光速，真是够了，灯神buy还没彻底解决，现在又出个鲨鱼，真是失望透顶，现在排位有什么能玩的，如果不禁这两个【全民超神吧】_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0可签7级以上的吧50个
本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：235,344贴子：
光速，真是够了，灯神buy还没
光速，真是够了，灯神buy还没彻底解决，现在又出个，真是失望透顶，现在排位有什么能玩的，如果不禁这两个，队友选的，神灯总是菜的抠脚，敌方总是各种超神，不把这两个buy彻底解决，以后再也不敢排位了
「崛起」—新版斗罗游戏大体验,打造国产经典斗罗武侠,领悟中国功夫的精髓.武者轻功,竞技PK.幻化易容,行走江湖.这里有你从未有过的新奇冒险.点击开始&&
赶紧把这两个buy解决了
尤其是鲨鱼buy
赶紧把鲨鱼buy解决了，这个buy都出几天了，还不修复
赶紧把鲨鱼buy解决了，这个buy都出几天了，还不修复
赶紧把鲨鱼buy解决了，这个buy都出几天了，还不修复
赶紧把鲨鱼buy解决了，这个buy都出几天了，还不修复
赶紧把鲨鱼buy解决了，这个buy都出几天了，还不修复
赶紧把鲨鱼buy解决了，这个buy都出几天了，还不修复
赶紧把鲨鱼buy解决了，这个buy都出几天了，还不修复
赶紧把鲨鱼buy解决了，这个buy都出几天了，还不修复
赶紧把鲨鱼buy解决了，这个buy都出几天了，还不修复
赶紧把鲨鱼buy解决了，这个buy都出几天了，还不修复
自己顶自己！？
赶紧把鲨鱼buy解决了，这个buy都出几天了，还不修复
赶紧把鲨鱼buy解决了，这个buy都出几天了，还不修复
鲨鱼怎么了
赶紧把鲨鱼buy解决了，这个buy都出几天了，还不修复
那叫bug，我替楼下说了
赶紧把鲨鱼buy解决了，这个buy都出几天了，还不修复
赶紧把鲨鱼buy解决了，这个buy都出几天了，还不修复
贴吧热议榜
使用签名档&&
保存至快速回贴是时候，换个姿势关注TA
关注 功能升级，收割　TA 的最新动态
扫我下载最新九游APP
查看: 473|回复: 8
最后登录积分36274精华0帖子
, 经验 36274, 距离下一级还需 3726 经验
如题，3个英雄先升级哪个4星？求大神给讲解
最后登录积分20617精华0帖子
, 经验 20617, 距离下一级还需 3383 经验
最后登录积分451精华0帖子
, 经验 451, 距离下一级还需 349 经验
最后登录积分102126精华23帖子
<span title="万经验
, 经验 102126, 距离下一级还需 7874 经验
最后登录积分36274精华0帖子
, 经验 36274, 距离下一级还需 3726 经验
肯定是都得升级，但是没那么多竞技场，只能一个一个来，先升级哪个合适
最后登录积分37921精华0帖子
, 经验 37921, 距离下一级还需 2079 经验
大剑，坚挺才能有输出
最后登录积分33631精华0帖子
, 经验 33631, 距离下一级还需 369 经验
大剑或守夜。
最后登录积分5366精华0帖子
提示: 作者被禁止或删除 内容自动屏蔽
最后登录积分13139精华0帖子
, 经验 13139, 距离下一级还需 461 经验
个人认为顺序大剑&守夜&神灯，防守&攻击&加血
在九游论坛分享原创作品投稿授予，或者发帖互动率高被采纳，持续输出原创作品则有效期永久
每推荐1名或以上大神参与专访获得（有效期：30天）
写手记者团
加入原创写手记者团，按规定完成每个月的采访任务
通过论坛女生认证，鉴定为妹子身份的友友（有效期：长期）
安卓平台下载
苹果平台下载当前位置： &
赤城全文阅读
内容简介：
如果有个人练成了百鸟生的暗杀第一剑，并且这个人还站在了你的面前，那么……你就已经是个死人了！没有人能形容那一剑的风骚，就像没有人能躲过一个封闭车厢中的闷屁……这是一个闷骚男穿越到仙侠世界的故事。
本站推荐：&figure&&img data-rawwidth=&942& data-rawheight=&819& src=&https://pic4.zhimg.com/v2-29b3d0b7edf264a05ff513_b.jpg& class=&origin_image zh-lightbox-thumb& width=&942& data-original=&https://pic4.zhimg.com/v2-29b3d0b7edf264a05ff513_r.jpg&&&/figure&
&figure&&img src=&https://pic3.zhimg.com/v2-d11d16c84df_b.jpg& data-rawwidth=&700& data-rawheight=&350& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&https://pic3.zhimg.com/v2-d11d16c84df_r.jpg&&&/figure&此文章旨在作者本人保存一下已经调通了的安装步骤，避免日后再次掉坑&p&同时也希望借此文帮助正在坑里挣扎或者即将掉坑的小白同胞们&/p&&p&（创作日期为2017年5月，如果是很多个月后才看到此文的小伙伴就不建议继续看下去了，估计会有新坑出现。。。）&/p&&br&&p&题主电脑的GPU是NVIDIA 的TITAN X系列，支持CUDA加速，所以本文主要针对GPU版本的安装（我也安装过CPU-ONLY的版本，个人感觉比GPU版本坑少，也欢迎一起讨论）&/p&&p&至于大家的电脑是否支持CUDA需要在NVIDIA的官网查询一下（直接百度应该也可以搜的到）&/p&&br&&p&那么我们的绕坑之旅现在开始&/p&&p&&b&1.安装Anaconda3&/b&&/p&&p&这里需要注意的是目前的仅支持python3.5所以需要必须下载对应的版本，链接在此&/p&&a href=&http://link.zhihu.com/?target=https%3A//repo.continuum.io/archive/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Anaconda installer archive&/a&&p&下载叫做 Anaconda3-4.2.0-Windows-x86_64.exe 的文件，千万不要下载错了哦&/p&&p&下载完成后双击exe文件即可安装&/p&&br&&br&&br&&b&2.安装cuda8.0 &/b&&br&&br&&br&在这里下载相应的CUDA版本，注意一定要是8.0版本哦，我选的是local版本&br&&a href=&http://link.zhihu.com/?target=https%3A//developer.nvidia.com/cuda-downloads& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CUDA Toolkit Download&/a&&br&下载后双击exe文件安装&br&&br&&br&然后需要下载cudnn&br&&a href=&http://link.zhihu.com/?target=https%3A//developer.nvidia.com/cudnn& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&NVIDIA cuDNN&/a&&br&这里要注意的是，安装版本一定要是v5.1，作者在这个坑里困了很久才跳出来&br&cudnn的安装方法很有趣，解压后会有很多文件夹，在之前安装好的cuda的根目录下，找到同样名字的文件夹，把cudnn里的文件拷到cuda的文件夹里&br&&br&（感谢评论里的&a href=&http://www.zhihu.com/people/a65ec26e139dbfd482e1c8& data-hash=&a65ec26e139dbfd482e1c8& class=&member_mention& data-hovercard=&p$b$a65ec26e139dbfd482e1c8&&@叶柒&/a&同学提供了另一种方法&br&“cudnn 6.0版本也可以，需要自己去CUDA下面把对应的dll文件改名为cudnn60_5.dll，然后就可以了。”）&br&&br&&br&安装全部完成后可以在cmd中输入&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&nvcc -V
&/code&&/pre&&/div&来测试一下是不是安装成功，如果成功的话会显示版本号&br&&br&&br&&b&3.升级pip&/b&&br&&br&&br&先升级pip的版本，升级的目的是为了防止之后的反复警告&br&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&python -m pip install -U pip
&/code&&/pre&&/div&&br&&br&为了日后的pip获取资源不卡不迷之掉线（大天朝的墙你懂的）最好是在此顺便把软件获取源一同改掉&br&我们需要在user目录中创建一个pip目录，如：&br&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&C:\Users\你的用户名\pip
&/code&&/pre&&/div&然后新建一个文件叫（后缀很重要，可以先建txt，更改内容后再改后缀为ini）&br&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&pip.ini
&/code&&/pre&&/div&里面的内容如下 ，记得保存&br&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
&/code&&/pre&&/div&这样的话之后就是从清华获取源了&br&&br&&br&&b&4.安装tensorflow&/b&&br&&br&&br&使用管理员模式运行cmd（可以在开始菜单里右键管理员模式打开）&br&输入代码&br&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&pip install --upgrade --ignore-installed tensorflow-gpu
&/code&&/pre&&/div&默默的等待安装，注意看有没有报错&br&&br&&br&&b&5.安装VS的支持模块&/b&&br&这是一个我陷进去很久的坑，如果没有装过VS的话会各种报错，解决方法是安装&br&&br&（原链接已挂！待作者电脑修复好后附上网盘链接，不嫌麻烦的同学可以先安装VS全家桶）&br&&br&&br&不过为了保险起见，作者一并安装了VS2015全家桶&br&&a href=&http://link.zhihu.com/?target=https%3A//msdn.microsoft.com/zh-cn/visual-studio-community-vs.aspx& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Free Dev Tools - Visual Studio Community 2013&/a&&br&&br&&b&6.跑个程序试试吧！&/b&&br&如果你顺利的进行到这一步，那么理论上来说你的电脑已经成功的安装了tensorflow&br&使用管理员模式打开cmd&br&然后输入python&br&接下来输入&br&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&import tensorflow as tf
&/code&&/pre&&/div&&br&如果没有报错的话安装就成功啦，你可以移步tensorflow的中文社区去试试helloworld的小代码并开启你的机器遗忘生涯&a href=&http://link.zhihu.com/?target=http%3A//www.tensorfly.cn& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TensorFlow中文社区-首页&/a&&br&如果你发现了新坑也欢迎和作者讨论哦
此文章旨在作者本人保存一下已经调通了的安装步骤，避免日后再次掉坑同时也希望借此文帮助正在坑里挣扎或者即将掉坑的小白同胞们（创作日期为2017年5月，如果是很多个月后才看到此文的小伙伴就不建议继续看下去了，估计会有新坑出现。。。） 题主电脑的GPU…
①天空中下起了淅淅沥沥的小雨，乌云在天空越聚越多，这场雨已经连续下了一天一夜，直到上午十点，天空中隐隐有雷光闪现，闪电开始撕裂阴霾。&br&
全世界的媒体都将目光投向华夏的西北荒漠，虽然此刻，千里赤壁早已经被军队团团封锁，但是所有人都知道，今天，将是一个不同寻常的日子，今天，华夏国的国之重器雷丘将在今日渡劫，如果成功，华夏国就会成为世界上第二个拥有战略级宠物小精灵的国家。&br&
天空中的雷光越来越频繁，看起来，渡劫的日子，就在今日。&br&
②华夏国西北地区，天空中飞行着数以万计的飞行系宠物小精灵，其中不乏有新华社派来的携带着摄影机的飞行系宠物小精灵，至于其他国家想要刺探华夏国机密的小精灵，则被全面挡在了秦岭山脉的东侧，就仿佛隔绝河流冬天的冰封，隔绝八百毫米等降水量线，隔绝一月份零摄氏度等温线一样简单。&br&
天空中随着雨点浮浮沉沉，好像找不到栖息之地的一只巴大蝴翅膀被雨点打湿，它非常讨厌这种下雨天，但是他身上装载的微型摄像头不允许它就此歇息，在十来位华夏国士兵没观察到的地方，巴大蝴飞过了防线，向着西北渡劫之地前进。&br&
而在地下，各种地面系的小精灵绞尽脑汁的，向着西北慢慢移动，却不知道，在几千米外的底下，海量的华夏国士兵和小精灵已经布下天罗地网，等待着这些别国的小精灵自投罗网，这必定，是一场旷世的战争，只有神兽，只有那些三次进化的超级小精灵才能存活下来，士兵在这场战斗中变成了炮火，热武器的杀伤力极其有限，只有战略导弹和核武还可堪一用。&br&
