TouchID 贴膜这个效果真的惊艳。。。

帮校友支持一下:D 我也在以本科生的身份找机器学习的职位，好艰难

问一下 iOS 上抓 TCP 包是有开发障碍吗，大部分都是只能抓 HTTP(S)

外层 list 的 identity 确实不同，但是内层几个对应位置的 list 的 identity 还是一样的 (

多打一些 log ，尽可能找出每个线程是卡在哪一句上，曾经有过类似的经历，是因为某些线程卡在了 html parse 上，原本单线程很快的 cpu 操作变得异常的慢。后来把 parse 的操作解耦放到另一个进程里面就顺畅很多了。

额，其实我也不是很了解这两种用法的差异的，不过一不小心就写了出来 @firstway

In [1]: def func(x):
...: return lambda y:y+x
...:

In [2]: a = func(10)

In [3]: a(3)
Out[3]: 13

In [4]: a(5)
Out[4]: 15

@Yourdaye 不是每个请求都 render_template 吗？

@liwanglin12 还能省铜币 XD

@liwanglin12 除非你的是男朋友不然不会在微博里面 cnm 吧(
另外你似乎被降权了(

看 issue 下面说，是因为统计表示那个编码切换的使用率，除了日本和美国以外的都很低，所以出于精简内核的目的移除了，准备把这个功能通过插件的形式放出来。

哈哈哈哈哈哈哈奈斯！

@whwq2012 他 grep 的是含有 'if __name__' 语句的包，也就是可以直接执行的包 :)

@menc 感谢指导:D
我还没有了解过参数爆炸这个概念，还是有很长的路要走。 RNN 这边还没有深入学习，等我学习过后或许提出的观点会更可行一点吧 :D

另外关于贝叶斯的样本分布问题还请赐教 :D

@menc 之前的贝叶斯是我按照自己的理解写的，我对朴素贝叶斯的理解可能存在问题，我是这么理解的：

通过独立同分布的训练集，估计出每一类的先验概率 P(c) ，然后再估计出每个属性(词)的条件概率 P(x|c)，由此计算出每个词对应的 P(c|x)
这里提到了同分布，如果分布不同，如何能估计出正确的 P(c) 呢

关于 context ，我是打算要把整个视频的弹幕作为 context 的，当然，我还没有实际学习过这两个模型，并没有什么明确的观点。

『没有正则的 NN 几乎是必然过拟合』这个观点请问是你的经验吗，因为在这个项目里我是通过人工观察 train acc 和 validation acc 来选择的模型，相当于人肉 early stopping ，不知道这样的模型是否也是过拟合的呢？

不过看来 bow+svm 确实是个好模型，我需要尝试一下了

@plqws 你这么一说，好像空耳还真的挺难识别的。。不过一般空耳的句子流畅度、语义一致性和弹幕长度等特征应该会和普通弹幕有所区别，说不定也是可以做到的，这个得下手试过才能知道了

@madao 哈哈哈哈对的，心疼泡泡被带一下午节奏

@zgqq 其实不必要把目光只放在单条弹幕上，比如说我们可以通过同时分析最近的所有弹幕，若所有弹幕都在说垃圾，只有一条在叫好，那么这也是一个比较明显的特征。若加上一些其他的特征作为辅助，可能就能实现识别反讽的这一目标了。

@am241 感谢提醒！确实没在 loss function 上做太多的优化，我后续会尝试加入一些 regularization 来看看效果的 :D