最近一名國外的PS大神火了，這位大神釋出了一些照片，都是用自己現在和曾經小時候的自己P到一起，這創意也真是很用心了，如果不說真的是看不出有PS的痕跡，下面就帶大家看下吧
真的是毫無違和感，這也說明PS大神的功底深厚，圖片已經發出就火到了國內，可能憶童年這個點就對了大家的口，瞬間網友評論各種鬥圖，
網友紛紛效仿，但大多數網友表示：當年的畫素還是算了，根本就ps不出來，而且這麼多年過去了，照片底版也早就沒有了，很多網友大寫的失望，
最火的事件下方，評論會更火，因為總有一些網友評論，會驚訝到你，下面這條網友評論堪稱奇葩中的經典，小編只想說你牛
真是亮眼的神評論，好了就說到這裡吧，看到這裡的你記得拿出兒時照片，想一想這些年你都經歷了什麼，如果你有小時候在父母懷裡的百歲照，記得看下哦，你會發現父母有你時的笑容是最幸福的笑容。
應用PS製作出一幅炫酷的幾何形狀堆疊海報大家一起來學習吧。先看下最終效果圖：
1、首先我們新建一個畫布，尺寸隨意。在畫布上填充一個色，顏色隨意，將素材拖拽進PS
2、選擇形狀工具在人物的面部位置新建兩個正三角形(覆蓋好你想要的位置，我們接下來是要摳圖的)，顏色隨意。
3、我們滑鼠點選選擇人物圖層，按住CTRL鍵點選左邊的三角形所對應的圖層確認選區，然後CTRL+C,CTRL+V複製一層，用同樣的方法複製，將右邊的面部複製三層。然後我們隱藏這兩個粉三角形和人物圖層。將之前複製出來的圖層擺好位置。
4、調整尺寸、位置，為上方的兩個圖層新增白色描邊來增加層次感。還可以吧後面的不透明度調低一點。
5、我們找到之前隱藏的兩個三角形圖層，將其複製兩個，更換顏色改變尺寸、調整位置和次序來點綴我們的整幅海報。
6、新建圖層選擇形狀工具新建兩個梯形，填充顏色 ，選擇形狀工具裡的直線工具新建一條深色線段，將其調整次序擺放。
7、新建圖層選擇形狀工具，新建正方形，填充粉色，單擊確定。
8、繼續新建圖層選擇形狀工具，多建立幾個正圓圖層，顏色隨意，與主題搭配。適當調整透明度和尺寸大小，擺放次序。
實際上這個教程涉及到的顏色形狀數值和位置大家都可以隨意更改，我這裡只是給大家提供一個思路，大家可以隨意天馬行空。
(2017-09-28)
有一種愛掛著淚珠，很悽美，叫放棄！放棄雖然痛苦，但也是一種幸福擁有，感情不能勉強，如果死死抓住，抓住的也是傷痕和痛苦。把手握緊，裡面什麼也沒有，把手鬆開，擁有的是一切。人生就是這樣，無論是否曾經抓住抑或遠去，那些東西都不可能離去，雖然有些事不能回首，有些人只能永遠埋藏。
對於朋友這層關係，每個年齡段，會有不同的見解。朋友關係疏遠，每個年齡段的原因也不同吧。我就來說說成年以後，朋友關係疏遠的原因。
從哪開始了？從大學畢業開始談。
畢業了，大家將面臨著各種人生抉擇。有的畢業後就走上工作崗位，有的繼續讀書深造。抉擇不同，人生軌跡也不同。但不管怎樣，都要面對賺錢、升職，交朋友，結婚生子，養家餬口的責任。而不管你是大學就畢業工作，還是讀完研再工作，都會花去你很多時間。你就會覺得時間慢慢不夠了，你與同學朋友來往的時間越來越少了。
剛出來工作時間不久，你的閒餘時間還比較多，你還有時間和精力與同學朋友相聚。但工作時間長了，你的崗位不同了，空餘時間就越來越少了。而且成家生子後，你就到了上有老，下有小的年紀，你每天想的，就是為了養家餬口，你想的就是如何賺更多的錢，讓家人過得更好。到這時，你還真沒有多少時間與朋友相聚，把酒言歡。而只能在夜深人靜時，去懷戀以前那種無憂無慮的生活。小朋友們一起手拉手逛街，玩遊戲，看電影，唱歌，一起學習，一起遠遊。大家都心無旁貸，也沒有私心雜念，大家都處在那個單純的青春年代。
而這一切的美好時光可能就一去不復還。除了要養家餬口，時間不夠，也會有其他的原因，讓人難以相聚。
時間長了，大家在社會上的地位不同了，有差距了。有的混的好，有的混的差。混的好的，要麼相聚也是一種炫耀，要麼不願跟混的差的在一起，一來會瞧不起混的差的，二來也會怕給自己新增麻煩。混的差的，也不願相聚，那種落差感，失落感，羞辱感，不是每個人都能輕鬆面對的。這樣大家就慢慢來往少了，又怎能不疏遠了？
我覚得每個人走過的路經不同，人與人在親密關係在近的關係，隨著時間延長不會是無間道，恰恰是疏遠，或許顯示出距離。不僅僅是距離而是時代空間。
其實既便是夫妻都走到最後，是融合各自獨具空間，富有更多生活生命想像力，而不是變成一個人。也許有人講，是你中有我且我中有你的一個人，想想看，一個男人和一個女人不同異類，不同思維方式，不同鬼魅靈魂咋能附體一個人身上。結婚就是偶遇的美好歸宿，當然可長可短。
與朋友關係重要是彼此需要，是朋友必有共享美好時光，然美好就像十五的月亮，不會天天都有。光陰似箭，我們致青春，我們致朋友同在快樂，但是彼此需要減持了，因為尊重過，因為不想打擾，因為自己提供不了更多快樂和幫助，漸行漸遠。也是一種自然，保持一種距離，也是一種對朋友的尊重，和保持自己尊嚴選擇。
哪啥，如果馬雲和你是同學，天地之別。你覺得炫他你會紅嗎，大家都是趕路人，有人拾起夢，有人掉了飯碗，許是朋友會幫你，但是一定有條件的，有距離的。其實做最好自己，總是有新人靠近你。
有些人不在一個追求高度和精神層次上，在生活的磨練中有些人成為了白富美，有些人成了打工者，而且越辛苦越艱辛，距離越拉越大，偶爾聚聚話題也聊不到一起，越是混得不好的人嫉妒心理越強，越看到別人生活的優越越自卑！
