吴智深的博客

原创 再读《数字化改革概论》有感

按照发展深度与价值影响，数字化转型通常被划分为三个阶段：信息数字化、业务数字化、组织数字化。与之对应，政府数字化转型也划分为政府信息数字化、政府服务数字化、政府系统数字化。我们经济领域的数字化改革当前处于哪个阶段？我们有一个门户网站用于信息和政策发布，有一套OA系统能实现审批和业务协同，信息数字化基本实现。有一部分业务可实现网上办理，处于服务数字化的初级阶段。在数字化基础薄弱的条件下，如何进行弯道超车，实现系统数字化？《数字化改革概论》这本书给出了答案。

原创 云原生部署手册02：将本地应用部署至k8s集群

生产环境下有多个worker节点时，可为服务配置更多的pod，这些pod会被调度到不同物理节点上，可起到负载均衡的作用。安装docker-registry时指定了pvc参数，用于持久化存储，也指定了外部访问的端口31500。搜索docker-registry，找到repo地址为https://helm.twun.io，添加repo并安装registry。其中，我们基于上一步推送到私有仓库的nginx镜像为基础，将dist目录下的内容拷贝到nginx镜像的web目录下。

原创 云原生部署手册01：构建k8s集群并配置持久化存储

k8s通过dockershim对docker的支持从1.20版本后就已经移除，仅支持符合Container Runtime Interface(CRI)的容器运行环境，比如containerd。containerd本身就是docker底层的容器运行环境，只不过docker在containerd的基础上增加了符合人类操作的接口。docker构建的镜像并不是docker特有的镜像，它是一个OCI（开放容器标准）镜像。

原创 一文完全掌握富文本编辑器TinyMCE

TinyMCE 是主流富文本编辑器，功能非常全，你需要的大多数功能它都支持，类似在线版的 Word。但它的优势也恰恰是它的劣势，如此之多的功能都放上来导致整个编辑器非常重，如果只是需要简单功能，上这么复杂的编辑器，大材小用。TinyMCE 对 Vue.js 的集成和安装非常友好，支持 Vue3 和 TypeScript，文档写的也非常好。

原创 基于MQTT协议实现微服务架构事件总线

几年前，本人曾写过MQTT简介。本文摘抄其中重要概念。

原创 客户端订阅服务端事件的机制

产业大脑平台是一个典型的审核系统，用户发布到平台的信息需要经过审核员审核后生效。用户发布信息->审核员审核信息->用户信息生效，这一流程可能发生在用户的同一次登录周期内。为了使客户端能实时响应信息的状态变化，可通过短轮询、长轮询+事件订阅/发布、websocket+事件订阅/发布等方式实现。下面第二节简述轮询方式，第三节详述websocket，第四节详述服务端基于EventEmitter的事件订阅/发布方式和客户端基于mitt的事件订阅/发布方式。

原创 使用prisma实现跨库事务一致性

从业务逻辑上，可以进行垂直分表，比如按记录的状态分表，不同状态进不同表，可以省略状态字段。从数据规模上可以进行水平分表，按外键取模分表。垂直分表可以从本质上降低业务复杂度，但对于数据规模问题，仍然需要分库解决。但要从根本上解决数据规模问题，需要基于水平分表再分库。分表分库是一门艺术，需要针对实际业务具体分析。大的原则是要综合考虑关联查询成本、跨库事务一致性等。跨库事务一致性可通过prisma提供的多schema接入和动态事务处理功能实现。

原创 Restify快速上手

Restify是一个专注于RESTful API的nodejs框架。所谓处理程序链，是指一组处理程序，按顺序依次执行。return next() //程序链式执行的关键，不可省略},') //在一条处理链上，只能向客户端返回一次数据。},

原创 Prisma快速上手

类名采用大坨峰形式，但数据库表名通常使用蛇式，例如common_tag。可以使用@@map属性来重命名数据库表名。@unique@@unique@id@@id模型的属性被称为字段，包含字段名、字段类型、类型修饰符（选填）、@属性（选填）。标量类型，基本数据类型模型类型，例如上例中的Post或Comment[]，这些字段又被称为关系字段userId Int关系标量字段是数据库中外键的直接体现（上例Profile中的userId。

原创 行业协会作用总结

通常，行业协会是作为企业和政府之间的一个桥梁，起到沟通协调的作用，但是它既不是政府的机构部门，也不是以盈利为目的的企业，它是一个代表利益群体的社会组织，这个群体就是它的组成成员。行业协会的宗旨大多包括“促进行业经济发展”、“制定行业规则”这样的内容，其实就是指经济作用和法治价值。同行业之间的各大小企业同属一个协会，它们之间的关系类似于“同盟”，可以资源共享、互换，目的是让这个行业百花齐放，这个行业在该地区或国内发展得好，才能更好拓展其它地区或海外市场，这对整个行业都是有利的。

