1.Scala解释器：键入scala命令启动，使用和python的差不多；也可以运行脚本文件：

 scala xx.scala

2.变量定义：两种变量类型：val和var，val类型变量一旦初始化，不能再被赋值，相当于java中的final类型的变量。与java不同的是Scala可以进行类型推导，不用显示的写出变量的类型。

var a = "Hello World"
val b = 3.14

如同想要显示的写出变量类型，可以在变量名称后面加上“：type”：

var a:String = "Hello World"
val b:Int = 3.14

3.函数定义：

 scala的函数定义用"def"作为开始的标识符，

def max(a:Int, b:Int):Int = {
    if (a>b)
        a
    else
        b
}

需要注意：函数的返回值在非递归函数时可以省去，但是作为良好的编程习惯，还是加上；在只有一个语句的情况下，大括号可以省略。

def error = println("Error!")

Scala的函数参数传递方式一般是CBV(call by value)，如果参数类型前面有“=>”则使用CBN（call by name）。

4.控制结构：可以用while进行循环，if进行判断，与java一样的。

5.使用foreach和for来进行迭代：

函数时first citizen，可以充当参数，所以foreach的参数可以是function literal。例如如果输出脚本的参数，

args.foreach((arg:String) => println(arg))

也可以使用for,

for(arg <- args)
    println(arg)

Program Paradigms

• Imperative Programming: modifying mutable variables, assignments, control structure;
• Fuctional Programming:
  • Strictly, No mutable variables, No assignments, No loops.
  • Widely, Focusing on functions, function is the first citizens

• logical programming

打算学习一下Spark，因为spark使用Scala语言写的，所以先得学习一下相关的知识。由于我以前对java比较了解了，如果你对java不熟悉，所以这篇文档的内容可能不是很适合你。

1.下个Scala编译器。

2.选择开发环境IntelliJ+scala插件：当然可以在命令行里面进行语言的学习，但是最好先学习个IDE，这样看源码的时候也方便。对于如何在IntelliJ中使用scala的插件，可以参考：这个简单的scala插件使用的文档。

【注意】：直接使用“run”可能没法运行，配置一下就可以了。

这个网站收集了在几个常用的图像库上state-of-art的方法。

网址：http://rodrigob.github.io/are_we_there_yet/build/classification_datasets_results.html

一个深度学习工具

简介

Caffe is a framework for convolutional neural network algorithms, developed with speed in mind. It is written and maintained by Yangqing Jia as a replacement of decaf, Yangqing’s earlier Python implementation of CNNs. Several Berkeley vision group members are actively contributing to the codebase.

Caffe is currently released under the UC Berkeley non-commercial license.

Decaf, the big brother of Caffe, has a cool demo. Caffe’s own demo will come soon.

链接：

http://daggerfs.com/caffe/

本文转自36Kr：http://www.36kr.com/

2002 年，出生在英国的科学家、程序员及创业家 Stephen Wolfram 的《一种新科学》刚刚发布，其颠覆传统的追求知识方式引发的惊愕、争议与指责就已经铺天盖地。上个月初，他在博客中披露了自己的一个即将完成的新项目，称该项目将会对技术世界乃至于技术以外的世界产生深远影响。

VB 的 John Koetsier 在看了Wolfram的东西后说，那东西确实令人吃惊。无论你对他那本书的看法如何，有一件事情必须承认，他是个天才。

知识+计算=大事物

Wolfram 的父母是二战前逃离德国到英国去的犹太人。他从小就显露出了过人之处。12 岁时他已经撰写了一部物理词典，14 岁时已经完成了 3 本粒子物理方面的书，15 岁发表了第 1 篇科学论文。

1988 年，他做出了科学计算平台 Mathematica；2009 年，他发布了计算知识搜索引擎 Wolfram Alpha。而他的最新项目，则是这两者的完美联姻：

Mathematica 是完美的精确计算引擎，WolframAlpha 则是有关世界的一般信息。现在我们把二者结合到了一起。

这种结合只是大图景的一部分。新项目还包括了自然语言编程—这种自然语言并不是仅靠自然语言来完成编程，而是说开发者可以利用一部分的自然语言。此外应用中的一切会有一个新的定义，从代码到图像，从输入到结果，一切均可以符号表达式的方式使用和拓展。自动化也到了全新的水平，而且编程语言的开发跟以往完全不一样，抛弃了以往从小开始、以敏捷构造功能，建设库和模块为核心的做法，转为一种具备大规模整体性的东西—将数据和代码合二为一。还有就是对计算的全新专注，其对世界的了解甚至比程序员还要多。

野心比Google的知识图谱大多了

跟我们在 Wolfram Alpha 做的事情相比，知识图谱的心气就小得多了，那仅仅是维基百科和其他一些数据

Google 希望理解对象和事物及其关系，以便给出回答而不仅仅是结果。但 Wolfram 希望让世界变成可计算的，这样的话计算机就可以回答诸如“现在国际空间站在哪里”之类的问题。这需要一定水平的机器智能，它得知道国际空间站是什么，还得知道它在太空中，知道它正在绕着地球轨道飞行，还得知道它的速度以及目前的轨道位置。