人與人相處，很藝術。使你快樂的多走往；傷害你的就遠離，有些人見不得別人過得好，語言表達各種不滿，這種人叫她立刻消失在你的圈子中，與人相處要學會聰明的取捨！
一路善良走來，有些人走了，有些人來了，有些人留在了記憶中，有些人淡漠了，原來幸福就隱藏在簡單平淡樸素的生活中，喜歡不一定必須走近，遠離也並非消失，保持那份距離，生命的意義在於珍惜！
凡是秉持自己信念而活，就能產生自尊自重與自制力，並且內心平和，你會以內在價值標準，而不是旁人的好惡或別人的比較的結果，來衡量自己，這時候，對事情的對錯與別人是否發現無關。
你可以沉默不語，不管我的著急；你可以不回信息，不顧我的焦慮；你可以將我的關心，說成讓你煩躁的原因；你可以把我的思念，丟在角落不屑一顧。你可以對著其他人微笑，你可以給別人擁抱，你可以對全世界好，卻忘了我一直的傷心。你不過是仗著我喜歡你，而那，卻是唯一讓我變得卑微的原因。
(2017-10-11)
(2017-10-09)
大資料文摘作品，作者：Gidi Shperber，編譯：糖竹子，康璐，賴小娟，Aileen
介紹
在過去幾年機器學習潮流下，我一直想要搭建實用的機器學習產品。
幾個月前，在Fast.AI上學習了很棒的深度學習課程後，這一想法更清楚了，我的機會來了：深度學習技術的進步讓許多以前不可能完成的事變得可能，而且新工具被開發出來，讓部署過程變得前所未有的簡單。
在剛才提到的課程中，我認識了Alon Burg，一位資深網路開發者，為了搭建實體產品這一共同目標我們成為了搭檔。我們一起為自己設定了以下目標：
1.增進我們的深度學習技巧
2.增進我們人工智慧產品的部署技巧
3.打造滿足市場需求的有用產品
4.產品要做的有趣（讓自己覺得有趣，也要讓使用者用的有趣）
5.分享我們的經驗
基於上面的考慮，我們有以下的想法：
1.產品是還未被完成過的事（或者未被正確完成的事）
2.產品不會過於困難計劃和完成-我們計劃時長是2-3個月的時間，每週花一個工作日時間
3.產品要有一個簡單美觀的使用者介面-我們希望做一款人們可以使用的產品而不僅僅是為了論證科學道理
4.產品的訓練資料要容易獲取-正如任何一名機器學習專業者瞭解的，有時候資料比演算法更重要
5.將使用前沿的深度學習技巧（這些技巧目前還未被Google,Amazon和其他雲平臺商品化），但又不會過於嶄新（這樣我們能夠在網上找到類似的案例）
6.產品有形成生產品的潛力
我們最初的想法是做一些與醫療有關的專案，因為這一領域非常接近我們的理念，並且我們認為（且一直認為）深度學習在醫療領域仍有累累碩果唾手可得。然而，我們意識到將在資料收集和法律法規上遇見問題，這與我們想要保持專案簡單的目標相違背。所以我們第二選擇是做一款背景去除產品。
背景去除是一項如果你用了某種標記和邊緣檢測功能，手工或者半手工（使用Photoshop甚至PowerPoint這類工具）就能完成的非常簡單的任務，這裡有個例子。然而，全自動的背景去除是相當有難度的任務，而且據我們所知，儘管有人嘗試，但仍然沒有哪個產品能夠滿足這個要求。
我們要去除的是什麼樣的背景呢？這個問題變得非常重要，因為模型在物體、角度等問題上越具體，模型的分割質量就會越高。當我們開始時，我們想了一個廣泛的目標：一款通用背景去除產品，能夠自動識別各種圖片型別中的前景和後景。但在訓練完第一個模型後，我們意識到把精力放在某一套特定的圖片上會更好。因此，我們決定專注於自拍照和人像照。
自拍圖片具有凸顯和聚焦的前景（一個或多個人），保證物體（臉和上半身）與背景能夠很好分離，同時幾乎都是一樣的角度而且總是同樣的物品（人）。
帶著這些假設，我們開始了一系列的調查研究、程式碼實現和大量的訓練，來創造滑鼠一點就能輕鬆去除背景的服務。
我們的主要工作是訓練模型，但也不能低估正確部署的重要性。好的分割模型仍然不能像分類模型一樣簡潔（例如SqueezeNet)而且我們積極的檢查了伺服器和瀏覽器部署選項。
如果你想閱讀更多我們產品部署過程的細節，歡迎從服務端和客戶端檢視我們的公告。
如果你想閱讀模型和訓練過程內容，請繼續。
語義分割
當思索深度學習和計算機視覺任務有哪些和我們目標相似時，我們很容易發現技術上最優選擇是語義分割。
其他如透過深度檢測分離的策略也存在，但看起來仍不夠成熟以滿足我們的目的。
語義分割是眾所周知的三大計算機視覺任務之一，其餘兩個是分類任務和目標檢測。從把圖片每個畫素歸為某一類別的意義上說，分割任務實際是分類任務的一種。與圖片分類或圖片偵測不同，分割模型真正展現了對圖片的理解，不僅能夠辨別出“影象裡有一隻貓”還能在畫素層面指出這隻貓的位置和屬性。
那麼分割是怎樣完成的呢？為了更好的理解，我們必須調查相關領域的早期研究。
最初的想法是採用如VGG和Alexnet的早期分類網路。VGG在2014年是當時最先進的圖片分類模型，由於其簡單直接的架構至今仍非常有用。在檢查VGG初始網路層時，也許會注意到對需要分類的物品設定了很多啟用，而且網路層越深啟用更強，然而他們本質上非常粗糙因為只是重複池化。有了這些認識，我們假定分類訓練經過微調後也可用於尋找或分割物體。
語義分割的早期結論是隨分類演算法出現的。在這篇文章中，你會看到使用VGG得到的粗分割結果。
車圖分割，淡紫色（29）為校車區域
雙線性上取樣後：
為了使預測結果更平滑，研究員們使用了簡單的雙線性上取樣層。
在FCN的論文中，研究員們改進了上述想法。為了預測結果更有效，他們依據上取樣率把一些層逐漸連線起來，命名為FCN-32，FCN-16和FCN-8.