原创 直线传动关键部件“丝杠”概述

丝杠是将旋转运动变成直线运动的传动副零件。丝杠不仅要能准确传递运动，而且要能传递一定动力，所以在精度、强度以及耐磨性方面都有一定的要求，所以丝杠的加工从毛坯到成品的每道工序都要周密考虑，以提高加工精度。丝杠按其摩擦特性可分为三类：滑动丝杠、滚动丝杠及静压丝杠。滑动丝杠结构简单、制造方便，在机床上应用广泛。滑动丝杠的牙型多为梯形，这种牙型比三角形牙型具有传动性能好、精度高、加工方便等优点。滚动丝杠又分为滚珠丝杠和滚柱丝杠两大类。

原创 BIM、建筑机器人、隧道工程施工关键技术

BIM（Building Information Modeling），建筑信息模型。该技术通过数字化手段，在计算机中建立虚拟建筑，该虚拟建筑提供从单一到完整、包含逻辑关系的建筑信息库。信息库中不仅包含建筑物的几何形状信息，还包含大量非几何信息，如材料的耐火等级、传热系数、构件的造价和采购信息等。其本质是一个按照建筑物几何形态构建的数据库，且记录各阶段的所有数据信息。BIM应用的精髓在于这些数据能贯穿项目的整个寿命期，对项目建造和后期运营管理持续发挥作用。

原创 防爆等级与防爆原理概述

可能发生爆炸的环境有可燃性气体，粉尘环境，炼油、石化厂，加油站、加气站等。防爆设备是指在规定条件下不会引起周围爆炸性环境点燃的电气设备。防爆等级分为三类：一类是煤矿井下电气设备，代表性气体是甲烷，最小引爆火花能量为0.28mJ；二类是指矿井外的工厂，又可分为IIA、IIB、IIC类，IIA代表性气体是丙烷，最小引爆能量0.18mJ，IIB代表性气体是乙烯，最小引爆能量0.06mJ，IIC代表性气体是氢气，最小引爆能量0.019mJ；

原创 怎么看待工信部牵头推动人形机器人发展

工业的发展是在寻找更高效率的生产方式，当人的身体成为阻碍生产效率的因素时，想到的应该是取代人的身体，使用自动化智能化的柔性流水线，使用更能融入生产线的特种定制机器人，而不是把机器人做成人的模样。6，还是以国内机器人领域的领跑者佛山为例，佛山的机器人发展计划太棒了，里面提到了人形机器人，定位很清醒，鼓励发展技术含量高的四足、履带、轮式、人形等前沿特种机器人。2，人的优势不是身体，而是精神，比人类身体有优势的动物太多了，非得是人形，除了高级充气娃娃的性需求能作为立得住的理由，其它应用理由都有些牵强。

原创 电子产品的认证体系

CNAS全称是China National Accreditation Service for Conformity Assessment，中国合格评定国家认可委员会，由国家认证认可监督管理委员会（CNCA）批准设立并授权的唯一国家认可机构，统一负责实施国家的所有认可活动，包括实验室认可、检查机构认可、认证机构认可。获得CNAS认可后，可享受国家政府补贴，可开展对外检测工作，可提供实验室检测能力，可作为企业形象展示，有机会成为国家实验室成员。

原创 磁性传感材料

某些磁性材料在感受到外界的热、光、力等信号后，其磁性会发生改变。利用这一特性，可将其制成多种可靠性强、灵敏度高的传感器，这类利用磁性材料作为敏感元件的传感器被称为磁性传感器，这些对外界物理量敏感的磁性材料可被统称为磁性传感材料。磁性传感器有两层意思，一是检测具有磁信号的传感器，二是把非磁信息变换为磁性信号的传感器。

原创 胶囊内镜与MEMS

微机电系统（Micro-Electro Mechanical System）是指利用微细加工技术，将机械零件、电子电路、传感器、执行机构集成在一块电路板上的高附加值元件，其内部结构一般在微米甚至纳米量级，是一个独立的智能系统。简单理解，MEMS就是将传统传感器的机械部件微型化后，通过三维堆叠技术，例如三维硅穿孔等技术把器件固定在硅晶上，最后根据不同的应用场合采用特殊定制的封装形式，最终切割组装而成的硅基传感器。MEMS受益于集成电路批量化生产所带来的成本优势，且同时具备普通传感器无法具备的微型化和高集成度。

原创 外骨骼机器人关键技术与核心问题

外骨骼机器人是模仿生物界外骨骼而提出的新型机电一体化装置，具有支撑、运动、防护功能。它结合机械结构、控制、驱动方式、人机交互等关键技术，使穿戴者能完成自身无法完成的任务。