这不是静态的数据，而是计算与知识的结合。现在 WolframAlpha 做到了这一点，但这还仅仅是个开始。

Wolfram语言组件

Wolfram 认为，搜索引擎不擅长这个东西，因为太凌乱了。搜索引擎中的问题会有很多答案，其适用性与正确性也各异。这没办法计算，不够简洁，无法进行编程或注入系统。

Wolfram 说，让世界成为可计算的，这是一个比产生维基百科式信息要大得多的目标……一个迥然不同的东西。我们试图要做的远比这要更加雄心勃勃。

这件事情是如此的富有野心，意义是如此的深远，甚至到了难以描述的地步。Wolfram 说在他这辈子做过的各种事情里面，这是最复杂的一个，复杂到可怕，难以解释。请记住，这是一个曾经写过粒子物理论文的人。这件事情需要渊深知识，牵涉面广，意义深远—Wolfram 称之为伸到编程、科学、知识及商业等不同领域的“触须”。

让计算机做这件事情

“总的说来，我们试图做的是，只要你能描述得出来想要什么，计算机就替你做。人来定义目标，然后计算机尽量去理解意思，然后尽最大努力去执行。”
Wolfram 说。

他还进行了现场演示。

大约 30 秒钟，Wolfram 就创建了一个小小的 web 应用，应用可以在网页上画圆，里面还包括有一个用户界面，通过它访客可以让圆圈变大变小或变颜色。编程如此简单要感谢 Wolfram 语言，由于它可以访问到浩瀚的知识库—所以知道什么是圆且可以画圆，它还可以自动提供 web—原生的用户控制来操纵这个圆。这个例子只是个小意思，但过了 30 秒，Wolfram 又写出了一个代码片段，代码实现了对南美国家的定义然后展示了相应国家的国旗。然后他调出一幅欧洲地图，通过计算的方式以不同的颜色高亮显示德国和法国，整个过程只需几秒钟。

Wolfram语言解决“南美洲有哪些国？它们的国旗是什么？”这个问题

之所以能做出这样的东西，是因为新的 Wolfram 计算框架包括了 Mathematica20 年开发过程中形成的复杂而精确的算法，再加上 WolframAlpha 内部的知识引擎。结果是惊人的。

通过信息进行自动化

Wolfram 说这种自动化水平要比以往任何时候都要高，其强大令人难以置信，只要是 WolframAlpha 知道的，app 都知道。

这是因为 Wolfram 的自然语言处理技术。它知道南美洲是一个洲，因为知识引擎 WolframAlpha 知道这一点。同样地，它知道哪些国家属于南美洲，其国旗是什么，也了解相应国家的人口、地图形状及概况，也许还包括成千上万个其他的数据元素。而获取这一切只需输入“南美洲”即可。

1、2行代码即可完成一幅高亮显示德国和法国欧洲地图的调用。粗体的行是Wolfram自己输入的

换句话说，“南美洲”并不是一个被赋值的变量或待实例化的对象或类，而是一个机器知道和理解的短语，其含义、意思和关联均可毫不费力地植入程序中，且不需要外部的数据来源。而且该知识来源还会不断更新和发展来匹配不断更新和变化的世界。

这将是开发者开发应用的一大变化，而且这种编程方式不存在现实限制。

Wolfram 进一步以南美洲作为类比，说正如我们了解厄瓜多尔的事情（如人口）一样，我们也可以了解 Twitter API 的东西。

由于具备快速创建应用的能力，Wolfram 将成为游戏颠覆者。

自然语言输入—小孩也能写代码？

它改变了应用开发经济，因为以往需要数小时或数周完成的事情现在只需要几分钟。许多人都一些有趣的想法、算法或应用创意，但苦于缺人缺钱或缺时间而无法完成。Wolfram 目前正在跟这些人会面，这一切将会改变。

Wolfram 说自己的新项目将会催生一大批新的初创企业—在数小时内开发出一种算法或自动化系统将变成现实。

它还改变了程序员的范畴，因为代码将不再是动辄成千上万行，而是 20 到 200 行。这意味着娃娃也能写代码，菜鸟也能做出精彩的应用。

你想看图还是看代码？

Wolfram 说，有了自然语言输入，谁将成为富有经验的程序员将会被改变。书写代码将被大大缩短—这是一门可以让你马上就能把事情干完的语言，不是那种“hello world”也要写上 10 行。而它将为书写复杂程序的人铺设好了坦途。

但这也会让你有点发懵。

感谢 Mathematica 的历史悠久以及 WolframAlpha 的大脑，Wolfram 语言知道许多东西，也能通过内置函数对其进行操作—包括数据操纵和分析、可视化及制作图表，图像、地理、几何、声音、科学数据以及几乎自动化的用户界面开发，进入数据、社交数据，甚至在云端的部署。这是所有一切东西的大杂烩，甚至还要多得多，这正是它最晦涩难懂的地方—因为它跟传统的数据与代码及界面分离的做法实在是太不一样了。