在層與層之間增加跳躍連線能讓預測器從原圖得到更好的細節編譯。進一步的訓練對結果的改進更多。
這一技術本身並沒有想象中糟糕，並且證明了深度學習的語義分割確實有改進空間。
圖4.以熔斷來自不同步幅的層級資訊來精煉全卷積網路達到提高分割細節的目的。前三張圖片展示我們32、16、和8畫素步幅網（見圖3）
來自論文的FCN結論：
全卷積網路（FCN）的分割的概念與傳統不同，研究員為這此嘗試了不同架構。但核心思想依然保持相似：使用已知的架構，上取樣，和網路間的跳躍層。這些依然在新模型中常見。
你可以在這些優秀文章中瞭解到相關領域的前沿內容：
你也會發現大多數分割方法保持了encoder-decoder的架構。
迴歸專案
在一番研究後，我們選定了三個可用模型：FCN，Unet 和Tiramisu ，Tiramisu是深度“編碼-解碼”框架。我們也想過使用mask_RCNN，但實施它似乎超出了專案範圍。
FCN因為結果不盡如人意首先被我們捨棄，但我們提到的另外兩個模型展現了還不錯的結果：在CamVid資料集上的tiramisu和在Unet的主要優勢是簡潔度和速度。從實現的角度，Unet的實現非常簡單（我們使用了Keras）而Tiramisu也易於實現。為了快速上手，我們使用了Jeremy Howard深度學習課程中最後一課的Tiramisu實現程式碼。
有了這兩個模型，我們接下來開始在一些資料集上訓練模型。必須提到，在第一次嘗試Tiramisu後，我們認為Tiramisu還有很大潛在進步空間，因為它有抓取圖片尖銳邊緣的能力。從另一方面，Unet看起來不夠優秀，而且結果似乎存在一些斑點。
資料：
在大方向上確定了模型後，我們開始尋找合適的訓練資料集。分割資料不像分類或偵測資料那樣常見。另外，手動打標籤也並非實際可行。最常見的分割資料集是COCO資料集，包括約90種類別的8萬張圖片，VOC pascal資料集有20種類別的1.1萬張圖片，還有最新的ADE20K資料集。
我們選擇使用COCO資料集，因為它包含更多的“人”像圖片，正是我們專案的興趣所在。
考慮產品的任務，我們在衡量是否要用和任務目標極度相關的圖片還是應該選擇廣泛一些的資料集。一方面，使用包含更多圖片和分類的廣泛的資料集能讓模型將來處理更多場景和挑戰。另一方面，透過通宵訓練模組允許我們處理15萬張圖片。如果為模型輸入整個COCO資料集，我們的模型對每張圖片將（平均）處理兩次，因此縮減一些圖片對模型訓練會非常有益。另外，這也會讓模型更加符合我們的目標。
另一件值得一提的事是，Tiramisu模型最初是在CamVid資料集上訓練的，資料有些瑕疵，但最重要它的圖片非常單一。所有圖片都是透過汽車拍攝的街景。可以輕鬆理解，從這樣的資料集學習（儘管包含一些人像）對我們的任務沒有好處，所以在短暫的嘗試後，我們放棄了它。
來自CamVid資料集圖片
COCO資料集有非常簡單的API，透過API讓我們能明確知道每張圖片內包含的內容具體是什麼（透過預先設定的90種分類）
經過幾次實驗後，我們決定削減資料集：首先我們篩選了僅含人物的圖片，留下4萬張。然後我們丟棄所有包含很多人像的圖片，僅留下包含1至2人的圖片，因為才是產品的目標圖。最終我們留下了圖片只有20%-70%部分被標記為人像，去除了背景中有非常小的人像圖片或者有些奇怪內容的圖片（可惜並非去除了全部）。最終的資料集包含了1.1萬張圖片，我們認為在這個階段夠用了。
左：符合標準的圖 中：角色太多 右：目標太小
Tiramisu 模型
就像說過的，我們在Jeremy Howard的課程上了解了Tiramisu模型。儘管它的全稱是“100層Tiramisu”，暗示它非常龐大，實際上它卻“經濟實惠”，只需要9M的引數空間。相較而言，VGG16需要130M空間。
Tiramisu是基於極深網路的，這個模型最近被用來做影象分類，它的所有隱含層都互相連線。此外，Tiramisu在上取樣層增加了躍層連結，例如Unet模型。
回想一下，這個構造和FCN所呈現的相同的：使用分類構造，上取樣和增加躍層連結來獲得精細結果。
Tiramisu的基本構架
極深網路可以看成是Resnet模型的自然演進，但是與隔層就“完全失憶”的情況相比，極深網路能夠牢記模型中所有的層。這些連結被稱作“高速路”。這樣過濾器就增加了，也就提高了成長率。Tiramisu的成長率是16，因此我們每層都增加16個過濾器，直到有1072個過濾器。你可能期待會有1600個過濾器，因為這是100層的Tiramisu模型，但是其實上取樣層會丟棄一些過濾器。
極深網路模型示意圖 - 早期的過濾器一直都在堆疊在模型中
訓練：
我們使用在之前文章中提到的方法訓練模型：學習率為1e-3且有小額衰減的標準交叉熵損失函式法。我把我們11K的影象分成70%的訓練集，20%的驗證集和10%的測試集。下面的所有影象都是測試集中的資料。
為了保證我們的訓練流程和之前的一樣，我們把取樣大小設定在500個影象。這讓我們可以階段化的儲存結果中的每個改進，因為我們用了更多的資料（文中使用的CamVid資料集包括少於1000張圖片）。
另外，儘管論文中涉及了12類，但是我們只訓練了2分類模型：背景和人像。開始時我們試著訓練coco中設定的種類，但是我們發現這並沒有多大幫助。
資料問題：
資料集存在的一些問題限制了我們的表現：
·動物-我們的模型有時需要分割開動物。這讓我們的IoU（交併比）變得很低。把動物在任務中都加入同一類，很可能得到糟糕的結果。
·肢體部位-由於我們的資料是自動分類的，我們無法區分劃分為人像的圖片是一整個人還是隻有一部分，比如只有手或腳。這些圖片不在我們的研究範圍裡，但是仍然時不時的出現。
動物、肢體部位、手持物品
·手持物體-資料集中很多影象是和體育運動有關的。棒球棒、羽毛球拍和滑雪板到處都是。我們的模型在這些部分感到困惑。就像在動物的案例中一樣，把他們當做主要類別的一部分，或者單獨的類別能夠幫助改進模型效果。
手持物體的運動影象
·粗糙的真實資料標註-coco資料集不是一個畫素一個畫素標註的，而是使用多邊形。應對大部分情況已經足夠了，但是這導致真實資料標註非常粗糙，這也阻礙了模型對細節的學習。
影象和非常粗糙的真實資料標註
結果：
我們的結果非常令人滿意，但是並不完美：我們的測試集IoU達到了84.6，現在最高水平是85。這個數字是有一定欺騙性的，因為隨著資料集和分類的變化它會產生波動。有些種類非常容易區分，比如房子、道路，大部分模型在區分這些類時很容易達到90的準確度。另外的一些類很難區分，比如樹和人，模型在這些類別上只能達到60左右的精度。為了評估這種困難，我們讓網路專注於一個種類，並且只用幾種圖片。雖然我們希望我們的模型是能夠實際應用的，但是我們的工作仍然只是研究性的。不過我們覺得現在是時候停下來討論一下我們的結論了，因為模型已經能在50%的模型中得出好的結果。