③在靠近昆仑山的一处河谷地带，一只雷丘正在望着天空中不断划过的闪电，神色之中，有些畏惧之情，这是对于自然的畏惧，但是它也察觉到，这可能是自己生死攸关的一战，若能生还，便可以变强，甚至突破体内的桎梏，因为有文献记载，皮卡丘进化成为雷丘已经到顶了，可是它，明显是要突破的痕迹，在此之前，唯一一只达到进化顶峰的小精灵发生这种异变还是上个月美国的一只喷火龙，听说那天，赤炎千里，宛如彗星袭击地球一般，巨大的火球和炽热的空气甚至引发了黄石国家公园的火山。&br&
值得一提的是，喷火龙进化成功了，它的体型更大，速度更快，破坏能力更强，能力绝版不止这些，但是美国对此则闭口不提，不过听说喷火龙喷出的是可以焚烧一切的黑色火焰，美国总统川建国发推特说，见识过喷火龙黑色火焰威力的人，绝对还会见识一下上帝。&br&
雷丘旁边坐着现在的华夏国上将，看面貌，已经五六十岁，但是炯炯有神的双眼，不容别人轻视，他叫汤成，是一位军中的小精灵训练师，也是这只雷丘的主人，这只雷丘是小时候父亲送给自己的一只小精灵，没有想到，跟着自己这么多年，他们在一起战斗了这么多年，他看着皮卡丘从小不点长成了如今他都需要仰望的高度，但那目光之中，布满了对伙伴的不舍之情，他不知道，今天一战之后，还能不能见到这位老伙计，小家伙。&br&
④华夏国2043年秋，狂风肆虐着，溪云初起日沉阁，山雨欲来风满楼，咔嚓，一道金色的闪电直直的从天空中的黑色幕布中劈下，汤臣将军神色一凝，该来的还是来了，还没等他做出反应，闪电便一下子劈在了不远处山头的雷丘身上，只此一下，雷丘便被劈的几乎昏死过去，百米之外的汤成只觉得那做山头金光一闪，随后他脚下发麻，几乎就要被迸射出来的电光电的昏死过去。&br&
在他以及国家机关的注视还有一些混进来的外国间谍和小精灵的注视之下，接踵而来的闪电不断的劈在雷丘的身上，而雷丘，连一声哀嚎都发不出来，汤将军心中悲戚万分，这场战斗，已经超出了所有人的预期，朝鲜半岛的核泄漏，让本不该超越自己生命进化得雷丘开始了进化，而这场天劫，看规模，根本不是雷丘可以承受的住的。&br&
轰隆隆的雷声如同洪钟大吕，在西北大陆炸开。&br&
本该落幕之时，令人意想不到的一幕发生了，雷丘竟然在密集的闪电中站起了身。&br&
鲜血在雷光中也变得一片金黄。&br&
不站还好，这一站起来，仿佛激怒了老天爷，顿时狂风大作，汤成几乎站不稳，他躲在石头后面，看着头顶越聚越多的乌云，放佛在思考什么。&br&
④雷丘顶着雷云站了起来，刚才的闪电还尚未消逝，一丝丝的环绕在身边，如果靠的足够近，足够仔细，就可以看出来雷丘竟然在这天劫之中吸收雷电的力量化为己用，竟然在和天地的对抗中借用了巧里，汤成可不管这个，虽然脑袋快被雷声轰炸了，可是看到雷丘尚且有一战之力，也是当下欣喜的不得了。&br&
天空仿佛被触碰了逆鳞，闪电平息了下来，狂风也不再刮了，不过头顶的乌云越来越多，黑压压的压的人喘不出气来，老天爷是在组织下一场进攻。黑云压境兽欲摧。&br&
雷丘借着下一次更为猛烈的进攻来临之前，大口的喘气，更加快速吸收还在自己体外的雷光，快速的将刚刚的天劫之力转换为自身的闪电之力。&br&
⑤不多时，风再一次吹了起来，雷光又一次闪现，天空中电走龙蛇，竟然要在这黑压压的天地中，浮现出一个华夏的文字。&br&
首先出现在空中的是一个若有若无的偏旁，“木”字，闪电组成的木字在雷光中光芒万丈，仿佛将这层层叠叠的乌云都要刺开，刺的汤成睁不开眼。&br&
但这个木字仅仅只是偏旁，随后浮现的是部首，让所有看到这一幕的人眼中瞳孔一缩。&br&
那浓墨重彩的“杨”字就这样浮现在汤成的眼中，他信了一辈子马克思，可是眼前出现的这一幕，又该作何解释。&br&
杨字一出，整个天地的空气仿佛都凝固了，雷丘眼中的恐惧之情更甚，此刻，整个西北地区的雷电系宠物小精灵都停下手中的事情，呆呆的望着西北方向。&br&
然而，令人大跌眼镜的是，杨字出来之后，还没有完，第二个字犹抱琵琶半遮面的浮现在众人面前，竟然是中华汉字里面的精华之“永”字，要知道，永字八法是很多人学习书法第一节课就要学到的，而这个永字一出，寥寥数笔，便勾勒出和杨字不同的东西。&br&
天空中仿佛雷电都停滞了下来此刻，整个华夏国电力系统都出现了紊乱。&br&
变魔术一般，在永字出现之后，第三个字慢慢出现了，竟然是中华三纲五常里面五常之中仁义礼智信的最后一个字，单单一个信字，一出现，整个天地格局突然出现了变化。&br&
汤成被这股强势的气息压的几乎不能抬头，而雷丘，则更是在山巅上瑟瑟发抖，这已经不是自然的震慑，这是雷电法则的震慑，身为电系精灵，这三个字是横亘在他们眼前不可磨灭的大山，就如同这横亘了几千年的昆仑山脉一样，家国破碎但山河永存。&br&
窥探昆仑山的各方势力都沉默了，在权利机关当中，一些年轻人不明就里，还不懂这三个字的奥秘，但是一些五六十岁的老人，他们在千禧年之前出生，经历过北京奥运会，也在那几年之内，了解并且见识过这三个字的威力。&br&
“他又出现了？”这一桌人中有一位白髯老者眉头柠成了麻花，看着屏幕里面的字，却不敢想象这是事实。&br&
“昆仑山磁场紊乱，电力系统中断，排飞行系小精灵去给汤将军报信，就说如果有变，立刻抛弃雷丘，我要见到汤将军活着回来，我过最伟大的精灵训练师不容有失。”&br&
话音刚落，屏幕中已经变成了一片雪花。&br&
⑥汤成看着手中巴大蝴送来的信件，雨水打湿了纸张，阅读起来比较困难，但是他还是很快看完了，看着头顶越来越近的法则之字，他思绪万千，雷丘不敌法则之力，已经跪了下去，眼看着杨永信三个字已经化作符文，即将封印雷丘的一切，包括它的能力和生命。&br&
汤成任凭雨水打湿信件，他顶着狂风，暴雨，怒雷，也在这一刻仿佛刚才的雷丘一般站了起来，他朝着北京的方向，敬了一个最标准的军礼。&br&
然后，向着雷丘所在的山脉，缓慢前进。&br&
雷丘此刻几乎失去了意识，体内刚刚积聚的能量，也被这三个字剥夺去了一部分力量，加上刚才渡劫受伤，它现在虚弱无比，很快，杨永信三个大字就要来到雷丘的头顶，而汤成也赶到了雷丘的渡劫之地，看着弥漫在电光中的雷丘，他早已泪目。&br&
风在嘶吼，雷在咆哮，不巧，汤成也发出了怒吼。&br&
“走啊雷丘， 我们不渡这该死的天劫了，你不能倒下，我还尚未倒下，你这个畜生，你走吧，这样他就会放过你的。”&br&
汤成语无伦次的说着，他作为一个军人，他不能走，而且他也不愿意让陪了一辈子的雷丘在此消逝。&br&
雷丘听到这句话，眼中的恐惧之情都减少了不少，他有一次扛着重压站了起来，眼中竟然爆发着战意。&br&
“轰”脚下的泥土一震，雷丘竟然以极快的速度迎着那黑压压的天空冲将出去，他想要从被动防守变成主动出击。&br&
它也是在军区长大，体内是有军魂的，虽然不是军人，起码也是一只军宠，那么，我辈之人，何须畏战。&br&
战火为谁而燃，秋叶为何而落，，吾辈心中亦有惑，道法自然除心魔。&br&
这莽苍大地中，竟然在此刻，又发突变，一道沧桑的声音仿佛穿越了千年的时光，响彻在雷光中，在这大地中，在这昆仑山种。&br&
此刻，华夏国的电力系统恢复了。&br&
⑦昆仑山是我国的龙脉，相传十年前，在昆仑山神迹再现，一道龙吟冲破了天空中的阴霾，听说啊，汤将军的雷丘本来已经支撑不下去了，可是那道龙气，不仅保住了雷丘，还让他得以进化，剩下的龙气，则是冲向了我国的山东丘陵。&br&
“啊，为什么要冲向山东丘陵啊。”马鸿昌不解的问道？&br&
“这你就不懂了吧，当年雷丘得以进化成为现在威名赫赫的雷霆神兽，就是因为朝鲜半岛核泄露，导致地球上的神奇宝贝都不同程度的发生了变化，鬼系的小精灵在那个时候才得以出现，而现在的十大兽神，分别是雷霆神兽雷丘 烈焰神兽喷火龙，弱水神兽水箭龟，陆地神兽肯泰罗，怒浪滔天暴鲤龙，铁甲地行兽大岩蛇，神行千里风速狗，五代火影怪力，横行霸道巨钳蟹，还有代罪天神猫老大。”&br&
⑧我叫马鸿昌，现在是公元2053年，距离雷丘超进化已经过去了十年时间，这十年时间，先后出现了很多的超进化神奇宝贝，各国为了抢夺宠物小精灵的资源，开始封锁精灵球的出口，超级大国想要抢夺别国的资源，而实力弱小的国家，怀璧其罪。&br&
不过让我不解的是，怪力的超进化为什么要叫五代火影，真是好奇怪啊。&br&
我叫马鸿昌，只是一个普通人，听着宠物小精灵的故事长大，我的梦想是当一名训练师，但是精灵球太贵，人工又繁殖不出小精灵，现在各国的资源都被控制住，野生的小精灵每一只都会被卖出天价。&br&
战争要开始了，如果成为精灵训练师无望，那么当一名光荣的军人也是极好的，虽然战争充满了危险，但是自从几百年前林则徐说的那样，苟利国家生死以，不求闻达于诸侯。&br&
⑨这是雷丘和喷火龙的第一次斗法，他们在之前，只是普普通通几千万只宠物小精灵的一员，而现在，他们的实力已经足以封神。&br&
朝鲜半岛，十年前核泄漏的地方成了战场，核的泄漏让这里成为了人类的禁区，确实神奇宝贝的福地，因为他们就是受辐射变强的，变得超出了武器的范畴，喷火龙现在体型达到了三十几米，翅膀一扇，便足以搅动周围的空气，暴虐的眼神让人不寒而栗，雷丘体型就要小了很多，不过也远远超出一般的小精灵，这是生命层次的迁跃。&br&
值得一提的是，雷丘的额头上有着银色的一个中文汉字，竟然是杨字，至于从何而来，便不得而知。&br&
喷火龙是否能够皱眉我们不得而知，不过喷火龙看到这个杨字，心中是有些不爽的，因为他可以感觉到，这个杨字有着让自己忌惮的狂暴的雷电之力。&br&
喷火龙鼻子中喷出一股热浪，将地面呈现黑色的受核辐射的花草全部燃成灰烬。&br&
雷丘摇了摇脑袋，活动活动筋骨，抖擞抖擞精神，一切都像刚睡醒来的样子（啊呸）他现在处于巅峰状态，虽然自己脑袋上有封印，但是这也给自己一丝法则之力，大天而思之，孰与物畜而治之。&br&
说时迟，那时也不太快，喷火龙硕大的嘴巴张开，一股黑色的粘稠的火焰向着雷丘的方向喷射而来，这团黑色的火焰，只有边缘地带是有火焰升腾，其余地方，则是一片漆黑，刚刚从喉咙里面喷出来，脚下的城市地面便开始龟裂起来，周围的植物在此刻迅速的枯萎，不过雷丘反应更快，它从来都不是一只将自己放在被动局面的小精灵 ，它现在是华夏的兽神，它代表着华夏国的颜面，之间一道土黄色的电光闪过，黑色火焰转瞬之间已经来到了雷丘的身前，但是诡异的是，这团火焰仿佛一片虚无一般，穿过了雷丘的身体。&br&
此刻，如果有高倍的摄像头的话，就可以看到，雷丘刚才以超出人类肉眼极限的速度离开了脚下的土地，转瞬之间，就来到了几百米外的地方，双方交战容不得它大意，虽然喷火龙有些冒冒失失的，雷丘却不愿意冒险，它根本不愿意让自己处于危险地带。&br&
只见那团黑色火焰不断的向前漂浮，雷丘布满电光的瞳孔也是猛然一缩，天呐，这团黑色的火焰直直的撞在一只小达拉的身上，然后，瞬间，所有的黑色火焰全部进入了小达拉的身体之中，然后在肉眼可见的时间之内，这只小达拉的身体完好，可是却在下一秒僵硬了下来，一动不动，明显已经不能再死了。&br&
这并非物质世界的火焰，这是可以焚烧灵魂的业火，雷丘神色有些严肃，这并非一个好惹的对手。&br&
⑩我叫马骁，实际上我还叫马克隆，我就是前面的马鸿昌，我是一个富二代。&br&
当然，这个事情一直以来只有我和老万知道，老万是我的好兄弟，他初中毕业就去了军队，前段时间打电话给我，说部队可能要有大动作了，不过他经过这几年的努力，好像还混了一个不错的职务，可以接触到训练师，听说他现在在做系统的训练，到时候将会成为神奇宝贝预备训练师。
①天空中下起了淅淅沥沥的小雨，乌云在天空越聚越多，这场雨已经连续下了一天一夜，直到上午十点，天空中隐隐有雷光闪现，闪电开始撕裂阴霾。 全世界的媒体都将目光投向华夏的西北荒漠，虽然此刻，千里赤壁早已经被军队团团封锁，但是所有人都知道，今天，…
&p&不能忍受忽略了所有物理常数的物理公式！！&/p&&p&应该是这样：&/p&&div class=&highlight&&&pre&&code class=&language-python3&&&span class=&kn&&import&/span& &span class=&nn&&numpy&/span& &span class=&k&&as&/span& &span class=&nn&&np&/span&
&span class=&kn&&import&/span& &span class=&nn&&matplotlib.pyplot&/span& &span class=&k&&as&/span& &span class=&nn&&plt&/span&
&span class=&k&&def&/span& &span class=&nf&&run&/span&&span class=&p&&(&/span&&span class=&n&&N&/span&&span class=&p&&):&/span&
&span class=&n&&t&/span& &span class=&o&&=&/span& &span class=&n&&np&/span&&span class=&o&&.&/span&&span class=&n&&arange&/span&&span class=&p&&(&/span&&span class=&mf&&0.0&/span&&span class=&p&&,&/span& &span class=&n&&N&/span&&span class=&p&&,&/span& &span class=&mf&&0.1&/span&&span class=&p&&)&/span&
&span class=&n&&x&/span& &span class=&o&&=&/span& &span class=&n&&np&/span&&span class=&o&&.&/span&&span class=&n&&zeros&/span&&span class=&p&&(&/span&&span class=&n&&N&/span&&span class=&o&&*&/span&&span class=&mi&&10&/span&&span class=&p&&)&/span&
&span class=&n&&vx&/span& &span class=&o&&=&/span& &span class=&n&&np&/span&&span class=&o&&.&/span&&span class=&n&&zeros&/span&&span class=&p&&(&/span&&span class=&n&&N&/span&&span class=&o&&*&/span&&span class=&mi&&10&/span&&span class=&p&&)&/span&
