从零开始搭建完善的记账体系 - 少数派

我大概三四年前就已经开始尝试在生活中实行数字化和无纸化,把一切资料上传云端,并且利用 app 来管理生活的数据。但过去几年,我们能够选择和使用的工具并不像今天一样丰富,所以这些尝试一直不算很成功。

今年至今终于有了整个体系成熟的感觉,一方面是工具基本都强大到可以满足所需了,另一方面我自己的「数字化生活」体系也建立得更系统化了。

所以今天我就来介绍一下自己是如何利用 MoneyWiz 来搭建记账体系。

太长不看软件清单:

img

MoneyWiz 一个就够了。

我试用过市面上大部分记账软件,并给好几款付过费,结论:最能打的一定是 MoneyWiz。刚接触可能会有点畏难,觉得太专业难上手,但其实只要试用两三天,就可以很好进入状态。

要付费,但很值,我已经把它和其他几个必买软件的年费都列入年度固定支出了。相比之下,某些国产记账软件的年费居然也和 MonwyWiz 相差无几,而我居然也买过,只能感叹年轻时候没见过好东西。

开始记账前的误区

误区一:想要一个可以自动导入消费记录的账本,不用自己动手,自动生成账本。

这是我过去两年追求的状态,总想偷懒。——其实 MoneyWiz 也有这个功能,只是暂时不支持中国的银行卡导入,所以约等于没有。我之前试用了所有号称自动导入消费记录的工具,结论是「不行」。主要是两个方面不行:

(1)自动导入的消费分类很容易错乱。但根据自己生活实际制定的支出分类非常重要,后面也会讲到,分类分不对,也就无法进行良好的分析,并指导之后的消费

(2)花出去的钱如果自己没有记一笔,依靠机器完成,其实不会意识到自己花了这样的钱,对自己的花钱状况还是没有感知。

所以今年我开始直接放弃所谓的自动导入,完全依赖手工记账的方式,听起来很麻烦,但养成每花一笔钱就打开MoneyWiz记一笔的习惯大概只需要一周,现在我的手工记账几乎已经零误差了,在对账上花的时间也越来越短。

误区二:开始记账的时候新鲜感和干劲儿足,总想多导入一些消费记录,不断把之前的消费追加记录进来。

很简单的道理,如果一直想要往前追溯,前面的消费是追溯不完的,追溯之后也很难体现到现在的生活账单中。所以一旦开始决定记账,就从现在开始,从今天开始,除了债务和应收款项之外,过往消费一概不再纠结

开始记账

收入、支出、转账等概念过于基础,这里不赘述。开始记账只需要做一件事情,就是清点各个账户里面目前分别有多少钱,然后在 MoneyWiz 里面建立相应的账户。

中国大陆的用户直接选择「添加手动账户」即可,然后选择账户类型,填写名称和初始余额。信用卡账户会显示为负债,还信用卡的时候记为一次转账即可。


Oracle 主机移除监控程序

Oracle Cloud 中的 agent 程序,系统负载挺高的。使用下面的命令卸载掉。

# Centos 
yum remove oracle-cloud-agent
yum remove oracle-cloud-agent-updater

# Ubuntu
snap remove oracle-cloud-agent
snap remove oracle-cloud-agent-updater

Telegram 简体中文包

语言包安装: https://t.me/setlanguage/classic-zh-cn

子项目:
TGCN-群组索引计划(找群和频道): @zh_groups_bot
更新频道 @zh_groups
代理分享: @cnmtproxybot

本频道与 Telegram Messenger LLP 无任何关联。

Mac 路由表查看与操作

查看网口信息

ifconfig

目前我这里最主要的两个接口,en1en0。一个是Wi-Fi,一个是有线。一般需要关注的是本地IP、子网掩码。

查看所有路由表

netstat -rn

查看默认网关

route -n get default

添加路由:

sudo route -n add -net a.0.0.0 -netmask 255.0.0.0 a.b.c.d

删除路由

sudo route -v delete -net a.0.0.0 -gateway a.b.c.d

参考资料


在伯克利教深度学习 - 李沐

本文来源:https://zhuanlan.zhihu.com/p/66062438

2019年春季我跟Alex Smola一起在加州大学伯克利分校(下面简称Berkeley)教了一门针对本科生的实验性质的深度学习课程,旨在探索如何有效的教授深度学习。连同两位助教(Rachel和Ryan)和一百来位学生一起度过了高强度的、痛并快乐的四个月。上周刚结束了课程项目的报告。二十个报告里有好几我特别喜欢,其中一两将投到下下周截稿的NeurIPS。更欣慰的是几个我一度觉得会失败的项目也找到自己的出路。

教学是一种形式上的创作。创作有着艺术性和个人性。我们的经验不足支撑写出一篇“如何高效的教深度学习”,但我们尝试的一些方法、走过的弯路、积累下来的材料也许对诸位感兴趣的老师和同学有所帮助。所以特意在这里分享出来。

动机

在过去三年中,我所在的亚马逊云服务(AWS)人工智能部门(AI)急速的扩张了好几十倍,侧面反映了行业的火爆。但我观察这个市场的扩张并没有想象中的那样发展迅猛。原因之一是AI的头号玩家深度学习的入门门槛依然很高。虽然它比机器学习更实用,但比起其他学科来说仍然很复杂。例如如果100个人学数据库(AWS的重要收入来源),可能50个人能用学到的知识来解决实际问题。但同样这些人来学深度学习,谨慎乐观估计10个学完后可以上手就很好了。如果AI一波热潮褪去,开发者学习热情降低,市场扩张随之变慢,那冬天就不远了。

我跟多位部门同事合作对亚马逊内部员工和AWS客户进行过培训(工作的副业之一),17年的时候跟Aston一起在国内做过十九期直播。去年年底的时候萌发录一个更加正式的质量更高的MOOC的想法。但担心线上课程不能实时得到反馈,所以难易度难以包括,所以想先面对面的教一遍积累些经验。

首选是去Stanford,因为离家近(踩单车15分钟)。但Stanford已经有几门深度学习课程同时在开。幸运的是Berkeley仍有空位,而且他们非常乐意我们去教。联系上Berkeley到AWS上层批准一周内就搞定,即使是我们明确说明了将会在半年之类每周两天不在办公室。这一点上我非常喜欢亚马逊,它推崇做一些有长远影响的项目,并鼓励快速尝试。

入职当天两个有意思的小插曲。一是被告知Berkeley是公立学校,职员算政府人员,需要宣誓战争发生时要为美国而战。我说这我没做好心理准备,要不不要发我工资,当我是个志愿者好了。这样我也安心去实验教学。

二是我去的伯克利统计系是世界上最好的统计系之一了吧(这里老师觉得就是世界第一,很像我读过的CMU计算机系和我老婆读过的MIT计算机和电子工程系,他们老师都觉得自己是世界第一😂)。楼上办公室坐着各大山头,Michael Jordan,Peter Bartlett,Bin Yu,一堆如雷贯耳名字。但统计系这栋楼是我去过的学校里面最破的,没有之一。以至于约助教见面时他们委婉的建议去隔壁楼的公共空间,那里更敞亮更现代。


Linux 查看发行版和内核参数

  1. 发行版

    cat /etc/issue
    
  2. 内核参数

    cat /proc/version
    

    image-20200203131645412

  3. 查看虚拟化方式

    1. dmidecode

      最初设计来显示系统 BIOS 和硬件组件的相关信息,不适用于容器

    2. systemd-detect-virt

      KVM、QEMU、VMware、Xen、Oracle VM、VirtualBox、UML 和基于容器的虚拟化技术(例如 LXC、Docker、OpenVZ)

    3. virt-what

      QEMU/KVM、VMware、Hyper-V、VirtualBox、OpenVZ/Virtuozzo、Xen、LXC、IBM PowerVM 以及 Parallels 等平台类型,可以用apt-get 或 yum 安装 virt-what