上周换了一副新眼镜。
由于用眼习惯不好，我一直都是高度近视。眼镜在我的生活里是必需品。
之前在澳洲眼镜架突然坏了，我找了整个City和Box Hill都没有找到可以修理或者更换的地方。只好自己从国内买了维修的零件和胶水自己修理。
为了把断在眼镜架里面的鼻托支架取出来，我用电钻给鼻托支架的支撑位钻了一个小洞，之后又往里面灌了不少解胶剂。估计是因为镜架是塑钢材质的，我修好之后发现镜架居然裂了一条缝，还好我已经用胶水填了缝。
结果上周的某一天不知道怎么回事，戴上眼镜之后就觉得很不舒服。仔细一看才发现是因为之前的那个缝隙裂开了，导致镜片松动，屈光位置对不上了。
想了想再用胶水粘起来也不是长久之计，如果回了墨尔本再断了，就不是这个容易修理的了。于是果断换了一副新的眼镜。
这次配了一个比较大的镜框，据说这样看东西会明亮许多，但估计也得需要时间去适应一下。这两天戴这副眼镜的话，还是有一点晕的。还有就是，老妈一直非常关心我的视力问题，因为她身边有不少同事都因为高度近视吃了不少苦头。我自己其实也深受其害，希望自己以后可以注意用眼，少看一点电脑屏幕，少刷一点手机。
有的时候，闭上眼睛，你可以看到更多。
今天是新年第一天上班，然后想到这周只用上三天班就很开心。
由于Sequence Tagging需要大量的标注数据，我这边暂时没有数据源，所以今天下午就先用现有的标注数据集做了一个场景Softmax分类器。
原理十分简单，使用Word2vec (之后可能会考虑换成BERT，但是这两天BERT在我这里表现还不是很理想，所以先用顺手的工具搭建一下Demo)生成词向量。之后通过标注数据集合，将词表里所有的词分成以下几个大类（类别可以由具体的使用场景确定，我这里的分类主要是为了适配童话故事的情况）。
# 模型构建
model = Sequential([
Dense(32, input_dim=200),
Activation('relu'),
Dropout(0.1),
Dense(16, input_dim=32),
Activation('relu'),
Dense(9, input_dim=32),
Activation('softmax'),
])
用Keras搭建了一个最简单的多层感知机，加上Dropout，开始喂数据。最后可以达到96%左右的Accuracy，算是基本可以使用了。
test loss: 0.09276254528926478
test accuracy: 0.9666666666666667
现在这套模型已经可以识别任意词的场景类别了。下一步就是使用Sequence Tagging找出描述场景的位置了。
最近在做NLP的一些工作。
遇到的问题是：Precisely detect scenario/weather/time/etc in a paragraph-level document.
对于这个问题，我作为一个NLP外行，首先想到的思路是建立相应的词表，然后对每一个Sentence进行Tagging。在完成Coding的工作后，在测试中效果还是可以的（毕竟用Word2Vec聚类建立了好大一份词表）。但主要的问题是Overtrigger，这个模型无法区分那些地方才是真正描述Target的，更无法理解一词多义的情况。
于是在第一版模型可以基本Cover住下游业务需求之后，我Mentor对Precision有了进一步的要求（手动GG）。
在想了好几天之后（其实主要时间都用来划水），我想了一个不太成熟的方案，先记下来等元旦过完了回来再和Mentor讨论一下：
如果这几个流程可以按照预期来进行的话，那效果应该还是不错的。
You may be a senior user of Linux, and sudo is your lifestyle. However, how to use “sudo” in Windows except using right-click is still a problem for you probably.
Since I am working for Microsoft now, Windows operation system is the unique choice for me. Through a long and hard exploration, I finally figured out how to use “sudo” like in Linux in Windows prompt.
Here is the command for your reference:
runas /noprofile /user:Administrator "your command"
Then, You might be required to input your password like in Linux (U cannot see what you input too, so just typing…)
算算日子，来帝都已经有十天了。
不算工作的五天，大大小小的饭局约了有十多个。感觉减肥的大计又要暂时搁浅了。
之前在墨尔本报了健身房，疯狂跑步，基本上每天都可以轻一公斤的样子，最轻的时候甚至差点就要突破90大关了。但是最近各种吃吃吃，导致体重大有回升到一百的趋势。
然后工作其实还蛮轻松的。感觉整个小组是一个大的Scrum，然后我是一个小的Scrum team。每天只需要和Mentor沟通一下对好需求就可以了。
至于剩下的时间的话，就可以自由支配了。所以其实可以自己学到很多东西。虽说外面一直盛传微软不用加班，但是好歹要入乡随俗，STCA还是多多少少要加一点班的，不过范围全由自己掌握。
本来说上个周末要去圆明园和颐和园，但是时间总是不够用，和朋友玩了一会儿就没有时间去逛园子了。
周一刷朋友圈的时候看到Han也来了北京，原因竟然只是为了看升国旗，果然是思想觉悟超级高的党员。然后就愉快的和Han约了周四晚上的局。这应该也是我们第一次在国内见面吃饭。
上个周末和晓波约了周末去滑雪，感觉应该会很好玩，美滋滋。所以估计周末的另外一天我会抽出来去逛圆明园。
上周和这周的情况差不多就是这个样子了，希望假期在微软可以过的开心吧，顺便多学一点东西。
Cheers
这两天开始认真工作了。
由于代码仓库的权限一直没有审批下来，我昨天划了一天的水。
可能是因为巨硬的体量实在是太大了，各种流程的审批都有点慢。而且不知道问什么，感觉Check-in的引导工作也不是非常理想，很多东西都需要自己打电话去咨询，这无疑增加了沟通成本。
在其他方面，微软的东西做的还是可以的（除了经常性的exception之外）。就操作系统来说，在微软肯定是得用Windows的系统了，但是Windows真的是对开发人员不太友好，Shell好难用。
于是我默默的搜索了一波Windows效率工具… 希望可以稍微缓解一下现在尴尬的情况…
今天和豪翔约了午饭，希望可以请教前辈大佬的经验吧。
昨天面试了微软北京的组，Coding问了一道判断IP是否合法的问题，然鹅当时脑子打铁，写的完全惨不忍睹，今天早上起床吓得我赶紧重新写了一遍。
class Solution(object): def isIPv4(self, s): try: return str(int(s)) == s and 0 <= int(s) <= 255 except: return False def isIPv6(self, s): if len(s) > 4: return False try: return int(s, 16) >= 0 and s[0] != '-' except: return False def validIPAddress(self, IP): """ :type IP: str :rtype: str """ if IP.count(".") == 3 and all(self.isIPv4(i) for i in IP.split(".")): return "IPv4" if IP.count(":") == 7 and all(self.isIPv6(i) for i in IP.split(":")): return "IPv6" return "Neither"
这已经不知道是我第多少次搭MNIST了，但感觉每次写这个Hello World都会学到一写新的东西。
这次写这个主要是为了学习一下TensorFlow自带的TensorBoard功能，不知道是以前自己太蠢还是怎么回事，一直玩不转TensorBoard的可视化。
这次上手试了试r1.11的版本，发现真的很简单就可以实现了，而且语法也优雅的。
Some of us get dipped in flat, some in satin, some in gloss. But every once in a while you find someone who’s iridescent, and when you do, nothing will ever compare.