又是一个不知道说些什么的日子。 近几天外出参加一个会议，虽说不是国际顶级会议，不过参加之后的收获反倒是好像比国际顶级会议还多些。 谈到国际顶级会议，就想到上次参加icaij的经历，上次和那个绕着舌头的日本人沟通，虽然看其墙展，其好像是使用EM算法来分析amazon 众包中某一份任务的标注的有效性，明明看其工作就是很有意思，可是干看着，鸡同鸭讲，怎么也听不懂其圈着舌头的日式英语。 好歹mla2014没有这样的现象。 这会先不谈干货，干货我现在也记不下来，等那边把PPT都放出来了，参考着ppt再回顾那几位大咖位都在干什么。 说是大咖，其实也不全是，第二天下午参会的俞扬，和第一天的大咖，比如马毅，相比就完全不是一个量级的，

之前说到在gil的控制下，如果一个cpu富集（这个词可能不是标准译法，英文cpu bound，指运行时间主要由cpu运算的时间来决定的任务）线程获取了gil锁，然后它会一直运行下去，为了使得其他的线程也能够运行，每次过100个tick，线程会阻塞自身，然后由python解释器来进行一次check。查看是否有其他的线程在等待获取gil。 首先来谈这个tick，这个tick其实是一定的步数的字节码，如果使用python提供的反汇编模块dis.dis来对python代码进行反汇编将之转变成机器码的话，可以看到 如图所示，这些字节码分为四个tick （这里有一点自己现在不明白，这个tick到底是按照什么规则来分配的，为什么有的tick比较长，而有的tick比较短，甚至---）

地铁里清醒的日光灯 甜美的女声 换乘站客流较多 穿堂而过的风 粒子中蜷曲的第十根弦 被露打湿的声音 午夜犹自清瘦的逻辑 真理在被证明的时候 被团成废纸 扔了一地 困倦是解不开的钮扣 七零八歪的梦

昨天做ppt，并没有来得及写百天，今天下午终于把准备了一段时间的gil讲完了。 效果一般。 自己一段时间之内都有一个毛病，做分享或者演讲，经常是先做加法再做减法，先疯狂地阅读极多地文章，然后画一张巨大的导图，然后在在导图的基础上反思压缩，最后提炼出一篇文章或者ppt出来。 这样有一个很大的问题的。 自己一向比较贪婪，对于信息，对于书籍，对于知识，总是想囤积，收取，榨干。 所以经常做加法做到最后一刻，却不留下足够的时间去反思去消化，最后自己勉强明白了，告诉别人的时候却还是夹生饭。 Gil全称global interpreter

写下这个题目，心中其实很惭愧，整天拿着老本行在外招遥撞骗，但是其实在这个老本行中却并没有什么过人的建树。 DNN自己只是粗通，曾经在某俱乐部讲过DNN比较底层的递归玻尔兹曼机RBM，这个模型应该是当下DNN中最火的模型之一了，当年hinton老爷子提出对比散度算法的时候，看那篇著名的论文，其中还没有多么大的野心，只怕老爷子当年也不一定能够预想到自己打开了一扇通向未来之门。 然而当年讲完RBM之后，到现在各种原因，对深度学习的理解一直就停留在那个时间。 现在大体回忆起来。大概只能轻度地科普一下。 人类的大脑皮层分为6层，DNN全称深度神经网络，和之前的神经网络相比，在神经网络的层数可以搭建的更多。 之前的神经网络主要通过反射传播算法来进行计算，在那个年代，我们大体还算知道计算出来的是什么东西，使用最后的输出层输出的预测值与真实值之差，反向向之前的神经元层次进行求导运算，