当然，在具备自然语言输入的同时，Wolfram 语言也有语法和结构以及操作符等，那些创建无缺陷的、可按你思路运行的程序所必须的构造物。这也意味着这门语言还是需要学习的—并非说谁都可以马上就能使唤它来开发应用。

Wolfram的用武之地：Raspberry Pi，智能手机、设备

这些应用有很多用武之地。

Wolfram 最近发布了一个 Raspberry Pi 版的 Mathematica。这不仅令人好奇：承载着浩大知识的 Wolfram 语言是如何被容纳进 Pi 小小的身躯内的？

奥秘在于它的引擎非常便携，但显然知识却是非常庞大的，所以 Wolfram 语言所需要的知识是集中存放到云端的，在处理时引擎会向云端索取知识。

Wolfram 语言还可支持桌面应用、移动应用、web 应用的开发，且既可支持公有云也可支持私有云。对于移动应用将会嵌入一个 Wolfram 引擎，然后通过 API 的方式去获取所需的数据。而所有代码均可复制粘贴于云端、设备及桌面之间。

不过不想学 Wolfram 语言也没问题，Wolfram 说像 Java 那样的原生语言可以通过函数调用来利用 Wolfram 引擎。从表面上来看开发者仍只是在调用 Java，但实际上后台会访问 Wolfram 的云。

感知编码，智能对象

由于 Wolfram 语言具备很高的自动化能力和智能水平，且对待数据和代码的方式十分类似，所以这种语言是不是可以被认为是具有感知能力的代码呢？

从某种程度来说是这样的。Wolfram 解释说，他们试图做的，是让程序员设定目标，然后由计算机去琢磨如何实现目标。

但这并不是要让机器去创新手段，不过 Wolfram 也对让计算机去创新、创作感兴趣。比方说Wolfram Tones就是这样。这款音乐制作应用可以根据用户的输入自动创作音乐（在他的《一种新科学》中提到过）。这种东西他说很多都在“秘密地”搞，往往是替玩对冲基金的金融服务公司弄的。而 Wolfram 引擎已经为如果做事和展示结果添加了一定程度的智能。

当然这种智能跟人工智能仍相去甚远，但这一天也许会来的。可能是以大规模分布的形式。

Wolfram 说，视定义的不同，目前全球大约有 100-150 亿台计算机，而且很多设备内部也有计算机。在不久的将来，几乎所有的东西都将由计算机组成—甚至很小的东西。到那时，计算的作用甚至比现在还要大，而且那时候各种级别的东西都将是可适配的、可修改的。

Wolfram 所指的也许是技术奇点。当我们到达技术奇点时，智能将成为万物唯一的定义因子，而且那时候的技术发展节奏之快已非现在的人们所能理解了，世界变化越来越快，快到人类已经无法想象。

如果这个奇点真的到来，可能就是智能系统发展的结果。也许 Wolfram 语言就是此类系统的先驱。

也因此 Wolfram 语言才会如此的难易理解和解释，正如 Wolfram 在博客中所述：

在我看来，现在还是它将会带来的结果的早期阶段。但我已经可以确定该项目是我们迄今为止最重要的一个。这需要艰苦卓绝的工作，但它所展现的景象会令人无比兴奋。我已经迫不及待，恨不得“即将推出”变成所有地方的人都能使用的实际系统……

[本文编译自：venturebeat.com]

文章原文：POSIX Threads Programming

作者： Blaise Barney, Lawrence Livermore National Laboratory

地址：https://computing.llnl.gov/tutorials/pthreads/#PthreadsAPI

翻译：webdancer（翻译的不好，勿喷，O(∩_∩)O~）

=================================================

1. 概要
2. Pthreads总览

1. 什么是线程？
2. 什么是Pthreads?
3. 为什么有Pthreads?
4. 设计线程程序

1.问题

写程序的时候，出现了一个bug，看了很久也没有发现问题。程序的逻辑模样大致如下所示：

for i in range(4):
    x = [ e**i for i, e in enumerate(range(5))] 
    y = 2 * i
    print y

如果对python很熟悉的，一眼就可以看出问题的所在。程序的原意是：y = 2 * i 这条语句中i与第一行中的i一致的，但是却使用了第二行中的i值，但是程序依然循环了四次。打印的结果是：

8
8
8
8 

这令人非常的疑惑，主要是在python 2,x中，list comprehension中的变量的scope没有仅限于‘[ ]’中，而是漏了出来。这的确有点不太符合逻辑，因为在理解上，‘[ ]’中的变量的scope仅限于里面，更加符合直观的感觉。

2.解决

解决的方法：

1. 避免名字冲突就行了，比如把第二行的i换成j。
2. 升级python的版本。在python 3.x中，这个问题就不存在了，list comprehension表达式有了自己的scope.(是不是应该升级到python 3了？？但是好像一些包还是支持3.x不太好呀，囧。。。)

3.python 的namespace和scope

namespace就是一个从名字到对象的映射，现在的python好像就是用字典数据结构实现的。对于namespace注意的就是生命周期(lifetime)和作用域(scope)。所谓生命周期就是实现namespace的对象在内存中存在的时间，而作用域(scope）就是namespace在程序中起作用的文本区域。