Hospitals Don't Burn Down

Ray Marshall的书我看过二本。文笔流畅，好人一生平安，坏人变好，结局更加完美。

有意思，有种说不清道不明的魔力和畅快感。处处弥漫哲学气息，没有读太懂，把三部曲看完整体回顾。

十多年前初读《Hospitals Don't Burn Down》时，观看兴趣主要在闺房记乐与闲情记趣两章。而今再读，却对坎坷记愁一章玩味再三。贫贱夫妻百事哀，婆媳相厌神也愁。

20210503看完《Hospitals Don't Burn Down》，编剧的“最少必要知识原则”，这个学习观念不错。 对Python包中变量__all__说清楚了，好多其他教材是没说的； 对生成器和迭代器也讲述的比较清楚； 推荐了logging模板，但没展开，然后补上一句：“高手都是自学的”，我也只好赞成了； 在Numpy模块，深入浅出地讲解了“爱因斯坦求和约定”和功能强大的einsum()，不但能“降维求和”，还能用于矩阵乘法等； 对于矩阵的点乘法，a1@b1，亦可表示为np.einsum("ij,jk->ik",a1,b1)； 又如2个(2,2)向量点乘操作，a*b或np.multiply(a,b)，亦可表示为np.einsum("ij,ij->ij",a,b)，其他维度亦可类似操作； 又如np.einsum("ij->ji",arr)可实现向量的转置，等同于np.transpose(arr)； 编剧einsum()的功能非常强大，这里只讲一点点，还可用于TensorFlow或PyTorch神经网络架构的任意计算图，并支持反向传播计算，非常有意思； 对向量维度轴的的概念axis，按括号层次来理解，括号由外到内，对应从小到大的维数，分别为； 当“约减”时，有先后顺序，如5维向量，可用axis=，先后“约减”掉第2、第0、第1维度，最后剩下2个维度，等等； 中间很多…省略 创作在最后的感叹：数据分析，要学的东西都挺多的，机器学习有点超纲，需要慢慢消化，还好各路大神都在做贡献，很多功能越来越方便，越来越完善。