下面是一些比較好的例子，你可以感受一下它的應用潛力：
影象，真實資料標記，我們的結果（取自測試集）
除錯和日誌：
訓練神經網路的一個非常重要的部分就是除錯。當開始我們的工作時，非常希望馬上就著手正題，獲取資料建立網路，開始訓練，然後看看結論是什麼。但是，我們發現記錄每個步驟是非常重要的，並且必要時可以自己製作工具來檢驗每一步的結果。
下面是一些常見的問題，和我們的應對方法：
1.早期問題-模型不能正常訓練。可能由於一些遺留的問題，或者一些預處理錯誤，比如忘記標準化。總之，簡單的視覺化非常有幫助。這裡有一篇很有幫助的文章。（https://blog.slavv.com/37-reasons-why-your-neural-network-is-not-working-4020854bd607）
2.讓網路自行除錯-在確保這裡沒有重大的問題，訓練就開始了，使用我們之前定義好的損失函式和矩陣。在分割槽時，最重要的指標是IoU（?intersect over union）-交併比。在開始使用IoU（並非交叉熵）當做我們的模型主要衡量手段前需要好幾個步驟。另外一個有用做法是在每一次迭代的時候都展示一些我們的預測結果。在keras中IoU並不是一個標準的矩陣/損失，但是你可以很容易的網上找到它，比如這裡（https://github.com/udacity/self-driving-car/blob/master/vehicle-detection/u-net/README.md），我們也用這個來畫出每次迭代的損失和預測結果。
3.機器學習版本控制-當訓練一個模型時，有很多引數，其中有一些是有欺騙性的。我不得不承認我們還沒有發現完美的方法，除了狂熱的記錄我們的配置參宿（並且使用keras自動儲存最佳模型，詳見下方）
4.除錯工具-上面的工作讓我們可以在每一步檢測我們的工作，但是並不是無縫隙的。因此，最重要的一步是把上面的工作都結合起來，並且建立一個jupyter筆記本，讓我們能無縫的下載每個模型和每個影象，並且快速檢驗它的結果。這樣我們可以很容易的看出模型的不同，陷阱和其他問題。
下面是透過調整引數和額外的訓練，而使模型改進的例子。
為了儲存最佳的IoU模型，我們使用了下面語句：（keras提供了非常好的回溯功能，讓事情變得更加容易）
callbacks = [keras.callbacks.ModelCheckpoint(hist_model, verbose=1,save_best_only =True, monitor= ’val_IOU_calc_loss’), plot_losses]
除了常見的除錯可能的程式碼錯誤，我們發現模型的錯誤是可以預見的，比如把身體的部分給砍掉了，大區塊缺角，不必要的延伸了身體部分，光線差，質量差，和很多細節。一些這些問題透過加入其它資料集的圖片解決了。為了在下個版本里面改進結果，我們會使用放大方法，尤其是在“高難度”的圖片上。
我們已經提到過資料集的問題。下面我們來看更多模型中遇到的困難：
1.衣服-非常暗或者非常亮的衣服會被當做背景
2.缺失-一個不錯的結果上，會有一些缺失
衣服和缺失
3.光線-較差的光線和模糊在圖片中是非常常見的，但是在coco資料集不多。因此，除了一般模型遇到的問題，我們甚至都沒有做任何準備來處理這些高難度圖片。這個問題可以透過訓練更多資料來解決，圖片放大也是一個好選擇。另外，最好不要在晚上使用我們的app :)
光照不足的例子
更進一步發展的選項
其他訓練：
我們的結果是在經過了300次迭代之後得到的。經過這個階段，模型開始出現過擬合。我們得到的結果和釋出的非常接近，所有我們沒有得到應用資料放大的機會。
之前的模型中我們把圖片變成224*224。進一步用更多更大的圖片來訓練模型（coco圖片的原始大小是600*1000）也有可能會改進模型結果。
CRF和其他改進：
在一些階段，我們看見我們的結果在邊緣的地方有一些噪聲。CRF模型可能會改善這個現象。在這個博文中（http://warmspringwinds.github.io/tensorflow/tf-slim/2016/12/18/image-segmentation-with-tensorflow-using-cnns-and-conditional-random-fields/），但是，這對我們的模型不是很有用，可能因為它最有幫助的地方是當結果比較粗糙的時候。
摳圖：
在我們現在的結果中，分割槽依然不是很完美。頭髮，精細的服飾，樹枝和其他精細的物品都不能被完美的區分出來，甚至其原因可能是真實資料分割槽壓根就沒包含這些細節。區分這些精細的部分的工作叫做摳圖，這是一個不同的挑戰。這裡是一個精細摳圖的例子，它在今年早些時候發表在NVIDIA的參考中（https://news.developer.nvidia.com/ai-software-automatically-removes-the-background-from-images/）。
摳圖任務和其他的影象相關任務是不同的，因為不只包括一個影象，而且包括一個三元圖-影象邊緣的輪廓，這樣就成了一個半監督問題。
我們稍微嘗試了一下摳圖，把我們的分割槽用作三元圖，不論如何我們沒有得到顯著的結論。
另外一個問題是缺乏用來訓練的合適的資料集。
總結
就像在開始時提到的，我們的目標是建立一個顯著的深度學習產品。你可以在Alon的帖子（https://medium.com/@burgalon）中看到，部署變得越來越簡單和快速。另一方面，訓練模型是有欺騙性的，訓練，特別是整晚的訓練需要詳細的計劃，除錯和記錄結果。
在調研和嘗試新事物之間的平衡也是很難保持的，以及平凡的訓練和改進。因為我們使用深度學習，所以我們總覺得最好的模型，或者我們需要的最確切的模型就在觸手可及的地方，並且下一次google搜尋或者文章都有可能讓我們找到它。但是實際上，我們的真正改進，更多的來源於簡單的提煉我們原有的模型，並且就像上面說的，我們依然覺得它可以繼續提煉。
作為總結，做這個工作我們有很多樂趣，在幾個月之前我們會覺得這些像是科幻電影中的內容。我們很高興和大家探討或者回答任何問題，期待能在我們的網頁上見到你們。
(2017-10-10)
怎麼能少了一條高腰短褲呢。高腰的版型設計，上身有一種大長腿的既視感。褲身側邊個性時尚的綁帶設計，下襬毛邊的效果隨性帥氣。
以下為網友評論：
