成功编译ELL对gcc版本有要求，这而这一点在ELL的文档中并没有写。
gcc版本太低了是不行的，那么什么算版本低？反正我的gcc 4.8.4是不work的——使用低版本的gcc，你也可以照着文档完成很多步骤，但是到最后某一步，一定会遇到由于gcc版本低导致的问题，并且还没有直观的错误提示，查找问题源头可能会浪费你很多时间。
[原创] Java Hadoop job合并输入的小文件(纯文本)
假设你的JAVA M-R job的输入文件是大量纯文本文件，而且每个文件都比较小（例如几百K），那么job运行起来之后会占用大量mapper数，导致Hadoop集群资源被过度消耗。这种情况可以通过合并输入文件来避免。
[原创] 为nginx服务器网站添加HTTPS／配置SSL证书
网站使用HTTPS的好处就不用多说了，在当今凶险的互联网环境下，使用HTTP越来越不安全，所以我也决定把网站转成HTTPS。使用HTTPS，首先你需要有一张SSL证书。
曾经，收费的SSL证书很贵，一般人玩不起；随着互联网的发展，免费的SSL证书越来越普及，谁都可以很容易获取到，所以HTTPS的个人网站也越来越多。
其中，现在最流行的就是使用可靠的数字证书认证机构Let's Encrypt提供的免费SSL证书。
[原创] 为nginx添加SSL支持模块
因为网站要加SSL证书的原因，把nginx折腾了一番，结果SSL相关的配置加到了nginx的配置文件中后，nginx竟然启动不起来了，用 systemctl status nginx 查看到的错误信息大致如下：
Failed to start SYSV: Nginx is an HTTP(S) server, HTTP(S) reverse ...
于是用如下命令测试问题所在：
/usr/local/nginx/sbin/nginx -c /usr/local/nginx/conf/nginx.conf
其中，/usr/local/nginx/sbin/nginx 是我的nginx安装后的可执行程序路径，/usr/local/nginx/conf/nginx.conf 是我的nginx主配置文件路径。
[原创] 在树莓派上跑起来TensorBoard
本文软硬件环境：
树莓派：3代 Model B V1.2
OS：Arch Linux ARM，32bit
TensorBoard是Tensorflow的可视化工具。当我们用这篇文章里的方法在树莓派上安装好Tensorflow之后，TensorBoard自然就装好了。于是，下面只剩下怎么启动它的问题。
以下是一个例子。
[原创] 如何防止softmax函数上溢出(overflow)和下溢出(underflow)
《Deep Learning》（Ian Goodfellow & Yoshua Bengio & Aaron Courville）第四章「数值计算」中，谈到了上溢出（overflow）和下溢出（underflow）对数值计算的影响，并以softmax函数和log softmax函数为例进行了讲解。这里我再详细地把它总结一下。
[原创] 解决Java程序读写HDFS文件的错误：No FileSystem for scheme: hdfs
如果你在程序中（不是一个Hadoop job程序）有读写HDFS文件的逻辑，那么程序运行的时候可能会报下面的错：
Exception in thread "main" java.io.IOException: No FileSystem for scheme: hdfsat org.apache.hadoop.fs.FileSystem.getFileSystemClass(FileSystem.java:2676)at org.apache.hadoop.fs.FileSystem.createFileSystem(FileSystem.java:2690)at org.apache.hadoop.fs.FileSystem.access$200(FileSystem.java:94)at org.apache.hadoop.fs.FileSystem$Cache.getInternal(FileSystem.java:2733)at org.apache.hadoop.fs.FileSystem$Cache.get(FileSystem.java:2715)at org.apache.hadoop.fs.FileSystem.get(FileSystem.java:382)at org.apache.hadoop.fs.FileSystem.get(FileSystem.java:181)......
[原创] 解决JAVA访问Elasticsearch的问题：org.elasticsearch.client.transport.NoNodeAvailableException: None of the configured nodes are available
本文对应的的Elasticsearch（简写为ES，下同）版本：2.3.5
注：本文写作于多年以前，现在ES已经不提倡使用本文的 TransportClient 来操作ES了，而应使用RestClient。所以本文仅做参考！ 2020.08.25
使用Elasticsearch的 JAVA API 来读取其存储的数据，如果遇到这个问题：
org.elasticsearch.client.transport.NoNodeAvailableException: None of the configured nodes are available
此时，需要确认代码里写的一些配置是正确的。下面，就通过一个实例，来说明如何正确地读取ES里的数据。
[原创] 《Neural Networks and Deep Learning》读书笔记：反向传播的4个基本方程(1)
从反向传播的4个基本方程这部分内容开始，《Neural Networks and Deep Learning》一书基本上是满屏的数学公式了，然而，得益于作者强大的、深入浅出的表述能力，理解起来并不会让人感觉那么难。
本文将描述反向传播的4个基本方程中的第一个——输出层误差的方程：
[原创] 《Neural Networks and Deep Learning》读书笔记：最简单的识别MNIST的神经网络程序(1)
《Neural Networks and Deep Learning》一书的中文译名是《神经网络与深度学习》，书如其名，不需要解释也知道它是讲什么的，这是本入门级的好书。
在第一章中，作者展示了如何编写一个简单的、用于识别MNIST数据的Python神经网络程序。对于武林高手来说，看懂程序不会有任何困难，但对于我这样的Python渣则有很多困惑。所以我对做了一些笔记，希望同时也可以帮助有需要的人。
[原创] 在树莓派上把文字转成语音（Text-To-Speech／TTS）
本文软硬件环境：
树莓派：3代 Model B V1.2，内存1GB
OS：Arch Linux ARM
有时候，我们需要在程序中添加文字转语音的功能，即通过某个程序或API，把输入的文字朗读出来，也就是通常所说的 text-to-speech（简写为TTS）。我尝试了一个简单的方案——使用Espeak来完成这个任务，在这里记录下来。
[原创] 加快TensorFlow在树莓派上的执行速度——服务常驻内存
本文软硬件环境：
树莓派：3代 Model B V1.2，内存1GB
OS：Arch Linux ARM
在上一篇文章中，我尝试了加快TensorFlow预测速度的一个方法——模型“预热”，实验证明它非常有效，但那仍然没有解决一个问题：每次运行程序，都要加载一次模型，然后预热N次，这个过程非常耗时，因此减少这部分时间也是非常关键的。把TensorFlow做成一个常驻内存的服务就可以解决这个问题。
解决这个问题的正确姿势是：TensorFlow已经提供了一个叫作 TensorFlow Serving 的library来实现这个需求。但麻烦的是，在树莓派上编译TensorFlow Serving会遇到很多问题，所以，在没有人搞出在树莓派上一键安装的Python wheel包之前，还是算了吧...
因此，下面我用一个很挫的办法来实现一个简陋的TensorFlow service。