呵。

言归正传，FlintOS背后的公司是成立不久的燧炻科技，这里是他们的官网，可以在这个页面了解更多FlintOS的信息，本篇中的版本是在论坛的DEV3.2中国版。

安装

DEV3.2中国版的最大亮点是支持本地账户。这意味着在大陆的网络环境下也有使用的可能性。而且，这个版本内置了可供科学上网的服务，测试可用。另外，FlintOS settings里面也包括了安装Flash的快捷方式。

目前建议是在U盘上体验，安装教程在这里。

也可以选择安装双启动和硬盘独占安装，可以参考社区的置顶帖。

界面UI

桌面和右下角的通知栏，遵从了Material Design，看着舒服。

APP Launcher，跟Gnome的风格很像。搜索栏可以直接Google搜索，也可以搜索文件和APP。实际上大部分APP可以当做交互逻辑级别更高的书签，打开即是新建相应网站的标签页（如YouTube）。

这个是Chrome Web Store，跟作为浏览器的Chrome完全一致，只不过这个平台上可没有homebrew也没有dpkg。

文件管理应用，跟Google Drive深度集成。

编程相关

我也尝试探索用于开发的可能性，由于ssh的存在，可操作性还是很高的。

Texts是一个比较轻亮的文本编辑器。当然也有仿atom的付费APP。

crosh（通过Crtl+Shift+T打开）是内置的shell，功能上还有待探索，图为运行top的效果。

小结

Chromium OS的理念是web为王，浏览器即一切。这种理念配合Google相当完整的生态使得Chromebook在廉价本市场几乎是统治地位。去年的MS build上，微软也发布了对标的Windows版本，demo用的场景就是老师为每个学生配备PC。

相比之下，大陆的这个市场还是空白（或许不一定有，毕竟教育方面并不普及）。看到有把这种理念本地化的公司出现还是很惊艳，在此默默祝福他们。