org mode 中利用 org babel 畫出 mermaid.js 的 uml 圖

 mermaid 其實跟 graphviz 有點像，最開始是拿來在網頁上畫流程圖的 javascript 函式庫

搭配上 org mode 之後，也可以在 babel 區塊中置入程式來畫圖

剛好趕上 emacs 28.1 的更新，svg 圖檔的品質可以說是大幅提升，非常賞心悅目

emacs 28.1 發佈!! 帶來多項性能提升

下載點在 http://ftp.wayne.edu/gnu/emacs/windows/emacs-28/

另外發現了設定內嵌圖片尺寸設定功能，不知為何之前都沒注意到呢

攻克 jupyter notebook 人機互動痛點 -- Gradio 初探

有寫過 *.ipynb 或 colab 就知道，要做一些人機介面是非常麻煩的，常常都要涉及網頁伺服器的撰寫。 Gradio 的出現簡化了這個部分，它提供 Interface 類別提供網頁中 form 元件的功能。使用在 machine learning 上只是其中的一個應用；不過開始團隊是特別強調了這個部分沒錯，主要體現在了與 Hugging Face Spaces 的無縫整合上。

1. 安裝和使用說明，如同一般套件，專案原始碼放在 github
2. 官網有一些簡單的範例
3. kknews 上的中文說明
4. 蔡炎龍老師的 用_Gradio2_快速打造_NLP_WebApp

GPT2-Chinese 初探：生成金庸風格小說

 參 使用GPT2-Chinese生成中文小說 一文，針對一些版本造成的問題進行修正

1. 抓取訓練文章程式 在執行時要先 unmark 掉最後四行，再 mark起來

2.  transformers 版本因為已經裝了最新版，因此 train.py 做如下修正

In-context learning 初探：以高血鉀症 hyperkalemia 為例

 之前新聞常提到的 talktotransformer.com 似乎下架了，網域被 inferkit 買下。以 the steps to treat hyperkalemia are listed below. 為提示，出現了以下的文字接龍：

例1

例2 

文字是流暢的，但邏輯仍然不正確。

cifar-10圖片分類任務初體驗--使用 pytorch lightning

CIFAR-10(https://www.cs.toronto.edu/~kriz/ cifar.html) 是由 60000 個屬於 10 個分類的 RGB 影像(32×32)組成的(飛機、汽車、鳥、貓、鹿、 ...)。使用pytorch lightning 的 官網教學，可以輕易在一個筆記本中試玩 三個模型: GoogleNet/Inception (winner of ILSVRC 2014), ResNet (winner of ILSVRC 2015), and DenseNet (best paper award CVPR 2017)。

有趣的是，我在測試其它的資料時，也發現了 SGD 優於 ADAM 的情況。遇到時反正就兩個都試試吧~~

PyTorch Lightning 初探--高度抽象化的機器學習架構

pytorch  的程式碼已經相當簡潔了，但是面對海量的架構，還有沒有更更更更簡化的可能呢? 有的， PyTorch Lightning 就是你要的。 假日硬啃了一遍，真是被網路上一些過時的教程害死。接下來就是浪費了一個週末得到的血淚心得XD

1. 你的聖經就是 HOW TO ORGANIZE PYTORCH INTO LIGHTNING ，因為版本迭代實在太快，大概半年就翻了一翻，千萬不要，再次強調，千萬不要看半年之前其它神人的神文。神人再神，也沒時間去更新這些教程：)
2. 安裝套件的最新穩定版本。 anaconda  的管理程式不知為何建議了一個非常舊的版本，加倍了我除錯的工作，令人印象深刻。
3. 你會想用  tensorboard 的
   from pytorch_lightning.loggers import TensorBoardLogger
   logger = TensorBoardLogger("tb_logs", name="my_model")
   trainer = Trainer(logger=logger)
4. 你會想限制 epoch 次數/時間的
   trainer = Trainer(max_time="00:12:00:00", max_epochs=10)
5. 請在 LightningModule 乖乖的實作 train_dataloader 等函式，那是讓程式決定 batch size 等參數的途徑。不要沿用原來的載入方式
6. training, validation, predict 是主要的需實作函式， test 不是；不少 pytorch 的 test 其實指涉到 lightning 的 predict ，請格外注意；會實作 training, validation, test 的可能偏向 nlp 的 transformer based language model
7. lightning 本身沒有辦法推進準確率或降低 loss，有時間我會建議試試 Optuna