图床神器，也就是在Markdown写作时方便上传图片到云上并获取外链。Mac上有图床神器iPic，貌似挺不错的，不过只支持Mac。其实，图床神器的功能并不复杂，流程大致如下：

基本上用Shell脚本就能搞定。

前言​

最近发现了个很好用的东西：TravisCI，能自动构建项目。其实，持续集成我早就有所了解，不过没怎么操作过。以前也知道TravisCI，但没有相关需求，所以就没怎么接触。这几天在找一个适合做笔记的静态网站程序，发现了MkDocs挺不错的，也看了一些静态博客程序，比如纸小墨。不过，感觉方便的不容易定制外观，因为考虑到Hexo还是用的人比较多，且我对Hexo已经有所了解，就懒得去折腾新的静态博客了。但是，在看纸小墨时有了重大发现。

在看纸小墨时，找到了使用TravisCI自动构建博客并部署，这样，用户只需要写博客，然后Push就行了，TravisCI会自动完成静态博客的构建与部署，只需要一份TravisCI配置（.travis.yml）就行了！

想想在写代码时，提交后自动编译、运行测试，不需要手动编译测试，真的很方便。我以为这样的服务应该是收费的，就很长时间里没有去了解。最近了解一下，才发现解决了我多年来的痛点。难怪很多项目的README里会显示编译状态，原来如此。。。

TravisCI和GitHub结合的比较好，另外还有其它的持续集成工具，如Jenkins。

配置​

TravisCI的配置也不难，采用的是YAML格式，文件名是.travis.yml，放在项目的根目录。每次Push后会触发TravisCI的启动运行。

doctest简介​

在doc注释部分使用形如Python交互式命令行的代码，可以进行doctest。

def add(a, b):
    """
    >>> add(1, 2)
    3
    """
    return a + b

MNIST手写数字识别是机器学习中非常经典的问题，相当于编程语言界的“Hello World“。关于神经网络解决MNIST手写数字识别问题，可以参考这个视频：深度学习之神经网络的结构 Part 1 ver 2.0

视频中使用的是多层神经网络，为了简化问题，这里我们使用单层的网络结构。

参考之前的MNIST数据集解析，先对MNIST数据集进行解析：

执行流程​

awk命令基本结构：

awk 'BEGIN{ commands } pattern { commands } END{ commands }' file

【选项】

-F：输入域分隔符

-v：自定义变量

-f：调用awk脚本