本文翻译自@iamtrask的Anyone Can Learn To Code an LSTM-RNN in Python (Part 1: RNN)。本文作者已通过twitter联系作者，获得授权。
概要我通过玩具代码一边学习一边调试能达到最好的学习效果。本文通过一个简单的python实现，教会你循环神经网络。
原文作者@iamtrask说他会在twitter上继续发布第二部分LSTM，敬请关注。
废话少说， 给我看看代码1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071727374757677787980818283848586878889909192939495969798991001011021031041051061071081091101111121131141151161171181191201211221231241251261271281291301...阅读全文

深度学习的流行跟计算能力的大大提高密不可分，尤其是GPU的大量使用，Nvidia去年股价涨了500%呢。用CPU要运行一个月的项目， 可能用GPU几个小时就运行完了，效率和速度不可同日耳语。工欲善其事必先利其器，所以正确地配置好GPU是进入深度学习的开端，而用AWS的GPU服务是最快捷方便的，本文就教你如何快速的配置好AWS的p2实例，提高深度学习效率。
安装AWS InstanceInstance选择AWS提供很多实例，有计算型的（CPU比较好）， 有内存型的（内存比较高），有高磁盘IO型的，也有适合用于深度学习的GPU型。具体不同型号的特点配置以及价格参见AWS Pricing。
这里我们选择p2.xlarge，4核CPU，61G内存，一个Nvidia GPU（有2496个并行处理核，12G内存），具体信息可以看这里。
当然p2.xlarge的价格(0.9$/h)当然比t2.xlarge的价格(0.188$/h)要高， 所以我的建议是，在本机或者t2上写好代码，找一个小一点的数据集跑一下， 调试得差不多了， 然后启动p2.xlarge，在全量数据集上run。这里说一下，如果数...阅读全文

购买 & 登录在阿里云hpc页面购买，目前按量付费只支持华东1（杭州），G4配置：
CPU : Intel Xeon E5 v4 CPU 32物理核GPU : Nvidia Tesla M40 x2单机峰值计算能力突破每秒16万亿次单精度浮点运算。
价格是37.50￥/时，价格差不多是AWS p2.xlarge的6倍， 所以我们最后要测试一下AWS p2.xlarge和阿里云HPC的性能对比，看看谁的性价比高。
对了，阿里云HPC目前不支持自定义镜像，只有一种选择CentOS7！！！！所以后面我们必须用docker，不然如果按需付费来使用的话， 每次都得重装所有软件。可以把docker看成轻量级的AMI镜像。
由于HPC是只能内网访问的物理机， 需要先登录跳转机， 然后走内网访问HPC，这样安全一些。华东1购买HPC的时候会分配一个跳转机，需要在控制台设置跳转机的初始密码，重启跳转机密码方能生效。HPC物理机的密码会通过阿里云站内消息的方式发给你，好像都是111111，建议在第一次登录的时候用passwd命令修改。
配置外网现在HPC物理机能直接访问外网了？！！wget能直接...阅读全文

Pelicanhttps://junjiecai.github.io/posts/2016/Jun/10/blog_with_jupyter/http://www.jianshu.com/p/d78e9f741a79https://zhuanlan.zhihu.com/p/22848234https://www.dataquest.io/blog/how-to-setup-a-data-science-blog/
jupyter nbconverthttps://github.com/jupyter/nbconvert
brew加速https://w3cboy.com/post/2017/03/homebrew-speed-up/https://lug.ustc.edu.cn/wiki/mirrors/help/homebrew-bottleshttps://www.zhihu.com/question/31360766http://blog.suconghou.cn/post/homebrew-speedup/https://www.tomwei7.com/2016/01/10/...阅读全文

...阅读全文