網友“高雲峰”：太短了
網友“往日浮昔舊時塵土”：何止筷子腿還有蜜桃臀
網友“林夕照耀”：美
網友“哈哈哈”：腿和屁股都好美，做著肯定舒服
(2017-09-30)
從讀書的時候開始我就是個很老實的男生，高中時，我喜歡上她了，一直暗戀著但是卻沒有勇氣對她說出來。
到了上大學的時候，和她各自分別，也許是每天見不到她了吧，對她的思念與日俱增，對她的愛戀就快從胸口溢了出來，而且在大學，好的東西自己不快點動手，就有別人先下手的，所以每日裡懷著對她被人追到手的擔憂，惴惴度日，終於這樣的日子我忍受不了了，我去找她了，一趟火車，滿載著我的思念，緊張，愛戀。當我和她表白的時候，她的表情沒什麼變化，就說了一句話；我知道了，但是你現在什麼也沒有，不要白費力氣了。乘興而來，鎩羽而歸。說的就是我這樣的吧，回去的火車上，彷彿時間都靜止了，腦子裡全是她的那句話，信仰的崩塌，，重塑的過程是很痛苦的。
但是我還是忘不了她，後來知道她有男朋友了，更加讓我難受，讓我痛哭。
就這樣化痛哭為動力，大學畢業，而我也因為這些年的努力，進了一家好的公司，麾下也有著一批人馬，可是說是春風得意，而從小到大沒有談過女生的我，家裡人很著急，就一直催婚，不斷的介紹女生給我認識，算了直白點就是這幾年我都是相親相親相親，也許我厭倦了這種生活吧，最後的一次相親我就點了頭，就這樣結束了我的相親生活，步入了婚姻的殿堂。
雖然選擇的很隨意，但是結果確實讓人滿意，妻子對我很好，而我也拿這幾十萬年薪，過上了別人羨慕不來的夫妻和睦，不為吃穿奔波的生活。唯一美中不足的是妻子的身體不行，壞孩子比較困難，但我相信，只要努力就一定有孩子。
但是，日子就從公司的一次人事調動而發生了變化，我讓去一地的分公司，做二把手。這個機會不用說，自然牢牢抓住，所以離別前夕就和妻子瘋狂了一晚上。而到哪裡之後我遇到了她，經過相處我知道了她這些年的際遇，而我和她的關係隨著我和她在這邊的相處也火速升溫，整日出雙入對，但是內心一直有個聲音提醒著我，你是個有妻子的男人，但這個聲音卻更像有著魔力一樣，促使這我對她更加迷戀，但是我知道她看上了的不過是我如今的地位而已，慶幸的是在自己快迷醉的時候總有人會拉你一把，而這次，是我的孩子。妻子打電話過來，說她懷上了懷上了，聽到她為了懷我的孩子所做的努力，和懷上孩子時的不能自己，我覺得是時候做個決斷了，和她段了。等孩子生下來就向妻子坦白我的錯誤。
我覺得直接能回頭，還是可以被原諒的，不是嗎？你們認為呢？
(2017-09-25)
號外號外～歐美當紅時尚博主，潮流女神ADRIANNE HO大駕光臨#我De衣櫥#。
#我De衣櫥#的主角就是那位抱著悲傷蛙,腿長一米八，氣場更誇張的銀河系超新星INS主——ADRIANNE HO！
ADRIANNE HO，職業模特，86年雙子座，身高一七三，腿長兩米八。加籍中法混血，目前定居紐約，著名網站SWEAT THE STYLE 的創始人之一，INS裡的FOLLOWER達到64.9萬。
ADRIANNE HO這幾年勢頭很猛，是各大潮牌比如SUPREME, 三葉草的寵兒。除非你這幾年在深山中修身養性唸佛抄經脫離網際網路…不然很難錯過ADRIANNE HO。
女神ADRIANNE HO從美國不遠萬里趕來中國拍#我De衣櫥#，出來的效果可以說是十分雞凍了，還不快點開看赤雞的現場~！
我DE衣櫥
ADRIANNE HO與很多傳統中國風的拍攝場景也是各種靈感四濺。
LOOK 1
覺得基本款運動衛衣有些無聊了？來一發白色的風琴百褶拼接款，讓你的運動範兒飄逸又好看。不得不說ADRIANNE HO不僅鏡頭感一流，陽光下她的小麥色皮膚質感也簡直好到爆棚啊~
簡約的灰色瑜伽褲勾勒出完美的腿部線條，紅黑條紋的大圍巾也是百搭的搶鏡神器呢，居家旅行備一條，擺拍皂片啥的絕對美美噠~
LOOK 2
寬大的防水運動外套內搭緊身短款運動背心，練了腹肌當然就要秀秀秀啊～藍色迷彩加上中國盤扣元素，運動外套也是相當有戲，ADRIANNE HO還紮起了春麗頭，好啦好啦論可愛和帥氣你都完勝。
筷子就要當做摺扇握著，帽沿就要耷拉下來遮住眼睛，ADRIANNE HO就是這麼SENSE滿滿，不服氣？準備好吃一記勾拳吧！
LOOK 3
大LOGO的粗髮帶今年可是必不可少，帶上它包你運動蹦迪都吃得開，初秋的黑色皮夾克是時候來一發了，搭配破洞牛仔褲和小白鞋，輕鬆演繹酷炫又不誇張的街頭範兒~
ADRIANNE HO還帶了把超有意思的摺扇，霸氣全開的走在老北京風味的巷子街頭，誰還不是女王攻咋的？
LOOK 4
經典的咖啡色呢大衣帶來濃濃的秋日氣息...打住，咱們玩兒些不一樣的，帶有綠色條紋的黑色毛線袖套這就來幫你打破平庸，一雙極具設計感的運動鞋也能展現你的不俗品位。
(2017-10-11)
近日，各種社交媒體平臺幾乎都被薛之謙與李雨桐兩人的“恩怨情仇”刷屏了。在薛之謙“回應”之後，網友又開始各種扒底了。先是有“技術人員”稱其“通稿”中的微信聊天記錄是PS過的，隨後又有“前銀行從業者”表示工行的轉賬回執單系“造假”。網友紛紛表示“深夜不睡就是為了學習PS和銀行知識的”，你怎麼看？
知乎網友“半佛仙人”表示自己是前銀行工作者，其回答了知乎上的一個提問：如何評價薛之謙 9 月 21 日對李雨桐的再次回應，並曬出轉賬記錄？
他表示：工商銀行的記錄只儲存一年（準確的說是供公開查詢展示1年，銀行內部是永久留存的），但真正過期的單子，查詢結果是這個：無明細內容，而不是無相應記錄！另外，流水交易圖中出現了嚴重的邏輯矛盾，格式細節和程式碼錯誤，不過這個涉及到銀行內部資訊及交易安全，他不變多說。
以下為“半佛仙人”的回答詳情：
我QNMLGB沒完了是吧，我都匿了關評了想息事寧人還來？炸我私信？給臉不要臉？
真尼瑪謙錘百鍊。
我取匿，看看我懂還是你懂？
我當年在銀行裝逼的時候你還不知道在哪呢。
1年有效期是吧？銀行不留存是吧？
我告訴你工行過期的電子回單查詢是什麼樣的！這是一張14年的回單！查詢是沒有資訊詳情！但是也不是無此交易！！！
不信你拿著這個單號和薛之謙曬的單號去工行官網查查？
你信不信薛之謙看到這個回答會怕我，但是會恨你？恨你們？
&amp;amp;amp;amp;amp;amp;amp;lt;img src=&amp;amp;amp;amp;amp;amp;amp;quot;<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
http
</span>s://pic3.zhimg<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
.com
