小郁同学

选取领域经典的paper，仔细阅读再阅读它引用的相关paper，以及引用它的高质量paper这样对于整个领域的发展就有了，较为清晰的认知在了解一个新的领域的时候阅读领域的开篇之作，总体上有个了解。需要带着批判的眼光去看论文理论部分可以看它引用的相关文章，方法明显借鉴的论文也需要看实验部分可以阅读它对比实验的相关文章，了解多篇文章的实验细节大量阅读文献才不会以偏概全，阅读高质量Paper才能培养出个人的学术眼光...

我遇到的问题：batch_size = tf.shape(hidden1)[0]如上所示，原有工程代码中是这样得到batch_size的，而这个batch_size是Tensor类型的，无法在np.zeros()或者for循环中使用。我查了很久如何将tensor转为int，并未找到相关方法。只找到了一大堆如何更改tensor中数据类型的博客，且大都是Ctrl+C/V，毫无营养。解决办法：后来发现，直接使用get_shape()方法可以直接得到shape的元组，如下所示：batch_size =

今天继续看论文代码，查了一下np.random.seed()和random.seed()方法的具体理解，感觉甚为有趣特此记录。每次设置完np.random.seed()和random.seed()后，都可以保证在之后取随机数时都取到同一组数据。在一篇博客下看到这样一句话：seed()是设置了一条世界线。细细想来甚为有趣，如：seed(10)，则表示之后取的随机数都是编号10数组中的随机数，可以理解编号10数组中有很多很多个随机数，依次向后取数。如果seed()中不填值，则会根据时间来选择某个数组。下

一直用Pycharm写代码，不常用jupyter notebook。今天看其他论文代码的时候，想用Jupyter notebook运行一下其中具体某个函数的效果，但将虚拟环境加入Jupyter notebook时遇到了问题。参考了这篇博客解决了问题，在此进行记录，以免以后遇到问题再浪费时间。注意，从第一步开始都是在已经激活的虚拟环境中进行操作。...