原创 外骨骼机器人和人形机器人概览

外骨骼机器人和人形机器人都曾随着一些爆品的出现火热过一段时间，但总感觉当前技术条件还不成熟，真正能落地的应用场景不多。马斯克在擎天柱发布会上被问到人形机器人的落地与前景问题时并没有给出明确答案，只是用“The future is interesting, it won’t be boring”搪塞过去。

原创 空调原理与结构、制冷剂类型及相关先进技术

蒸发压力高：若冷媒蒸发压力低于大气压力，则空气易侵入系统，因此希望冷媒在低温蒸发时蒸发压力高于大气压力。蒸发潜热大：冷媒的液气态转换时吸收或释放的热量大，从而可使用较少的冷媒实现热量转移。临界温度高：冷媒凝结温度高，则可用常温空气或水来冷却冷媒，从而达到冷凝的作用。冷凝压力低：用较低压力可将冷媒液化，可降低压缩机压缩比，节省压缩机马力。凝固温度低：冷媒凝固点低，否则冷媒在蒸发器内容易冻结，从而无法循环。

原创 REST API接口设计时，HTTP状态码204与404的区别

204表示No Content，直接翻译过来是内容不存在，好像也可以表示请求的数据在数据库中不存在的意思。实际上，No Content是针对返回报文的内容而言，表示报文中只有报文头中有内容，报文体中没有内容。这适合于这样一种情形：客户端向服务器提交一些无需服务器返回数据的请求，此时服务器成功执行请求后仅给客户端返回一个报文头，报文头中包含一些任务执行状态信息。在设计REST API接口时遇到这个问题，当请求的数据在数据库中不存在时，究竟应该返回204还是404状态码？

原创 Mac VSCode+Skim编写Latex配置方法

新版本的VSCode内置了对latex语法的支持，只需要在Mac上安装MacTex套件，并在VSCode中安装Latex Workshop插件即可。过去需要安装Latex Language Support插件，并进行手工配置，新版本已经不需要了。如果不是极客，Latex Workshop插件安装后，VSCode默认配置已经足够优秀，通过其内置的浏览器进行准实时预览已经足够满足你的需求了。最简单的安装、最完善的语法智能补齐和接近实时响应的预览功能使得VSCode当之无愧成为最优秀的Latex编辑器。

转载 数据可视化利器之Visdom使用手册（转载自Github）

Visdom手册

原创 深度学习专题交流（第11~14次课）：卷积神经网络基本原理

本讲介绍了卷积神经网络的数学原理，需要掌握的内容包括如下几点：1. 理解卷积的物理意义2. 理解DNN的缺陷，以及CNN如何克服DNN的缺陷3. 理解CNN的卷积层和池化层的作用4. 掌握CNN的前向传播算法5. 能手工推导CNN反向传播算法中池化层、卷积层的delta迭代公式6. 能手工推导卷积层对W,b的导数

原创 深度学习专题交流（第09~10次课）：梯度不稳定原因及解决方法

本次课主要分析了导致DNN训练困难的梯度不稳定问题，并介绍了解决这类问题的几种方法。包括：- 参数初始化技术（梯度爆炸）- 用非饱和激活函数替代饱和激活函数（梯度弥散）- 用交叉熵损失函数替代MSE损失函数（梯度消失）- 批量归一化技术（内部协变量偏移）当然，除了这些方法，还有很多优化DNN的方法，包括利用无监督逐层预训练进行初始化的技术、超参数调试技术、改进的梯度下降算法（动量梯度下降、Adam等）、学习率衰减等。对DNN优化感兴趣的可以进一步深入研究。下一讲将介绍在图像处理中更常用的卷积深度

原创 深度学习专题交流（第05~08次课）：深度神经网络基本原理

本次课介绍了DNN的结构、前向传播算法和反向传播算法的数学原理，以及DNN的训练算法。DNN的核心理论是反向传播算法中计算误差对各层系数的梯度，其中主要用到了矩阵求导的相关知识和归纳法推导迭代公式的技巧。下一讲将分析DNN梯度不稳定现象的原因，并介绍各种激活函数和误差函数对梯度的影响。...

原创 深度学习专题交流（第01~04次课）：矩阵分析基础

矩阵分析是工程数学的重要部分，也是机器学习领域重要的数学工具之一。深度学习作为机器学习领域重要的分支，在实践应用中取得了令人瞩目的成果。本专题将对深度学习背后的数学原理进行详细介绍。首先将利用4次课时间介绍矩阵分析中与深度学习密切相关的矩阵求导方法。......