</span>/50/v2-667a6faf0986355faa453316217b7256_hd.jpg&amp;amp;amp;amp;amp;amp;quot; data-rawwidth=&amp;amp;amp;amp;amp;amp;quot;672&amp;amp;amp;amp;amp;amp;quot; data-rawheight=&amp;amp;amp;amp;amp;amp;quot;557&amp;amp;amp;amp;amp;amp;quot; class=&amp;amp;amp;amp;amp;amp;quot;origin_image zh-lightbox-thumb&amp;amp;amp;amp;amp;amp;quot; width=&amp;amp;amp;amp;amp;amp;quot;672&amp;amp;amp;amp;amp;amp;quot; data-original=&amp;amp;amp;amp;amp;amp;quot;<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
http
</span>s://pic3.zhimg<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
.com
</span>/v2-667a6faf0986355faa453316217b7256_r.jpg&amp;amp;amp;amp;amp;amp;quot;&amp;amp;amp;amp;amp;amp;gt;
-----------------------------------------------------------
我也匿名，社會社會，失敬失敬，慫了慫了，惹不起惹不起，不敢不敢，我錯了我錯了，王者贏了。
—————————原文—————————
給匿名的朋友送個助攻吧，從另一個角度。
看了看薛先生的微博，作為前銀行從業者，我表示很好奇。
薛之謙曬出來的工行電子回執單的真實性是可能存疑的（我就是單純好奇下）。
我先上張圖，薛之謙自己曬的微博圖。
&amp;amp;amp;amp;amp;amp;amp;lt;img src=&amp;amp;amp;amp;amp;amp;amp;quot;<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
http
</span>s://pic4.zhimg<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
.com
</span>/50/v2-71fac06788e83fbc342a7bc908df094f_hd.jpg&amp;amp;amp;amp;amp;amp;quot; data-rawwidth=&amp;amp;amp;amp;amp;amp;quot;3244&amp;amp;amp;amp;amp;amp;quot; data-rawheight=&amp;amp;amp;amp;amp;amp;quot;2188&amp;amp;amp;amp;amp;amp;quot; class=&amp;amp;amp;amp;amp;amp;quot;origin_image zh-lightbox-thumb&amp;amp;amp;amp;amp;amp;quot; width=&amp;amp;amp;amp;amp;amp;quot;3244&amp;amp;amp;amp;amp;amp;quot; data-original=&amp;amp;amp;amp;amp;amp;quot;<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
http
</span>s://pic4.zhimg<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
.com
</span>/v2-71fac06788e83fbc342a7bc908df094f_r.jpg&amp;amp;amp;amp;amp;amp;quot;&amp;amp;amp;amp;amp;amp;gt;
這張圖都是薛之謙自己曬出來的。
我們來看下細節。
細節：回單號網上驗證查無此交易。
&amp;amp;amp;amp;amp;amp;amp;lt;img src=&amp;amp;amp;amp;amp;amp;amp;quot;<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
http
</span>s://pic1.zhimg<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
.com
</span>/50/v2-998e2c3f68694e0d0eeacf4b52364b84_hd.jpg&amp;amp;amp;amp;amp;amp;quot; data-rawwidth=&amp;amp;amp;amp;amp;amp;quot;615&amp;amp;amp;amp;amp;amp;quot; data-rawheight=&amp;amp;amp;amp;amp;amp;quot;215&amp;amp;amp;amp;amp;amp;quot; class=&amp;amp;amp;amp;amp;amp;quot;origin_image zh-lightbox-thumb&amp;amp;amp;amp;amp;amp;quot; width=&amp;amp;amp;amp;amp;amp;quot;615&amp;amp;amp;amp;amp;amp;quot; data-original=&amp;amp;amp;amp;amp;amp;quot;<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
http
</span>s://pic1.zhimg<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
.com
</span>/v2-998e2c3f68694e0d0eeacf4b52364b84_r.jpg&amp;amp;amp;amp;amp;amp;quot;&amp;amp;amp;amp;amp;amp;gt;