&span class=&n&&ax&/span& &span class=&o&&=&/span& &span class=&n&&np&/span&&span class=&o&&.&/span&&span class=&n&&zeros&/span&&span class=&p&&(&/span&&span class=&n&&N&/span&&span class=&o&&*&/span&&span class=&mi&&10&/span&&span class=&p&&)&/span&
&span class=&n&&y&/span& &span class=&o&&=&/span& &span class=&n&&np&/span&&span class=&o&&.&/span&&span class=&n&&zeros&/span&&span class=&p&&(&/span&&span class=&n&&N&/span&&span class=&o&&*&/span&&span class=&mi&&10&/span&&span class=&p&&)&/span&
&span class=&n&&vy&/span& &span class=&o&&=&/span& &span class=&n&&np&/span&&span class=&o&&.&/span&&span class=&n&&zeros&/span&&span class=&p&&(&/span&&span class=&n&&N&/span&&span class=&o&&*&/span&&span class=&mi&&10&/span&&span class=&p&&)&/span&
&span class=&n&&ay&/span& &span class=&o&&=&/span& &span class=&n&&np&/span&&span class=&o&&.&/span&&span class=&n&&zeros&/span&&span class=&p&&(&/span&&span class=&n&&N&/span&&span class=&o&&*&/span&&span class=&mi&&10&/span&&span class=&p&&)&/span&
&span class=&n&&r&/span& &span class=&o&&=&/span& &span class=&n&&np&/span&&span class=&o&&.&/span&&span class=&n&&zeros&/span&&span class=&p&&(&/span&&span class=&n&&N&/span&&span class=&o&&*&/span&&span class=&mi&&10&/span&&span class=&p&&)&/span&
&span class=&n&&G&/span& &span class=&o&&=&/span& &span class=&mi&&1&/span&
&span class=&n&&m&/span& &span class=&o&&=&/span& &span class=&mi&&1&/span&
&span class=&n&&d&/span& &span class=&o&&=&/span& &span class=&mi&&1&/span&
&span class=&k&&def&/span& &span class=&nf&&Acceleration&/span&&span class=&p&&(&/span&&span class=&n&&d&/span&&span class=&p&&,&/span& &span class=&n&&G&/span&&span class=&p&&,&/span& &span class=&n&&m&/span&&span class=&p&&):&/span&
&span class=&k&&return&/span& &span class=&o&&-&/span&&span class=&n&&G&/span&&span class=&o&&*&/span&&span class=&n&&m&/span&&span class=&o&&/&/span&&span class=&p&&(&/span&&span class=&n&&d&/span&&span class=&o&&**&/span&&span class=&mi&&2&/span&&span class=&p&&)&/span&
&span class=&n&&x&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&mf&&0.5&/span&&span class=&o&&*&/span&&span class=&n&&d&/span&
&span class=&n&&vx&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&o&&-&/span&&span class=&mf&&0.2&/span&&span class=&o&&*&/span&&span class=&n&&d&/span&
&span class=&n&&y&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&mf&&0.0&/span&&span class=&o&&*&/span&&span class=&n&&d&/span&
&span class=&n&&vy&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&mf&&1.63&/span&&span class=&o&&*&/span&&span class=&n&&d&/span&
&span class=&n&&r&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&n&&np&/span&&span class=&o&&.&/span&&span class=&n&&sqrt&/span&&span class=&p&&(&/span&&span class=&n&&x&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span&&span class=&o&&**&/span&&span class=&mi&&2&/span& &span class=&o&&+&/span& &span class=&n&&y&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span&&span class=&o&&**&/span&&span class=&mi&&2&/span&&span class=&p&&)&/span&
&span class=&n&&ax&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&n&&Acceleration&/span&&span class=&p&&(&/span&&span class=&n&&r&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&],&/span& &span class=&n&&G&/span&&span class=&p&&,&/span& &span class=&n&&m&/span&&span class=&p&&)&/span&&span class=&o&&*&/span&&span class=&n&&x&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span&&span class=&o&&/&/span&&span class=&n&&r&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span&
&span class=&n&&ay&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&n&&Acceleration&/span&&span class=&p&&(&/span&&span class=&n&&r&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&],&/span& &span class=&n&&G&/span&&span class=&p&&,&/span& &span class=&n&&m&/span&&span class=&p&&)&/span&&span class=&o&&*&/span&&span class=&n&&y&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span&&span class=&o&&/&/span&&span class=&n&&r&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span&
&span class=&n&&delta&/span& &span class=&o&&=&/span& &span class=&mf&&0.01&/span&&span class=&o&&/&/span&&span class=&p&&(&/span&&span class=&n&&np&/span&&span class=&o&&.&/span&&span class=&n&&sqrt&/span&&span class=&p&&(&/span&&span class=&n&&ax&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span&&span class=&o&&**&/span&&span class=&mi&&2&/span& &span class=&o&&+&/span& &span class=&n&&ay&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span&&span class=&o&&**&/span&&span class=&mi&&2&/span&&span class=&p&&))&/span&
&span class=&k&&for&/span& &span class=&n&&i&/span& &span class=&ow&&in&/span& &span class=&nb&&range&/span&&span class=&p&&(&/span&&span class=&mi&&1&/span&&span class=&p&&,&/span& &span class=&n&&N&/span&&span class=&o&&*&/span&&span class=&mi&&10&/span&&span class=&p&&):&/span&
&span class=&n&&vx&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&n&&vx&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&o&&-&/span&&span class=&mi&&1&/span&&span class=&p&&]&/span& &span class=&o&&+&/span& &span class=&n&&ax&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&o&&-&/span&&span class=&mi&&1&/span&&span class=&p&&]&/span&&span class=&o&&*&/span&&span class=&n&&delta&/span&
&span class=&n&&vy&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&n&&vy&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&o&&-&/span&&span class=&mi&&1&/span&&span class=&p&&]&/span& &span class=&o&&+&/span& &span class=&n&&ay&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&o&&-&/span&&span class=&mi&&1&/span&&span class=&p&&]&/span&&span class=&o&&*&/span&&span class=&n&&delta&/span&
&span class=&n&&x&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&n&&x&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&o&&-&/span&&span class=&mi&&1&/span&&span class=&p&&]&/span& &span class=&o&&+&/span& &span class=&n&&vx&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&o&&-&/span&&span class=&mi&&1&/span&&span class=&p&&]&/span&&span class=&o&&*&/span&&span class=&n&&delta&/span&
