目标
这个作业的目标是，训练出一个网络，给它32x32图片作为输入，它能判断出这个图片代表什么交通标识。
这个网络基于 LeNet, 所以本文会先讲述 DNN 和 CNN 的一些基础知识，再讨论作业的代码实现和训练过程。
DNN - Deep Neural Networks
单层网络 f=WX+b 只能进行线性转换，难以进行复杂的判断。通过堆积多层网络，添加非线性的元素（如activation layer），使得网络可以处理更负责的情况。
五台山日出计划
这是个没有计划的计划。
2017年12月29日，周五。我正准备撸起袖子建设祖国的时候，收到了领导同学的微信：明天去五台山吧！ 我以“周末要好好学习”为由拒绝，无效，遂登录12306购买火车票。去程只剩下K603的无座票，回程还能买到一张K602的硬卧。
买好票，似乎妥了。谷歌一下“五台山”，嗯，清凉圣地。天气预报最低-10℃，3级西北风，山上可能会更猛。有点儿怂。
2017年12月30日，周六。睡到自然醒，等风吹散了雾霾，去优衣库和迪卡侬买装备。在优衣库买了人生第一条秋裤，在迪卡侬买了件冲锋衣，感觉妥了。
继续阅读“五台山日出计划”
BIND+GeoIP: 根据查询者IP的地理位置给出不同的DNS结果
为了能让访客访问到最快的服务器，可以在DNS上动手脚。有一些DNS服务商如dnspod可以根据DNS查询者的位置，给出相应的DNS解析结果。
自己搭建DNS服务器，也可以实现类似效果。在 BIND 9.10 中，提供了 GeoIP 的功能，利用 GeoIP 库查询访客IP所在区域，根据区域给出结果。参考：
https://kb.isc.org/article/AA-01149/0/Using-the-GeoIP-Features-in-BIND-9.10.html
继续阅读“BIND+GeoIP: 根据查询者IP的地理位置给出不同的DNS结果”
实践报告：港澳台同胞如何在大陆申请信用卡
香港澳门台湾同胞怎样在大陆申请信用卡？通常而言，在大陆生活有一张银联储蓄卡就足够了。不过遇到出国旅行/海淘等情况，还是需要用到Visa/MasterCard信用卡。
折腾了一番后，顺利申请了招商银行的信用卡，分享一下经验。
继续阅读“实践报告：港澳台同胞如何在大陆申请信用卡”
新加坡&新山4天闲逛
回家参加同学婚礼，顺便去东南亚转几天再回北京。买了周四凌晨4点广州到新加坡的机票，然后买了周日晚上10点从吉隆坡到北京的机票，中间可以逛4天。
行程安排： 广州->新加坡->新山->吉隆坡->北京
Day 1 广州->新加坡
广州看电影
约了某同学周三晚上在广州看电影，跟母亲大人吃完饭后，赶到城轨站，不出所料排长队买票。8点到达广州南站，40分钟地铁抵达岗顶站，看9点的《寻梦环游记》。电影院还不错，屏幕够大，人也不多。然而，坐后面那两位阿姨一直在剧透，多次转头给她们使了“我很不爽”的脸色，估计她们没看到。好吧，反正我是二刷。
3号线北延段到机场方向的末班车是23点，电影22:40结束，略赶。本来想约个1点的顺风车再刷一场电影，结果有个司机11点前就接单了。36元到机场，既然约上了就坐了吧。顺风车司机开了一辆7人的车，感觉就是把顺风车当出租车开的...
差不多12点的时候到达白云机场，出发层人不少，几乎没有座位。往下走一层到商店层，会有比较多的空位。不过作为都是有扶手的，躺着睡觉比较辛苦。为了度过在机场和飞机上的长夜，在7-11买了个39元的U型枕(估计名创优品只卖19元)和一瓶果汁，找了个长排的座椅躺了两小时。
值机柜台人不多，出入境人多，走完流程大概一个小时，在登机口找了个位置继续睡。
酷航还不错，虽然是廉价航空，不过飞机是波音787，座位也比较宽松。睡得还算舒服。
继续阅读“新加坡&新山4天闲逛”
Pacemaker 集群中使用 fence_mpath 实现 multipath IO fence
在集群中，如果一个节点出现故障，存活的节点会接管服务。但在接管服务之前，存活节点需要确定故障节点当前没有访问共享存储，fence 机制可以阻断故障节点访问存储，保证数据不被损坏。
继续阅读“Pacemaker 集群中使用 fence_mpath 实现 multipath IO fence”
MiniFlow - 自制玩具版 TensorFlow
神经网络由一个个神经元组成，简单而言，每个神经元会对输入进行一些简单运算，得到输出。而训练一个网络，则是调整网络中的参数，使得输出接近学习样本的期望输出。
比如，假设有一个网络只计算 y = w * x, 初始值 w=5。把 x=10 放进这个网络，会得到 y=50. 而我们预期 y=20. 通过训练这个网络，w 将会被调整为 w=2, 输出 y=20 则符合(接近)预期。
在实际应用中，一个网络会有不少参数，我们需要一个方法来调整这些参数。按我的理解，这个“调整参数”的过程就是机器学习的过程。
一个常见的神经网络，会由 Input layer, Hidden layer 和 output layer 组成。每层 layer 由众多神经元组成，Input/output layer 的神经元通常仅存储一个数值，本身不会进行运算。Hidden layer 的神经元则会对输入进行运算，将输出传给下一层。
Udacity CarND-term1 Lesson 5 让我们自己去实现一个 Miniflow, 相当于一个玩具版的 Tensorflow. 通过实现 Miniflow, 可以体会到 Forward Pass 和 Backpropagation 的过程。
继续阅读“MiniFlow - 自制玩具版 TensorFlow”