&amp;amp;amp;amp;amp;amp;amp;lt;img src=&amp;amp;amp;amp;amp;amp;amp;quot;<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
http
</span>s://pic2.zhimg<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
.com
</span>/50/v2-3176eba0e3d017a6324a783e17260cc5_hd.jpg&amp;amp;amp;amp;amp;amp;quot; data-rawwidth=&amp;amp;amp;amp;amp;amp;quot;735&amp;amp;amp;amp;amp;amp;quot; data-rawheight=&amp;amp;amp;amp;amp;amp;quot;251&amp;amp;amp;amp;amp;amp;quot; class=&amp;amp;amp;amp;amp;amp;quot;origin_image zh-lightbox-thumb&amp;amp;amp;amp;amp;amp;quot; width=&amp;amp;amp;amp;amp;amp;quot;735&amp;amp;amp;amp;amp;amp;quot; data-original=&amp;amp;amp;amp;amp;amp;quot;<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
http
</span>s://pic2.zhimg<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
.com
</span>/v2-3176eba0e3d017a6324a783e17260cc5_r.jpg&amp;amp;amp;amp;amp;amp;quot;&amp;amp;amp;amp;amp;amp;gt;
工商銀行比較特殊的一點就是電子回單是可以官網直接驗證的。
大家都可以試試，也可以拿自己的工行回單試試，網址：網銀系統－中國工商銀行中國網站
選電子回單驗證。
&amp;amp;amp;amp;amp;amp;amp;lt;img src=&amp;amp;amp;amp;amp;amp;amp;quot;<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
http
</span>s://pic4.zhimg<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
.com
</span>/50/v2-4ebb1fde0cb1b148c12cbef6635711ab_hd.jpg&amp;amp;amp;amp;amp;amp;quot; data-rawwidth=&amp;amp;amp;amp;amp;amp;quot;960&amp;amp;amp;amp;amp;amp;quot; data-rawheight=&amp;amp;amp;amp;amp;amp;quot;609&amp;amp;amp;amp;amp;amp;quot; class=&amp;amp;amp;amp;amp;amp;quot;origin_image zh-lightbox-thumb&amp;amp;amp;amp;amp;amp;quot; width=&amp;amp;amp;amp;amp;amp;quot;960&amp;amp;amp;amp;amp;amp;quot; data-original=&amp;amp;amp;amp;amp;amp;quot;<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
http
</span>s://pic4.zhimg<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
.com
</span>/v2-4ebb1fde0cb1b148c12cbef6635711ab_r.jpg&amp;amp;amp;amp;amp;amp;quot;&amp;amp;amp;amp;amp;amp;gt;
&amp;amp;amp;amp;amp;amp;amp;lt;img src=&amp;amp;amp;amp;amp;amp;amp;quot;<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
http
</span>s://pic1.zhimg<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
.com
</span>/50/v2-1af174796446d8c2be1591aa474090a0_hd.jpg&amp;amp;amp;amp;amp;amp;quot; data-rawwidth=&amp;amp;amp;amp;amp;amp;quot;857&amp;amp;amp;amp;amp;amp;quot; data-rawheight=&amp;amp;amp;amp;amp;amp;quot;472&amp;amp;amp;amp;amp;amp;quot; class=&amp;amp;amp;amp;amp;amp;quot;origin_image zh-lightbox-thumb&amp;amp;amp;amp;amp;amp;quot; width=&amp;amp;amp;amp;amp;amp;quot;857&amp;amp;amp;amp;amp;amp;quot; data-original=&amp;amp;amp;amp;amp;amp;quot;<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
http
</span>s://pic1.zhimg<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
.com
</span>/v2-1af174796446d8c2be1591aa474090a0_r.jpg&amp;amp;amp;amp;amp;amp;quot;&amp;amp;amp;amp;amp;amp;gt;