&span class=&n&&y&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&n&&y&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&o&&-&/span&&span class=&mi&&1&/span&&span class=&p&&]&/span& &span class=&o&&+&/span& &span class=&n&&vy&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&o&&-&/span&&span class=&mi&&1&/span&&span class=&p&&]&/span&&span class=&o&&*&/span&&span class=&n&&delta&/span&
&span class=&n&&r&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&n&&np&/span&&span class=&o&&.&/span&&span class=&n&&sqrt&/span&&span class=&p&&(&/span&&span class=&n&&x&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&]&/span&&span class=&o&&**&/span&&span class=&mi&&2&/span& &span class=&o&&+&/span& &span class=&n&&y&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&]&/span&&span class=&o&&**&/span&&span class=&mi&&2&/span&&span class=&p&&)&/span&
&span class=&n&&ax&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&n&&Acceleration&/span&&span class=&p&&(&/span&&span class=&n&&r&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&],&/span& &span class=&n&&G&/span&&span class=&p&&,&/span& &span class=&n&&m&/span&&span class=&p&&)&/span&&span class=&o&&*&/span&&span class=&n&&x&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&]&/span&&span class=&o&&/&/span&&span class=&n&&r&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&]&/span&
&span class=&n&&ay&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&n&&Acceleration&/span&&span class=&p&&(&/span&&span class=&n&&r&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&],&/span& &span class=&n&&G&/span&&span class=&p&&,&/span& &span class=&n&&m&/span&&span class=&p&&)&/span&&span class=&o&&*&/span&&span class=&n&&y&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&]&/span&&span class=&o&&/&/span&&span class=&n&&r&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&]&/span&
&span class=&n&&plt&/span&&span class=&o&&.&/span&&span class=&n&&title&/span&&span class=&p&&(&/span&&span class=&s&&&Simulation Times: %d&&/span& &span class=&o&&%&/span& &span class=&nb&&int&/span&&span class=&p&&(&/span&&span class=&n&&N&/span&&span class=&o&&*&/span&&span class=&mi&&10&/span&&span class=&p&&))&/span&
&span class=&n&&plt&/span&&span class=&o&&.&/span&&span class=&n&&plot&/span&&span class=&p&&(&/span&&span class=&n&&x&/span&&span class=&p&&,&/span&&span class=&n&&y&/span&&span class=&p&&,&/span&&span class=&s&&'o'&/span&&span class=&p&&)&/span&
&span class=&n&&plt&/span&&span class=&o&&.&/span&&span class=&n&&show&/span&&span class=&p&&()&/span&
&span class=&k&&if&/span& &span class=&n&&__name__&/span& &span class=&o&&==&/span& &span class=&s&&&__main__&&/span&&span class=&p&&:&/span&
&span class=&n&&run&/span&&span class=&p&&(&/span&&span class=&mi&&2500&/span&&span class=&p&&)&/span&
&/code&&/pre&&/div&&p&作个图发现轨迹跑远了：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-660f46a329eff2fd646affbc_b.png& data-rawwidth=&384& data-rawheight=&264& class=&content_image& width=&384&&&/figure&&p&说明步长设定为0.01太大了。改小点试试！&/p&&div class=&highlight&&&pre&&code class=&language-python3&&&span class=&n&&delta&/span& &span class=&o&&=&/span& &span class=&mf&&0.001&/span&&span class=&o&&/&/span&&span class=&p&&(&/span&&span class=&n&&np&/span&&span class=&o&&.&/span&&span class=&n&&sqrt&/span&&span class=&p&&(&/span&&span class=&n&&ax&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span&&span class=&o&&**&/span&&span class=&mi&&2&/span& &span class=&o&&+&/span& &span class=&n&&ay&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span&&span class=&o&&**&/span&&span class=&mi&&2&/span&&span class=&p&&))&/span&
&/code&&/pre&&/div&&p&果然好多了：&/p&&figure&&img src=&https://pic2.zhimg.com/v2-8a336b0c956d6adfa7ccfa76af242221_b.png& data-rawwidth=&384& data-rawheight=&264& class=&content_image& width=&384&&&/figure&&p&收工。&/p&
不能忍受忽略了所有物理常数的物理公式！！应该是这样：import numpy as np
import matplotlib.pyplot as plt
def run(N):
t = np.arange(0.0, N, 0.1)
x = np.zeros(N*10)
vx = np.zeros(N*10)
ax = np.zeros(N*10)
y = np.zeros(N*10)
&figure&&img src=&https://pic3.zhimg.com/v2-9b50e5f070a832d87aa09e_b.jpg& data-rawwidth=&650& data-rawheight=&458& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&https://pic3.zhimg.com/v2-9b50e5f070a832d87aa09e_r.jpg&&&/figure&&p&目录：&br&&/p&&ol&&li&&p&Tensorflow在Windows10的安装&/p&&/li&&li&&p&Tensorflow，那么什么是Tensor？&/p&&/li&&li&&p&为什么Tensorflow那么受欢迎？&/p&&/li&&li&&p&CNTK分析。&/p&&/li&&li&&p&Reference&/p&&/li&&/ol&&h2&&strong&Tensorflow在Windows10的安装&/strong&&/h2&&blockquote&&p&在
Windows玩了很久的Tensorflow，但由于某些不可抗因素，硬是格式化了Windows。格式化完毕后立马装上Anaconda3，结果就在
一个大坑里默默流眼泪——Tensorflow不支持最新的Python3.6。pip的效率是真的不算高，于是在下载都能失败好几次的情况下，我硬是被
卡了半个多月。这篇教程算是给整个Tensorflow的Win平台填上最新的坑。（近乎所有的教程都是在Python3.6发布之前写的）&/p&&/blockquote&&p&首先下载Anaconda3&/p&&blockquote&&p&注意，Tensorflow在Win环境下只支持Python3&/p&&/blockquote&&p&同时，Anaconda3的下载不能下最新版，也就是只支持64位Python3.5。&/p&&p&而后就是经典的：&/p&&p&pip install tensorflow #如果你用CPU的话;&/p&&p&pip install tensorflow-gpu#如果你用GPU加速的话&/p&&p&这也是一般的套路告诉你的。不过其实完全可以直接去pypl的资源上直接迅雷啊什么的下下来，比较快、省时间。而后打开cmd，pip install 直接拖入你的文件到cmd，而后麻溜回车。&/p&&p&你以为就这么天真的：&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&import tensorflow as tfprint('TensorFlow version: {0}'.format(tf.__version__))hello = tf.constant('Hello, TensorFlow!')sess = tf.Session()print(sess.run(hello))
&/code&&/pre&&/div&&p&你就会得到：&/p&&figure&&img src=&https://pic2.zhimg.com/v2-6ac0ca0fb73f2bee14b6aea_b.png& data-rawwidth=&677& data-rawheight=&674& class=&origin_image zh-lightbox-thumb& width=&677& data-original=&https://pic2.zhimg.com/v2-6ac0ca0fb73f2bee14b6aea_r.jpg&&&/figure&&br&&p&来自tensorflow的嘲讽。&br&&/p&&p&在Google中沉浮数日，发现了大佬的解决方案：&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&pip install --upgrade http://ci.tensorflow.org/view/Nightly/job/nightly-win/85/DEVICE=cpu,OS=windows/artifact/cmake_build/tf_python/dist/tensorflow-1.0.0rc2-cp35-cp35m-win_amd64.whl
