顺便，精确到字节的分配，记录分配方案的分配表的开销一般会超过块分配所浪费的空间。

1. 右上角是字节大小的四舍五入。
2. 磁盘大小呢，这东西不好解释。文件系统分配空间不是精确到字节的，是精确到某个最小单位“块”的。所以有浪费。不同文件系统的分配方案不一样。有些可以针对小文件优化。

应该用全局的

老老实实改 architecture，用 ResNet，别挑这种细枝末节调。

几年前的 thinkpad 用户，用了 mac 回不去了。触控板好评如潮，特别是新款加大了。

其实新款键盘我也挺喜欢的，手感我个人感觉很好，因为打字的时候，手指极其微小的动作，系统都能如实反应，还不会误操作，赞！比旧款还喜欢。

其实对很多人喜欢的青轴茶轴，太费力一点都不喜欢。hhkb 我也觉得略硬。我比较喜欢低键帽的红轴。楼主可以参考我对机械键盘偏高，感受一下我对新款键盘的偏爱的原因。

LaTeX 写博客，可没有趁手的工具。

你可以考虑一下 MediaWiki。

我觉得 reject sampling 对这个场景其实还行。

MediaWiki，用 dockerr 部署

https://github.com/haowen-xu/compose-mediawiki-ubuntu

你需要这么写

https://ideone.com/mrZkgF

重写了 __getitem__ 和 __setitem__

preds 的原值八成不是 list of list，是 numpy.array([[..]])。

numpy.array 重写了 __getitem__。

1. Tensorflow 已经要在 1.0 版本附近就砍掉 cuda for mac
2. 但是正常科研不会有人在笔记本上用 cuda
3. 要做深度学习 1080tii 起码要有吧，所以之前是工作站台式机
4. 要做科研你还是等大二进实验室比较靠谱，网上随便找个教程跑模型那是自娱自乐。进了实验室，肯定有服务器用吧？
5. 所以别想这么多了，日常够用就行了

print 一个 list，会被 repr，不是很自然嘛？

你就不能把 select 出来的结果遍历一下嘛？

工作量不小，值得钦佩。可惜 2018 年还固守 caffe 这类以层为核心的设计方法，对新算法支持不足，写起来不够灵活。比如各类 gan, BayesianNet

@Cheez 如果我想拿 vote 这个函数对象怎么办？

强烈反对楼主的做法。

或者

windows: print(a.encode('gbk'))
linux: print(a.encode('utf-8'))

print(a)

@moro 那么就是 ssh 协议特征串