迁移邮箱到gmail
2019-02-01 software mail 1 mins 1 图 16 字
使用 pop 方式导入邮箱即可。
AI Challenger 2018：细粒度用户评论情感分类冠军 - 程惠阁
2019-01-31 tech ai troubleshooting 11 mins 5 图 4177 字
关注了一些 ai 相关的。原文查看机器之心:https://www.jiqizhixin.com/articles/2019-01-28-16
2018年8月-12月，由美团点评、创新工场、搜狗、美图联合主办的“AI Challenger 2018全球AI挑战赛”历经三个多月的激烈角逐，冠军团队从来自全球81个国家、1000多所大学和公司的过万支参赛团队中脱颖而出。其中“后厂村静静”团队-由毕业于北京大学的程惠阁（现已入职美团点评）单人组队，勇夺“细粒度用户评论情感分类”赛道的冠军。本文系程惠阁对于本次参赛的思路总结和经验分享，希望对大家能够有所帮助和启发。
背景
在2018全球AI挑战赛中，美团点评主要负责了其中两个颇具挑战的主赛道赛题：细粒度用户评论情感分析和无人驾驶视觉感知。其中NLP中心负责的细粒度用户评论情感分析赛道，最受欢迎，参赛队伍报名数量最多，约占整个报名团队的五分之一。
细粒度用户评论情感分析赛道提供了6大类、20个细分类的中文情感评论数据，标注规模难度之大，在NLP语料特别是文本分类相关语料中都属于相当罕见，这份数据有着极其重要的科研学术以及工业应用价值（目前在大众点评App已经可以看到20个类别的情感标签了）。
1. 工具介绍
在本次比赛中，采用了自己开发的一个训练框架，来统一处理TensorFlow和PyTorch的模型。在模型代码应用方面，主要基于香港科技大学开源的RNet和MnemonicReader做了相应修改。在比赛后期，还加入了一个基于BERT的模型，从而提升了一些集成的效果。
2. 整体思路
整体将该问题看作20个Aspect的情感多分类问题，采用了传统的文本分类方法，基于LSTM建模文本，End2End多Aspect统一训练。
文本分类是业界一个较为成熟的问题，在2018年2月份，我参加了Kaggle的“作弊文本分类”比赛，当时的冠军团队主要依靠基于翻译的数据增强方法获得了成功。2018年反作弊工作中的一些实践经验，让我意识到，数据是提升文本分类效果的第一关键。因此，我第一时间在网络上寻找到了较大规模的大众点评评论语料，在Kaggle比赛的时候，NLP的语言模型预训练还没有出现，而随着ELMo之类模型的成功，也很期待尝试一下预训练语言模型在这个数据集合上的整体效果。
kubernetes 的编译、打包和发布(v1.10)
2019-01-30 tech go kubernetes troubleshooting 1 mins 1 图 666 字
这是一篇 kubernetes 编译的简单备忘，以1.10.11为例。
编译主要参考文档为官方文档：https://github.com/kubernetes/kubernetes/blob/master/build/README.md
下载源码
下载v1.10.11源码
git clone -b v1.10.11 https://github.com/kubernetes/kubernetes.git
cd kubernetes
# 或者自由切换到其它分支
git branch
git tag | grep v1.10
git checkout v1.10.11
源码有100多万文件、将近700M，下载比较慢，需要一些耐心。
修改源码
这一块就各显神通了。
运行编译环境
使用容器运行一个编译环境，将代码文件映射到目的文件夹
docker run -it --rm -v $(pwd):/usr/lib/go/src/k8s.io/kubernetes kelvinblood/go-kube-build:v1.11 sh
单模块编译
以kubeadm为例，进入cmd文件夹进行编译即可。
cd /usr/lib/go/src/k8s.io/kubernetes/cmd/kubeadm
go build
参考资料
使用容器编译 golang 项目
2019-01-27 tech go 2 mins 830 字
一直推崇开发环境容器化，对于我这种多台电脑同时办公的开发者是十分必要的。最近换了一台工作机器，想起按照原来的方式再走一遍环境配置，不禁恼火。于是还是搞起了容器化编译。下面记录一下过程。
启动环境
编辑 boot.sh 脚本，运行 golang 容器。
#!/usr/bin/env bash
docker run -d -t --name=go --net=host -v /root/golang/go:/go -v /root/golang/code:/code --privileged docker.io/golang bash
其中我把go的依赖文件映射到本地 /root/golang/go，代码仓库映射到 /root/golang/code。至于为什么直接使用host的网络，还是为了编译测试的方便。
进入容器
编辑 exec.sh 脚本，方便进入容器里
docker exec -it go /bin/bash
拉取依赖
这里以gin为例：
go get -u github.com/gin-gonic/gin
编译
以下面这个helloworld为例：
# gohello.go
package main
import (
"github.com/gin-gonic/gin"
"net/http"
)
func main(){
router := gin.Default()
router.GET("/", func(c *gin.Context) {
c.String(http.StatusOK, "Hello World")
})
router.Run(":8000")
}
运行命令：
go build gohello.go
生成 gohello 文件。
运行这个文件，在浏览器中访问：
http://{ip}:8000/
可以看到浏览器中显示 hello world 字样。
另外，很多go项目对go的版本是有要求的，所以需要注意下运行的golang的版本号。