&/code&&/pre&&/div&&p&安装完毕之后，可以通过。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-db4ad6e81df9e5e2c9a8_b.png& data-rawwidth=&676& data-rawheight=&671& class=&origin_image zh-lightbox-thumb& width=&676& data-original=&https://pic1.zhimg.com/v2-db4ad6e81df9e5e2c9a8_r.jpg&&&/figure&&p&在这里，问过Tensorflow的作者之一——Adriano Carmezim&/p&&p&得到的回答是酱紫的：&/p&&p& &Apparently this issue is fixed at HEAD but didn't make it to the release build. &/p&&p&也就是说，这是作者的坑。。。忽略就好。。。&br&&/p&&p&&strong&Tensorflow，那么什么是Tensor？&/strong&&/p&&p&tensor的对应到中文的解释是张量。
为什么要讲tensor，主要就是鼎鼎大名的keras默认使用Tensorflow作为后端来进行张量的操作。而且tensor这个概念属于一种底层概
念，如果一个做Deep Learning的人没有办法理解tensor，那么其使用Deep Learning的技巧和创新性也十分有限。&/p&&p&张量这个概念比较复杂，tensor可以理解成一种多维数组，张量可以看作是向量、矩阵的自然推广，表示广泛的数据类型。&/p&&p&复杂点并不是在计算机意义上的多维数组表示方法，往往比喻有降低复杂性的作用。&/p&&p&零阶张量是普通的数，是张量的最底层的存在，也是最容易理解的一个部分。&/p&&p&一阶张量是向量，是数的有序的组合的结果。&/p&&p&张量的核心便在于——组合。&/p&&p&同样的，将一阶张量再进行有序组合，得到二阶张量。线性代数告诉我们一个矩阵可以表示为n个列向量的和，相比大家能够猜到二阶张量可以对应到我们已经理解的矩阵。&/p&&p&如此，不断的迭代加深。&/p&&p&由于可以迭代到很高层，在高层以上，我们就不费心思研究Tensor在我们的认知中的对应关系。研究物理的前辈们很早就意识到向量和张量作为实体具有物理上的意义的，它超越了它们的分量所被表述的（经常是任意的）坐标系。&/p&&p&其实张量的理解，理解成一种不断组合不断升级并且没有天花板的高级数据类型就可以了。&/p&&p&比较像人话的，是无分量方法。它把张量首先视为抽象对象，表达了多线性概念的某种确定类型。操作张量的规则作为从线性代数到多重线性代数的推广出现。其方式是更现代的无分量向量方法在基于分量的方法用于给出向量概念的基本引例之后就取代了传统的基于分量的方法。&br&&/p&&p&&strong&为什么Tensorflow那么受欢迎？&/strong&&/p&&p&TensorFlow
是相对高阶的机器学习库，用户可以方便地用它设计神经网络结构，而不必为了追求高效率的实现亲自写C++或CUDA18代码。在Tensorflow上可
以很麻溜的跑自己的模型而不用担心自己的Neural
Network的细节部分。而Tensorflow作为神级框架Keras的默认back-end以及Google帅气的号称秒世界的Edward库，无
不体现Tensorflow目前的领军地位。&/p&&p&要
说做DL的人最火大什么，无非就是各种细节上的纠结和各种求导，这个Theano做的也不错。不过使用Python时有一个影响效率的问题是，每一个
mini-batch要从Python中feed到网络中，这个过程在mini-batch的数据量很小或者运算时间很短时，可能会带来影响比较大的延
迟。&/p&&p&但是在这里说一下Theano的一个坏话：&/p&&p&配置真的很烦！编译真的很慢！&/p&&p&编译需要MinGW支持，MinGW据说在国内经常翻车。对于新人来说，一个import theano 就弄出一大堆C/C++代码，不免被震撼到。而后又要做许多的改造才能让theano 俯首称臣，这个自学轨迹不要太崎岖。&/p&&p&TensorFlow在定义新网络结构时，Theano通常需要长时间的编译，因此尝试新模型需要比较大的代价，而TensorFlow完全没有这个问题。&/p&&p&Tensorflow的教程真的是一搜一大把，在youtube上一搜，各种应用和教程五花八门，并且质量还普遍不低——毕竟玩DL的人不是学界大牛就是Keep Learning的典范。&/p&&p&内
置的TF.Learn和TF.Slim等上层组件可以帮助快速地设计新网络，并且兼容Scikit-learn
estimator接口，可以方便地实现evaluate、grid search、cross
validation。并且据某老司机表示：只要可以将计算表示成计算图的形式，就可以使用TensorFlow。这就意味着，Tensorflow打破
Learning这个概念框架的限制，在更多的领域也有自己的应用，可以写内层循环代码控制计算图分支的计算。TensorFlow也可以将计算图中的各
个节点分配到不同的设备执行，充分利用硬件资源。&/p&&p&最值得小白们关注的就是——帅！&/p&&p&Tensorflow
的TensorBoard，将网络结构和训练过程进行可视化，经常为了等编译，然后去冲一杯咖啡，路上碰上老板还是同学什么的，侃大山侃完，回来——还没
做好。然鹅这个时候早已忘记了自己做到哪一步了，就一脸懵逼的看着电脑，或者一脸懊悔的看着自己手贱戳了键盘的某个键。&/p&&blockquote&&p&TensorBoard
是TensorFlow的一组Web应用，用来监控TensorFlow运行过程，或可视化Computation
Graph。TensorBoard目前支持5种可视化：标量（scalars）、图片（images）、音频（audio）、直方图
（histograms）和计算图（Computation Graph）。TensorBoard的Events
Dashboard可以用来持续地监控运行时的关键指标，比如loss、学习速率（learning
rate）或是验证集上的准确率（accuracy）；Image
Dashboard则可以展示训练过程中用户设定保存的图片，比如某个训练中间结果用Matplotlib等绘制（plot）出来的图片；Graph
Explorer则可以完全展示一个TensorFlow的计算图，并且支持缩放拖曳和查看节点属性。&/p&&/blockquote&&h2&&strong&CNTK分析&/strong&&/h2&&p&CNTK是MSRA开源的深度学习框架。在语音识别领域的使用尤其广泛。CNTK设计是性能导向的，从各种成绩上来看是非常的卓越——对，比Tensorflow厉害！&/p&&p&CNTK这个框架也很尴尬的和Tensorflow一样，对Python的支持又是只支持Python3.5&/p&&p&但是CNTK有个非常非常非常尴尬的一个局面：&/p&&p&真的！真的！很复杂！&/p&&p&并且没有Keras这样的神级辅助助推。&/p&&p&安装方法也是：&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&pip install https://cntk.ai/PythonWheel/CPU-Only/cntk-2.0.beta12.0-cp35-cp35m-win_amd64.whl
&/code&&/pre&&/div&&p&感兴趣的、想研究CNTK的筒子们可以直接爬下来。&/p&&p&性能是真的比Tensorflow高，同时你能用CNTK弄好，也代表了你的实力，毕竟CNTK的的确确的比Tensorflow更复杂一点，但是还是可以接受的。&/p&&h2&&strong&Reference&/strong&&/h2&&ol&&li&&p&MNIST数据&/p&&/li&&li&&p&Kears文档&/p&&/li&&li&&p&CNTK PythonAPI&/p&&/li&&li&&p&CNTK Python配置&/p&&/li&&/ol&&figure&&img src=&https://pic1.zhimg.com/v2-37d48d49b89f253867bec877a30e5b00_b.jpg& data-rawwidth=&480& data-rawheight=&678& class=&origin_image zh-lightbox-thumb& width=&480& data-original=&https://pic1.zhimg.com/v2-37d48d49b89f253867bec877a30e5b00_r.jpg&&&/figure&&p&大家好，&/p&&p&我是社区娘&a href=&https://www.zhihu.com/people/python-cn& class=&internal&&阿喵酱&/a&，&/p&&p&么么哒(づ￣ 3￣)づ&/p&&p&更多精（dou）彩（bi）内容请关注&br&&/p&&p&&b&微信公众号：Python中文社区&br&&/b&&/p&&p&&b&Python中文开发者的精神家园&/b&&/p&&p&会员登记：&a href=&http://link.zhihu.com/?target=http%3A//t.cn/RJMioxD& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&t.cn/RJMioxD&/span&&span class=&invisible&&&/span&&/a&&/p&&p&申请成为专栏作者：&a href=&http://link.zhihu.com/?target=http%3A//t.cn/RJAasHg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python中文社区专栏作者申请表&/a&&br&&/p&&p&社区维基：&a href=&http://link.zhihu.com/?target=https%3A//python-chinese.github.io/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&python-chinese.github.io&/span&&span class=&invisible&&/&/span&&span class=&ellipsis&&&/span&&/a&&/p&&p&GitHub组织：&a href=&http://link.zhihu.com/?target=https%3A//github.com/PyCN& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&github.com/PyCN&/span&&span class=&invisible&&&/span&&/a&&br&&/p&&p&申请加入PyCN GitHub组织：&a href=&http://link.zhihu.com/?target=http%3A//t.cn/Rir91Y4& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&t.cn/Rir91Y4&/span&&span class=&invisible&&&/span&&/a&&br&&/p&&p&邮箱：&br&&/p&&p&&b&-----------------------------------------&/b&&/p&&p&本文作者：那只猫，剑桥大学在读，Python中文社区专栏作者。&/p&&p&未经授权，禁止转载，否则将追究法律责任。&/p&&p&&b&-----------------------------------------&/b&&/p&
目录： Tensorflow在Windows10的安装Tensorflow，那么什么是Tensor？为什么Tensorflow那么受欢迎？CNTK分析。ReferenceTensorflow在Windows10的安装在
Windows玩了很久的Tensorflow，但由于某些不可抗因素，硬是格式化了Windows。格式化完毕后立马装上Anaco…