輸入相關資訊和驗證碼之後，結果是：
&amp;amp;amp;amp;amp;amp;amp;lt;img src=&amp;amp;amp;amp;amp;amp;amp;quot;<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
http
</span>s://pic3.zhimg<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
.com
</span>/50/v2-6b5a43ed68a77c30e8cd05ad0a05447a_hd.jpg&amp;amp;amp;amp;amp;amp;quot; data-rawwidth=&amp;amp;amp;amp;amp;amp;quot;1266&amp;amp;amp;amp;amp;amp;quot; data-rawheight=&amp;amp;amp;amp;amp;amp;quot;373&amp;amp;amp;amp;amp;amp;quot; class=&amp;amp;amp;amp;amp;amp;quot;origin_image zh-lightbox-thumb&amp;amp;amp;amp;amp;amp;quot; width=&amp;amp;amp;amp;amp;amp;quot;1266&amp;amp;amp;amp;amp;amp;quot; data-original=&amp;amp;amp;amp;amp;amp;quot;<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
http
</span>s://pic3.zhimg<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
.com
</span>/v2-6b5a43ed68a77c30e8cd05ad0a05447a_r.jpg&amp;amp;amp;amp;amp;amp;quot;&amp;amp;amp;amp;amp;amp;gt;
大家感興趣的話可以多試試他其他幾張單子的相關號碼，我試了幾張全都是無記錄。
工商銀行的記錄的確只儲存一年（準確的說是供公開查詢展示1年，銀行內部是永久留存的），但是！
真正過期的單子，查詢結果是這個，無明細內容，但不是無相應記錄！這兩句話的含義不一樣。
你們也可以試試，這是一張14年的單子的查詢結果，確實過期了，沒有明細了，但是不是無記錄。
&amp;amp;amp;amp;amp;amp;amp;lt;img src=&amp;amp;amp;amp;amp;amp;amp;quot;<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
http
</span>s://pic4.zhimg<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
.com
</span>/50/v2-c2b6e88b70313aa70bba48c21181c6a7_hd.jpg&amp;amp;amp;amp;amp;amp;quot; data-rawwidth=&amp;amp;amp;amp;amp;amp;quot;672&amp;amp;amp;amp;amp;amp;quot; data-rawheight=&amp;amp;amp;amp;amp;amp;quot;557&amp;amp;amp;amp;amp;amp;quot; class=&amp;amp;amp;amp;amp;amp;quot;origin_image zh-lightbox-thumb&amp;amp;amp;amp;amp;amp;quot; width=&amp;amp;amp;amp;amp;amp;quot;672&amp;amp;amp;amp;amp;amp;quot; data-original=&amp;amp;amp;amp;amp;amp;quot;<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
http
</span>s://pic4.zhimg<span class="EXTERNAL_WORD" style="color:red" title="文章稽核詞（先發後審）">
.com
</span>/v2-c2b6e88b70313aa70bba48c21181c6a7_r.jpg&amp;amp;amp;amp;amp;amp;quot;&amp;amp;amp;amp;amp;amp;gt;
我想這可能是工商銀行官網都在針對薛之謙吧。
這就是宇宙級銀行和宇宙級明星間的惺惺相惜嗎？
另外這張圖和第二張流水交易圖中出現了嚴重的邏輯矛盾，格式細節和程式碼錯誤，不過這個涉及到銀行內部資訊及交易安全了，我不方便細講，祝你好運，世界和平。
再補充一點，你倆的感情生活我不感興趣，誰欠誰我也懶得管，不過你倆到現在這份兒上都不敢互丟流水，怕是貓膩和偷稅漏稅一堆，都不乾淨。
其實這都只是質疑，只要你直接怒曬全量流水來往不打碼，我很樂意從頭把所有細節都幫你好好理一理（哎。。。離開銀行好久都手癢了），破例不收費。
網友評論：
(2017-09-22)
永遠不要栽培你所愛的男人或女人，你把他或她栽培得太好，結果只有兩個–他從此看不起你或他給人偷了。
Angelababy出生在上海，並自小隨家人到上海定居，因此她的童年時光是在上海的弄堂裡度過的[10]。Angelababy自小和外婆感情深厚，更因為父母一直為工作奔波，在小學一年級時便要獨自放學回家。而她的小學則就讀於上海市徐彙區長樂學校[11]。此外，楊穎還有一個小自己七歲的弟弟楊帆。13歲時，她前往香港並加入了Talent Bang。此後、她還擔任了Viva Club Disney的主持。
楊穎助理用手機隨手照了幾張圖片，看的出來她很瘦，膚色也還好。
這張圖片也很美，沒有高畫質攝像機那麼精緻，卻也很美豔。
這張範很足啊！
她挺適合米色這種溫暖的顏色！
不得不說作為模特出生的她硬照的功底很強，只要不去接一些不好的電視劇，她還是那個女神般的存在。
因為記憶中的曾經太美好了，美好到即便是再狠心的人也捨不得去忘記。不是愛情不肯放過你，不是回憶不肯放過你，不是宿命不肯放過你，而是你自己不肯放過你自己。
(2017-10-03)