原创 OpenCL专题04：ViennaCL与Eigen双剑合璧

ViennaCL与Eigen都是C++线性代数库。前者基于OpenCL、CUDA等后端，可实现GPU加速的线性代数运算；后者是以头文件发布的运行于CPU上的轻量级线性代数库。ViennaCL支持从Eigen拷贝数据，结合这两者的优势，可达到双剑合璧的效果。...

原创 OpenCL专题03：程序框架详解（以并行化向量相加为例）

OpenCL开发步骤详解

原创 OpenCL专题02：Makefile案例解析

Makefile案例解析Makefile文件基本结构递归依赖常用字符串处理函数

原创 OpenCL专题01：开发配置

GPU编程OpenCL开发

原创 因果推理粗浅认识

原创 PGMPY手册01：安装、基本数据结构

PGMPY文档简介： PGMPY的全称是Probability Graph Model in PYthon，顾名思义是基于python开发的概率图模型工具包，包含贝叶斯网模型、动态贝叶斯网模型、结构方程模型、NoisyOr模型、马尔可夫网模型、联合树模型、团树模型、因子图模型、马尔可夫链等。利用该工具包，可进行贝叶斯网推理、参数学习、结构学习，和因果推理等。文章目录1. 安装2. 基本数据结构2.1 有向无回路图（DAG）2.1.1 添加节点、边2.1.2 有效迹2.1.3 干预2.1.4 端...

原创 Bonaparte：贝叶斯网在灾难遇难者识别（DVI）中的应用

东航失事，令人叹惋。遇难者遗体鉴别工作需要向国外借鉴经验。本文介绍了基于贝叶斯网和遗传学第一定律的基因匹配技术。

原创 code-server、docker-compose安装wordpress+mysql、wordpress公式插件、markdown插件、目录插件、调序插件、统计插件、分享点赞打赏插件

内容提要：Linux服务器安装code-server，配置反向代理和ssl连接利用docker-compose安装wordpress+mysqlwordpress插件配置：markdown、toc、latex、文章排序、打印、数据统计、打赏、社交分享、点赞

原创 贝叶斯网专题12：参数学习之贝叶斯估计

第一部分：贝叶斯网基础1.1 信息论基础1.2 贝叶斯网基本概念1.3 变量独立性的图论分析第二部分：贝叶斯网推理2.1 概率推理中的变量消元方法2.2 团树传播算法2.3 近似推理2.3.1 蒙特卡洛方法2.3.1.1 重要性抽样法2.3.1.2 马尔可夫蒙特卡洛抽样法(MCMC)2.3.2 变分推理第三部分：贝叶斯网参数学习3.1 理论基础-分布的分布3.2 极大似然估计3.3 贝叶斯估计上个暑假结束前，贝叶斯网专题更新到参数学习的极大似然估计部分。上了一学期课，寒假来临

原创 数据分析课程交流（第11次课）：算法专题8——决策树

管理就是决策。对于确定型决策，可通过最优化方法找到最优决策；对于参数不确定型风险决策，可通过决策树、贝叶斯等方法辅助决策；对于战略不确定型决策，可通过博弈方法进行决策。本课程将通过接下来的两个专题分别介绍决策树和朴素贝叶斯方法。

原创 数据分析课程交流（第10次课）：算法专题7——Softmax分类

Softmax是Logistic的推广，其算法原理也相似，都可以通过最大对数似然估计建立损失函数。为了给后继几次概率模型的算法专题打下基础，本次课引入了信息论基础理论，并尝试用最小交叉熵来代替最大对数似然估计。信息论相关基础理论是本次课的重点。

原创 数据分析课程交流（第09次课）：算法专题6——对数几率回归

Logit与Logistic函数是一对反函数，起源于对人口增长问题的研究。Logistic函数类似正态累积分布函数，其导数类似正态分布，且具有闭合解，便于计算。使用Logit变换可将分类概率映射到(-∞,+∞)空间，从而可进行多项式回归。基于这一思想，可实现二分类。本次课需要了解模型的起源，理解几率与概率的关系，理解Logit和Logistic函数的性质，掌握二元对数几率回归损失函数和梯度公式的推导，以及梯度公式的向量化表示，并编程实现。通过实验，理解导致过拟合的原因，并理解正则化方法提高模型泛化能力的原理

原创 数据分析课程交流（第08次课）：算法专题5——K均值聚类

聚类是典型的无监督学习算法，常见的包括K均值聚类、均值偏移聚类、密度聚类、高斯混合聚类、层次聚类。通过本次课，理解这五种聚类算法的原理和各自的优缺点，并能编码实现K均值聚类算法。通过实验观察影响算法性能的因素，并对算法进行改进，能读懂二分K均值聚类代码，并能手工推演二分K均值聚类过程。上次课介绍了几种范数距离的意义，本次课进一步理解余弦距离的意义。