&figure&&img src=&https://pic2.zhimg.com/v2-8ddaf11f8d30e316dc72e530dc496fd8_b.jpg& data-rawwidth=&1280& data-rawheight=&800& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic2.zhimg.com/v2-8ddaf11f8d30e316dc72e530dc496fd8_r.jpg&&&/figure&&p&原文：&a href=&http://link.zhihu.com/?target=https%3A//medium.com/technology-invention-and-more/how-to-build-a-simple-neural-network-in-9-lines-of-python-code-cc8f2.7np22hkhc& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&How to build a simple neural network in 9 lines of Python code&/a&&/p&&p&作者：&a href=&http://link.zhihu.com/?target=https%3A//medium.com/%40miloharper%3Fsource%3Dpost_header_lockup& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Milo Spencer-Harper&/a&&/p&&p&翻译：Kaiser（&a href=&http://link.zhihu.com/?target=http%3A//weibo.com/kaiser0730& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&王司图&/a&） &/p&&p&代码可调版本：&a href=&http://link.zhihu.com/?target=https%3A//jizhi.im/blog/post/nn_py_9& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&9行Python代码搭建神经网络 - 集智专栏&/a&&br&&/p&&h2&前言&/h2&&p&在&a href=&http://link.zhihu.com/?target=https%3A//jizhi.im/blog/post/how_to_create_mind& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&上一篇&/a&文章中，Milo给自己定下了两个小目标：&/p&&ol&&li&学习层次隐式马尔可夫模型&/li&&li&用Python搭建神经网络&/li&&/ol&&p&本文讲的就是他如何实现第二个目标。当然，这里的“用Python”指的就是不用那些现成的神经网络库比如Keras、Tensorflow等，否则连9行都不用了。&/p&&br&&h2&正文&/h2&&p&&figure&&img src=&https://pic1.zhimg.com/v2-67394baf6d8a0caa9e49efd0_b.png& data-rawwidth=&1326& data-rawheight=&806& class=&origin_image zh-lightbox-thumb& width=&1326& data-original=&https://pic1.zhimg.com/v2-67394baf6d8a0caa9e49efd0_r.jpg&&&/figure&(Kaiser: 程序的输出结果可在&a href=&http://link.zhihu.com/?target=https%3A//jizhi.im/blog/post/nn_py_9& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&集智专栏&/a&文章中点击&b&运行&/b&按钮在线执行，也可以自由编辑代码，重新定义神经网络。)&/p&&p& 本文我会解释这个神经网络是怎样炼成的，所以你也可以搭建你自己的神经网络。也会提供一个加长版、但是也更漂亮的源代码。&/p&&p&不过首先，什么是神经网络？人脑总共有超过千亿个神经元细胞，通过神经突触相互连接。如果一个神经元被足够强的输入所激活，那么它也会激活其他神经元，这个过程就叫“思考”。&/p&&p&我们可以在计算机上创建神经网络，来对这个过程进行建模，且并不需要模拟分子级的生物复杂性，只要观其大略即可。为了简化起见，我们只模拟一个神经元，含有三个输入和一个输出。&/p&&p&&figure&&img src=&https://pic4.zhimg.com/v2-65af197f1b_b.png& data-rawwidth=&800& data-rawheight=&800& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic4.zhimg.com/v2-65af197f1b_r.jpg&&&/figure&我们将训练这个神经元来解决下面这个问题，前四个样本叫作“训练集”，你能求解出模式吗？&?&处应该是0还是1呢？&/p&&figure&&img src=&https://pic2.zhimg.com/v2-f30043daae2f7f33a8c5f5_b.png& data-rawwidth=&676& data-rawheight=&318& class=&origin_image zh-lightbox-thumb& width=&676& data-original=&https://pic2.zhimg.com/v2-f30043daae2f7f33a8c5f5_r.jpg&&&/figure&&p&或许你已经发现了，输出总是与第一列的输入相等，所以?应该是1。&/p&&h3&训练过程&/h3&&p&问题虽然很简单，但是如何教会神经元来正确的回答这个问题呢？我们要给每个输入赋予一个权重，权重可能为正也可能为负。权重的绝对值，代表了输入对输出的决定权。在开始之前，我们先把权重设为随机数，再开始训练过程：&/p&&ol&&li&&p&从训练集样本读取输入，根据权重进行调整，再代入某个特殊的方程计算神经元的输出。&/p&&/li&&li&&p&计算误差，也就是神经元的实际输出和训练样本的期望输出之差。&/p&&/li&&li&&p&根据误差的方向，微调权重。&/p&&/li&&li&&p&重复10000次。&/p&&/li&&/ol&&p&最终神经元的权重会达到训练集的最优值。如果我们让神经元去思考一个新的形势，遵循相同过程，应该会得到一个不错的预测。&/p&&h3&计算神经元输出的方程&/h3&&p&你可能会好奇，计算神经元输出的人“特殊方程”是什么？首先我们取神经元输入的加权总和：&/p&&img src=&http://www.zhihu.com/equation?tex=%5Csum+weight_i+%5Ccdot+input_i+%3D+weight_1+%5Ccdot+input_1+%2B+weight_2+%5Ccdot+input_2+%2B+weight_3+%5Ccdot+input_3& alt=&\sum weight_i \cdot input_i = weight_1 \cdot input_1 + weight_2 \cdot input_2 + weight_3 \cdot input_3& eeimg=&1&&&p&接下来我们进行正规化，将结果限制在0和1之间。这里用到一个很方便的函数，叫Sigmoid函数：&/p&&img src=&http://www.zhihu.com/equation?tex=%5Cfrac%7B1%7D%7B1%2Be%5E%7B-x%7D%7D& alt=&\frac{1}{1+e^{-x}}& eeimg=&1&&&p&如果绘出图像，Sigmoid函数是S形的曲线：&/p&&figure&&img src=&https://pic3.zhimg.com/v2-3d4e201bc3c992_b.jpg& data-rawwidth=&870& data-rawheight=&1333& class=&origin_image zh-lightbox-thumb& width=&870& data-original=&https://pic3.zhimg.com/v2-3d4e201bc3c992_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/v2-4d922a8955fffcb8694ebf42df84aef7_b.png& data-rawwidth=&640& data-rawheight=&427& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/v2-4d922a8955fffcb8694ebf42df84aef7_r.jpg&&&/figure&&p&将第一个公式代入第二个，即得最终的神经元输出方程： &/p&&img src=&http://www.zhihu.com/equation?tex=Output+of+neuron+%3D+%5Cfrac%7B1%7D%7B1+%2B+e%5E%7B-%28%5Csum+weight_i+%5Ccdot+input_i%29%7D%7D& alt=&Output of neuron = \frac{1}{1 + e^{-(\sum weight_i \cdot input_i)}}& eeimg=&1&&&h3&调整权重的方程&/h3&&p&在训练进程中，我们需要调整权重，但是具体如何调整呢？就要用到“误差加权导数”方程：&/p&&img src=&http://www.zhihu.com/equation?tex=Adjust+weights+by+%3D+error+%5Ccdot+input+%5Ccdot+SigmoidCurveGradient%28output%29& alt=&Adjust weights by = error \cdot input \cdot SigmoidCurveGradient(output)& eeimg=&1&&&p&为什么是这个方程？首先我们希望调整量与误差量成正比，然后再乘以输入(0-1)。如果输入为0，那么权重就不会被调整。最后乘以Sigmoid曲线的梯度，为便于理解，请考虑：&/p&&ol&&li&&p&我们使用Sigmoid曲线计算神经元输出。&/p&&/li&&li&&p&如果输出绝对值很大，这就表示该神经元是很确定的（有正反两种可能）。&/p&&/li&&li&&p&Sigmoid曲线在绝对值较大处的梯度较小。&/p&&/li&&li&&p&如果神经元确信当前权重值是正确的，那么就不需要太大调整。乘以Sigmoid曲线的梯度可以实现。&/p&&/li&&/ol&&p&Sigmoid曲线的梯度可由导数获得：&/p&&img src=&http://www.zhihu.com/equation?tex=SigmoidCurveGradient%28output%29+%3D+output+%5Ccdot+%281+-+output%29& alt=&SigmoidCurveGradient(output) = output \cdot (1 - output)& eeimg=&1&&&p&代入公式可的最终的权重调整方程：&/p&&img src=&http://www.zhihu.com/equation?tex=Adjust+weights+by+%3D+error+%5Ccdot+input+%5Ccdot+output+%5Ccdot+%281+-+output%29& alt=&Adjust weights by = error \cdot input \cdot output \cdot (1 - output)& eeimg=&1&&&p&实际上也有其他让神经元学习更快的方程，这里主要是取其相对简单的优势。&br&&/p&&h2&构建Python代码&br&&/h2&&p&尽管我们不直接用神经网络库，但还是要从Python数学库Numpy中导入4种方法：&br&&br&&/p&&ul&&li&exp： 自然对常数&/li&&li& array： 创建矩阵&/li&&li&dot：矩阵乘法&/li&&li&random： 随机数&br&&/li&&/ul&&p&比如我们用&b&array()&/b&方法代表训练集：&br&&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&training_set_inputs = array([[0, 0, 1], [1, 1, 1], [1, 0, 1], [0, 1, 1]])
training_set_outputs = array([[0, 1, 1, 0]]).T
&/code&&/pre&&/div&&p&&b&.T&/b&函数就是矩阵转置。我想现在可以来看看美化版的源代码了，最后我还会提出自己的终极思考。源代码中已经添加了注释逐行解释。注意每次迭代我们都一并处理了整个训练集，以下为完整的Python示例：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-b1fa5d674be397efa6e5d8_b.png& data-rawwidth=&666& data-rawheight=&1846& class=&origin_image zh-lightbox-thumb& width=&666& data-original=&https://pic1.zhimg.com/v2-b1fa5d674be397efa6e5d8_r.jpg&&&/figure&&h2&终极思考&/h2&&p&（Kaiser：原文讲的是将代码写入本地main.py文件，再在终端中运行python main.py，这里只需点击运行即可。）&/p&&p&我们用Python打造了一个简单的神经网络。&/p&&p&首先神经网络给自己赋予随机的权重值，然后用训练集训练自己，最后去思考新的形势[1 0 0]并预测了0.，这与正确答案非常接近。&/p&&p&传统的计算机程序无法学习，神经网络的最大魅力就在于学习能力，可以自主适应新形势，就像人的心智一样。当然，仅仅一个神经元只能完成特别简单的人物，但如果我们把上百万个如此的神经元连接起来呢？能否有朝一日制造出具有自我意识的东西？&/p&&p& 下一篇文章中，我将继续加入第二层神经元，来拓展神经网络。&/p&&p&QQ群：&b&&/b&&/p&&p&投稿或加入微信群：请联系客服，微信ID: &b&jizhi_im&/b&&/p&
原文：作者：翻译：Kaiser（） 代码可调版本： 前言在文章中，Milo给自己定下了两个小目标：学习层次隐式马尔可夫模…
正式回答前先絮叨一下：&br&《Witcher巫师3 狂猎》应得一切赞誉。&br&而其DLC石之心已经超越游戏，&br&成为一款巅峰体验的前卫艺术品。&br&如果细细玩下来，&br&你会发现游戏中很多对于宗教，种族，艺术的重构，都溯源真实历史，在向欧洲文化致敬。&br&&br&巫师的沙盒世界的开放度也很不可思议，&br&走完主剧情加dlc，&br&做完几百个任务，&br&看完游戏里的几百本书信，&br&拾完陆地上裸露在外的各种断耙小瓶，&br&断断续续玩下来花了一年半时间…&br&可就这么沉迷拾荒地图才开了八成，&br&老公笑话我把狂猎玩成了狂捡。&br&&figure&&img data-rawwidth=&448& data-rawheight=&252& src=&https://pic2.zhimg.com/v2-4e3fc119e6b2c78de705_b.jpg& class=&origin_image zh-lightbox-thumb& width=&448& data-original=&https://pic2.zhimg.com/v2-4e3fc119e6b2c78de705_r.jpg&&&/figure&（杰洛特在血与酒中对着屏幕外玩家的最后一笑，&br&
是漫长旅途的最好的谢幕。&br&
虽然游戏结束了，但他走进了我心里。）&br&&br&我最喜欢巫师的是，这是个给成年人玩的游戏。&br&就像在现实生活中一样，&br&无论怎么选择，有得到，就有失去，&br&没有一个完美的结局。&br&你看似救了一个人，&br&但后来会有更多人因他而丧命，&br&残酷如斯，真实如斯。&br&&br&------------回答正式开始------------&br&&br&看到前面很多答案都提到了巫师3，欣喜至极，&br&的确从画面到剧情，角色交互，&br&巫师系列都有很多令人震撼的细节。&br&&br&但我这里想专门补充的，是里面的三首音乐。&br&&br&1.吟游诗人普西拉唱的Wolven storm 风中孤狼&br&
也被称作 破碎之花。&br&&br&《Wolven Storm (Englis...》&a href=&//link.zhihu.com/?target=http%3A//tb.cn/qep5u2x& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&tb.cn/qep5u2x&/span&&span class=&invisible&&&/span&&/a&&br&&figure&&img data-rawwidth=&750& data-rawheight=&750& src=&https://pic2.zhimg.com/v2-d2c2d921b1a1cc01a48cce1_b.png& class=&origin_image zh-lightbox-thumb& width=&750& data-original=&https://pic2.zhimg.com/v2-d2c2d921b1a1cc01a48cce1_r.jpg&&&/figure&&br&当时普西拉是在小酒馆中献唱，&br&声音一出，屏幕前的我就不禁屏住了呼吸，&br&慵懒的弦琴伴奏，天籁般的歌声，&br&娓娓道来的歌词更是彻底击中了我。&br&&figure&&img data-rawwidth=&1920& data-rawheight=&1015& src=&https://pic4.zhimg.com/v2-315a4c679ad94ff44e7aecf_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic4.zhimg.com/v2-315a4c679ad94ff44e7aecf_r.jpg&&&/figure&&br&中英歌词如下：&br&These scars long have yearned for your tender caress&br&用手指轻抚我的伤疤&br&To bind our fortunes, damn what the stars own&br&命运交结，藐视星光&br&Rend my heart open, then your love profess&br&打开伤口，试着疗伤&br&A winding, weaving fate to which we both atone&br&直到成了命运的回旋花样&br&You flee my dream come the morning&br&清晨时分，你逃离我的梦境&br&Your scent - berries tart, lilac sweet&br&苦如黑醋栗，甜如丁香&br&To dream of raven locks entwisted, stormy.&br&我想梦见你的黑色秀发，&br&Of violet eyes, glistening as you weep&br&你的紫色眼眸，泪眼汪汪&br&The wolf I will follow into the storm.&br&我随孤狼深入暴风雪&br&To find your heart, its passion displaced&br&追踪你顽固的心&br&By ire ever growing, hardening into stone.&br&穿越愤怒与悲伤，坚如顽石&br&Amidst the cold to hold you in a heated embrace&br&我燃起你受狂风横扫的双唇&br&You flee my dream come the morning.&br&清晨时分，你逃离我的梦境&br&Your scent - berries tart, lilac sweet&br&苦如黑醋栗，甜如丁香&br&To dream of raven locks entwisted, stormy.&br&我想梦见你的黑色秀发，&br&Of violet eyes, glistening as you weep&br&你的紫色眼眸，泪眼汪汪&br&I know not if fate would have us live as one.&br&你是否是我的命中注定&br&Or if by love's blind chance we've been bound&br&或仅是爱神无心插柳&br&The wish I whispered, when it all began.&br&当我说出我的心愿，&br&Did it forge a love you might never have found?&br&你是否违己之愿爱上了我？&br&You flee my dream come the morning.&br&清晨时分，你逃离我的梦境&br&Your scent - berries tart, lilac sweet&br&苦如黑醋栗，甜如丁香&br&To dream of raven locks entwisted, stormy.&br&我想梦见你的黑色秀发&br&Of violet eyes, glistening as you weep&br&你的紫色眼眸，泪眼汪汪&br&&br&如果你熟悉剧情，会知道，&br&这首歌讲的其实是男女主角的爱情故事，&br&白狼杰洛特，&br&和拥有紫色眼眸，丁香黑醋栗香气的叶奈法，&br&最初，他因为向灯神冒失许愿，&br&而和她命运捆绑在一起，&br&后来他深陷危机，奄奄一息，&br&她牺牲自己，舍命救他，&br&而他醒来却丧失了记忆。&br&两个人一直在互相寻找却不断错过的道路上。&br&&figure&&img data-rawwidth=&482& data-rawheight=&269& src=&https://pic3.zhimg.com/v2-30bcdd319da944da_b.jpg& class=&origin_image zh-lightbox-thumb& width=&482& data-original=&https://pic3.zhimg.com/v2-30bcdd319da944da_r.jpg&&&/figure&&br&他或许记不起她，&br&但总会在清晨时感受到有她的梦境，&br&苦如黑醋栗，甜如丁香。&br&&br&普西拉一曲唱完，酒馆中的听众都哭了，&br&只有白狼不动声色，&br&或许是因为作为猎魔人被剥夺了情绪，&br&但更有可能是如下评论中所说的，&br&他身处命运其中而不自知，&br&正如蒙昧的我们一样。&br&&figure&&img data-rawwidth=&1242& data-rawheight=&781& src=&https://pic1.zhimg.com/v2-7fad7b4b31f76764cdbf0_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic1.zhimg.com/v2-7fad7b4b31f76764cdbf0_r.jpg&&&/figure&&br&&br&&figure&&img data-rawwidth=&1242& data-rawheight=&1356& src=&https://pic2.zhimg.com/v2-a78cfaeaa87a844ade2c9_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic2.zhimg.com/v2-a78cfaeaa87a844ade2c9_r.jpg&&&/figure&&br&另外，良心制作组还给这首歌制作了七种语言版本，&br&亚洲区有日语版…&br&&br&2.吸血鬼女唱的lullaby of woe 安魂曲&br&
来自DLC血与酒&br&&br&《Lullaby of Woe》&a href=&//link.zhihu.com/?target=http%3A//tb.cn/tiS8l2x& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&tb.cn/tiS8l2x&/span&&span class=&invisible&&&/span&&/a&&br&&figure&&img data-rawwidth=&750& data-rawheight=&750& src=&https://pic4.zhimg.com/v2-56d73ca5f06bc49a793966ddcb78fc0b_b.jpg& class=&origin_image zh-lightbox-thumb& width=&750& data-original=&https://pic4.zhimg.com/v2-56d73ca5f06bc49a793966ddcb78fc0b_r.jpg&&&/figure&&br&Lullaby of Woe 安魂之歌&br&&br&这首歌最初响起是在DLC血与酒进入游戏之前的界面上，背景很安静，只是一个女声浅吟低唱。我老公觉得好听就下载了开车的时候听，但我听出里面有一句歌词 “For the witcher, heartless, cold 冷酷，无情的猎魔人啊”，就觉得很奇怪，后来查了才知道这是吸血鬼女唱的，哀悼她被猎魔人杀死的孩子。&br&&br&如果是从这些被猎魔人屠戮的怪物视角写出的，也就不奇怪了，也许食人是他们的生存方式，也无对错，但只可惜生来他们就和猎魔人是对立的，对猎魔人的憎恨，嘲讽，畏惧，和悲伤在歌曲中表现得淋漓尽致。&br&&br&而且这首歌并不只是个开场背景乐，在游戏的不断进行中，我又听到了这首歌，旋律响起的一刻就忍不住打了个寒颤。&br&那是衣装得体的贵族夫人抱着孤儿院的孩子，哼着歌曲哄他入眠，气氛一派祥和温馨。&br&但在门渐渐掩上之后，歌声渐弱，只剩下嘶嘶的吮吸声。&br&&figure&&img data-rawwidth=&550& data-rawheight=&309& src=&https://pic3.zhimg.com/v2-c103d0b83c04d58f5e132e_b.jpg& class=&origin_image zh-lightbox-thumb& width=&550& data-original=&https://pic3.zhimg.com/v2-c103d0b83c04d58f5e132e_r.jpg&&&/figure&&br&中英歌词如下：&br&Wolves asleep amidst the trees&br&群狼在密林中酣睡 &br&Bats all a swaying in the breeze&br&蝙蝠在树枝下随风颤动&br&But one soul lies anxious wide awake&br&但一个不安的灵魂仍在躁动 &br&Fearing all manner of ghouls, hags and wraiths&br&警惕着食尸鬼，老巫婆和妖灵 &br&&br&For your dolly Polly sleep has flown&br&我的宝贝Polly从梦中惊醒&br&Don't dare let her tremble alone&br&在恐惧中她无助地发抖&br&For the witcher, heartless, cold&br&猎魔人，他是这般冷酷又无情&br&Paid in coin of gold&br&得到金币就任人驱使 &br&He comes he'll go leave naught behind&br&来去如风，劫掠一空&br&But heartache and woe&br&只留下灾厄和悲痛 &br&Deep, deep woe&br&我的心儿也深深地悲痛&br&&br&Birds are silent for the night&br&鸟儿在深夜紧闭歌喉&br&Cows turned in as daylight dies&br&牛儿随暮光消逝入睡 &br&But one soul lies anxious wide awake&br&但一个不安的灵魂仍在躁动&br&Fearing all manner of ghouls, hags and wraiths&br&警惕着食尸鬼，老巫婆和妖灵 &br&&br&My dear dolly Polly shut your eyes&br&我亲爱的宝贝Polly，永远地闭上了眼睛 &br&Lie still, lie silent, utter no cries&br&永远的倒下，沉寂，不再啜泣&br&As the witcher, brave and bold&br&而猎魔人，勇武又无畏的猎魔人&br&Paid in coin of gold&br&领取了又一份赏金&br&He'll chop and slice you&br&他会磨刀霍霍&br&Cut and dice you&br&将你切碎撕裂&br&Eat you up whole&br&一口一口又一口 &br&Eat you whole&br&把你整个吃掉&br&&br&3.史凯利群岛的主题曲 The Fields Of Ard Skelling&br&&br& 《The Fields of Ard Sk...》&a href=&//link.zhihu.com/?target=http%3A//tb.cn/SnIWa3x& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&tb.cn/SnIWa3x&/span&&span class=&invisible&&&/span&&/a&&br&&br&最喜欢的一首插曲，&br&据说旋律来自于古老的苏格兰民谣，&br&那时正是白狼初到史凯利群岛，&br&他乘坐的船经受了暴风雨，&br&昏迷中跟着海浪和船的残骸一起漂到岸边。&br&&br&和之前布满沼泽毒气食尸鬼和孽鬼的威伦不同，&br&&br&这次睁开眼睛看到的史凯利群岛是无尽的海，雪山，以及岸边飞舞的美艳海妖。&br&&figure&&img data-rawwidth=&580& data-rawheight=&326& src=&https://pic2.zhimg.com/v2-b4b1f913d_b.jpg& class=&origin_image zh-lightbox-thumb& width=&580& data-original=&https://pic2.zhimg.com/v2-b4b1f913d_r.jpg&&&/figure&&br&此时旋律响起，整个人惊艳到戛然无语。&br&&br&后来在所有剧情结束之后，&br&我依然喜欢背着剑骑着马在史凯利群岛溜达，&br&俯瞰群山，一遍遍听这首歌，&br&这个结束后的世界里，没有朋友，没有爱人，&br&终于明白了杰洛特孤独又桀骜的狼心。&br&&br&当时无限感慨还发了个朋友圈&br&&figure&&img data-rawwidth=&1242& data-rawheight=&686& src=&https://pic4.zhimg.com/v2-66dd3a649ceef7da969b7f848e4d1b93_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic4.zhimg.com/v2-66dd3a649ceef7da969b7f848e4d1b93_r.jpg&&&/figure&&br&此后我有了个新爱好，&br&旅行到真实世界任何有雪山湖泊的地方，&br&我都会找出这首歌曲聆听，&br&期待着有一天能和杰洛特一样，&br&浪迹天涯，看尽世事，但却心怀温柔。&br&&br&后来去了新西兰，&br&才发现真的有和史凯利群岛一样的地方。&br&&figure&&img data-rawwidth=&1280& data-rawheight=&1576& src=&https://pic1.zhimg.com/v2-6f3bab40258adf04da9c04_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-6f3bab40258adf04da9c04_r.jpg&&&/figure&&br&&br&此曲评论如下：&br&&figure&&img data-rawwidth=&1242& data-rawheight=&1910& src=&https://pic1.zhimg.com/v2-844febc34d6e76e6426e4_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic1.zhimg.com/v2-844febc34d6e76e6426e4_r.jpg&&&/figure&&br&&br&这是我在知乎写过最长最认真的答案，&br&下飞机在回家途中纯手机码了千字，&br&是真爱啊。&br&仅以此文献给巫师制作组，&br&和融入我灵魂的杰洛特。
正式回答前先絮叨一下： 《Witcher巫师3 狂猎》应得一切赞誉。 而其DLC石之心已经超越游戏， 成为一款巅峰体验的前卫艺术品。 如果细细玩下来， 你会发现游戏中很多对于宗教，种族，艺术的重构，都溯源真实历史，在向欧洲文化致敬。 巫师的沙盒世界的开放度…
&figure&&img src=&https://pic4.zhimg.com/v2-cab23f6bfcf0_b.jpg& data-rawwidth=&1920& data-rawheight=&1080& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic4.zhimg.com/v2-cab23f6bfcf0_r.jpg&&&/figure&之前的文章介绍了&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&使用Photoshop将照片变成卡通图片&/a&，今次介绍用代码来实现这项任务，可以就此探查各种滤镜的内部机制。&p&制作环境：Windows10，Python2.7，Anaconda&br&&/p&&p&任务描述：将D盘某文件夹中的所有图片使用代码进行卡通化，然后保存到另一文件夹中。&/p&&p&如&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&前文&/a&所述，卡通化的关键是强化边缘与减少色彩，所以使用Photoshop进行卡通化的时候就使用了照亮边缘和干笔画的滤镜来处理。使用代码处理图片的时候也是在对边缘和色彩上做文章。以下使用OpenCV库来对照片处理，大致分为四步来完成。&/p&&ol&&li&应用双边滤波器来减少图像的色彩&/li&&li&将彩色图像转换为灰度，应用中值滤波器减少图像中的图像噪点&/li&&li&使用自适应阈值处理灰度图像创建轮廓&/li&&li&将来自步骤1的彩色图像与来自步骤3的轮廓叠加&/li&&/ol&&br&&h2&第1步：减少图像色彩&/h2&&p&因为双边滤波器平滑平坦区域同时能保持边缘清晰，所以很适合于将RGB图像转换为卡通。虽然速度好像慢一些一个技巧是重复（例如，通过num_bilateral = 7七次）应用小双边滤波器，而不是只用一次大双边滤波器。&/p&&div class=&highlight&&&pre&&code class=&language-python&&&span&&/span&&span class=&kn&&import&/span& &span class=&nn&&cv2&/span&
&span class=&n&&num_down&/span& &span class=&o&&=&/span& &span class=&mi&&2&/span&
&span class=&c1&&# 缩减像素采样的数目&/span&
&span class=&n&&num_bilateral&/span& &span class=&o&&=&/span& &span class=&mi&&7&/span&
&span class=&c1&&# 定义双边滤波的数目&/span&
&span class=&n&&img_rgb&/span& &span class=&o&&=&/span& &span class=&n&&cv2&/span&&span class=&o&&.&/span&&span class=&n&&imread&/span&&span class=&p&&(&/span&&span class=&s2&&&img_example.jpg&&/span&&span class=&p&&)&/span&
&span class=&c1&&# 用高斯金字塔降低取样&/span&
&span class=&n&&img_color&/span& &span class=&o&&=&/span& &span class=&n&&img_rgb&/span&
&span class=&k&&for&/span& &span class=&n&&_&/span& &span class=&ow&&in&/span& &span class=&nb&&xrange&/span&&span class=&p&&(&/span&&span class=&n&&num_down&/span&&span class=&p&&):&/span&
&span class=&n&&img_color&/span& &span class=&o&&=&/span& &span class=&n&&cv2&/span&&span class=&o&&.&/span&&span class=&n&&pyrDown&/span&&span class=&p&&(&/span&&span class=&n&&img_color&/span&&span class=&p&&)&/span&
&span class=&c1&&# 重复使用小的双边滤波代替一个大的滤波&/span&
&span class=&k&&for&/span& &span class=&n&&_&/span& &span class=&ow&&in&/span& &span class=&nb&&xrange&/span&&span class=&p&&(&/span&&span class=&n&&num_bilateral&/span&&span class=&p&&):&/span&
&span class=&n&&img_color&/span& &span class=&o&&=&/span& &span class=&n&&cv2&/span&&span class=&o&&.&/span&&span class=&n&&bilateralFilter&/span&&span class=&p&&(&/span&&span class=&n&&img_color&/span&&span class=&p&&,&/span& &span class=&n&&d&/span&&span class=&o&&=&/span&&span class=&mi&&9&/span&&span class=&p&&,&/span&
&span class=&n&&sigmaColor&/span&&span class=&o&&=&/span&&span class=&mi&&9&/span&&span class=&p&&,&/span&
&span class=&n&&sigmaSpace&/span&&span class=&o&&=&/span&&span class=&mi&&7&/span&&span class=&p&&)&/span&
&span class=&c1&&# 升采样图片到原始大小&/span&
&span class=&k&&for&/span& &span class=&n&&_&/span& &span class=&ow&&in&/span& &span class=&nb&&xrange&/span&&span class=&p&&(&/span&&span class=&n&&num_down&/span&&span class=&p&&):&/span&
&span class=&n&&img_color&/span& &span class=&o&&=&/span& &span class=&n&&cv2&/span&&span class=&o&&.&/span&&span class=&n&&pyrUp&/span&&span class=&p&&(&/span&&span class=&n&&img_color&/span&&span class=&p&&)&/span&
&/code&&/pre&&/div&&p&cv2.bilateralFilter中的三个参数控制像素邻域的直径（d）和颜色空间中的滤波器的标准偏差（sigmaColor）以及坐标空间（sigmaSpace）。&br&&/p&&h2&第2步：转换为灰度，并使用中值滤波器减少噪点&/h2&&p&OpenCV在边缘检测方面提供了多种选择，自适应阈值处理的优点是可以检测图像的每个小领域中最突出的特征，独立于图像的整体属性。&/p&&p&应用中值滤波器减少图像的色彩。将原始的彩色图片转换为灰度图片，接着应用中值模糊来减少灰度图像中的噪声。&/p&&div class=&highlight&&&pre&&code class=&language-python&&&span&&/span&&span class=&c1&&# 转换为灰度并使其产生中等的模糊&/span&
&span class=&n&&img_gray&/span& &span class=&o&&=&/span& &span class=&n&&cv2&/span&&span class=&o&&.&/span&&span class=&n&&cvtColor&/span&&span class=&p&&(&/span&&span class=&n&&img_rgb&/span&&span class=&p&&,&/span& &span class=&n&&cv2&/span&&span class=&o&&.&/span&&span class=&n&&COLOR_RGB2GRAY&/span&&span class=&p&&)&/span&
&span class=&n&&img_blur&/span& &span class=&o&&=&/span& &span class=&n&&cv2&/span&&span class=&o&&.&/span&&span class=&n&&medianBlur&/span&&span class=&p&&(&/span&&span class=&n&&img_gray&/span&&span class=&p&&,&/span& &span class=&mi&&7&/span&&span class=&p&&)&/span&
&/code&&/pre&&/div&&h2&第3步：创建轮廓&/h2&在降噪之后，就可以安全地应用自适应阈值来创建轮廓。 即