1. 能不能提供几个搞笑的签名（拒绝黄色）
1．我想我是——海草（海淀被炒鱿鱼的人）
海豹（海淀被爆炒鱿鱼的人）
海象（海淀像要被爆炒鱿鱼的人）
海狮（海淀失业青年）
海带（海淀待业青年）
海米（海淀等待赴美留学的人）。
2．我们那儿开始都是种玉米的，后来搞改革都种了菠萝，远远望去，一大片一大片的。领导们来视察，说：“很好很好，这里都成了波罗的海了……”
3．没有东西比爱情好，大米粥总比没有东西好，所以，大米粥比爱情好。
4．“珍惜生命，远离灌水”的意思是说，一定要把论文压缩在50页之内。
5．我的“三个代表”——中国赤贫线以下每月拿到的补助低于北京最低生活保障金的代表；中国无权无势无房无车还要每天对臭老九卑躬屈膝惟命是从的代表；中国无财无德无头无脸长得象傻B看着象弱智缺碘儿童的代表。
6．事业，我早已放弃；对你，我从未争取！
7．在教室睡觉，在图书馆吃东西，在食堂自习，在寝室读书……
8．锻炼肌肉，防止挨揍！
9．一、每天辛勤工作，因为生命便系于此；二、持之以恒，方可掌握命运；三、深谋远虑，否则你将终身随波逐流；四、未雨绸缪，在顺境中为逆境做准备；五、陷入苦难困境时，仍要面带微笑，直到逆境向你俯首称臣；六、只有计划，没有行动，永远只是空想家
10．马啊，四条腿啊； 海啊，全是水啊～
11. 我本非随便的人，如果你想随便，那我就随你的便好啦！
12．每天8:00生活开始了， 8:30刷脸洗牙， 9:00实验室听歌，10:00实验室人多起来了，11:00肚子开始唱歌，11:30发现肚子饱了，实验室继续看Hunter，2:00导师要见我了紧张中，3:00导师警告中，4:00导师一个下午没来，晚上：我是个好孩子，我要学习~~~~~~~~
13．地球太可怕了，我们还是回火星去吧～～
14．因为有世界杯，这个月的生活总算是阳光的，因为世界杯上的一些烂球队（中国、意大利等），，阳光中有很多的灰点。
15．是否你能在失败以后拥抱胜利，并将这两个假象等同视之。
16．告诉你们那帮唧唧歪歪没完没了的！别惹我们！惹急了我们抡起大刀一刀砍死你！然后扒你的皮吃你的肉喝你的血抽你的筋。最后把你那副破骨头架子扔给江湖小诊所儿当摆设，也算你最后给社会做了点儿贡献！
17．我们这个时代，有太多人喜欢冒着杀头的危险说众所周知的道理，而且，人们喜欢把这样的人叫做勇士，把这样的话叫做思想。
18．没有吃，没有穿，可怜的父母送上钱；没有表，没有刀，我们向老外要。我们生长在这里，别人的土地我们也看得起，鬼子胆敢不录取，我们就跟他拼倒底！
19．白天停水，晚上没电，发不出工资，没钱买面，打开邓选，找到答案：原来是社会主义初级阶段。再往后翻，我靠！一百年不变！
20．猫生病了，老鼠大声朗诵诗集，并修剪盆花；猫生病了，老鼠慢慢刷牙洗脸，并打扫房间；猫生病了，老鼠倚在窗边欣赏夜色，并对流星许愿；猫生病了，老鼠也病了，它说：“我还是习惯那种时时紧张、处处小心、夜夜逃亡的生活。”午夜，我听到老鼠在叹息，且不再读诗了……（好诗意的发人深省）
21．6岁前专注于吃奶；6岁断奶进入小学学习，学会吸烟酗酒考试作弊；12岁读初中，不久因在教工宿舍嫖宿被刑事拘留；15岁读高中，沉溺于早恋而读了一个“高四“；19岁进入清华，大一学会灌水，大二学会qq，大三当上版主，大四因反动言论被杀档；23岁在北门外开了一间火锅店；29岁剃了一个光头，专心苦读经济学；39岁获得诺贝尔经济学奖；而后开始40余年的全球演讲生涯……期间曾抽空在意大利维罗纳看过一场意甲德比大战；80岁在平谷买下三间大瓦房，包了一个清华的二奶……
22．身体健康，杂食动物，适应性强，性喜安静，忠诚可靠，欢迎领养～
23．最后青蛙问道：“为什么？我告诉过你我是一位美丽的公主，会与你共度一个星期并让你为所欲为。你为什么还不愿吻我？”男孩说道：“我是一个程序员，我没时间交GF，但拥有一只会说话的青蛙简直太酷了。”
24．98年世界杯，我18，晚上看球白天高考，之后进入清华；02年世界杯，我22，白天毕业晚上看球，准备离开清华……
25．士为知己者死，导师是偶的知己么？不是，所以我不必为他的课题死掉，还等什么？推掉算了。女为悦己者容，对面的mm真的pp么？是的，所以她当然是为了你而梳妆喽，还等什么？扑上去吧。这些都是很好的，可惜我不敢……：（
26．变态是我的常态，常态是我的变态！
27．从现在开始，拨打110免费电话，即能获得7天全免食宿的牢房之旅，并可获赠精美手铐一副，享受来回警车接送。每天前十名打入者，还将与警犬嬉戏。好处多多，礼物丰富，赶快拨打哦！
28．幼儿园的时候我不谈恋爱，因为不知道什么是贼
小学的时候我不谈恋爱，因为知道没有贼心也没有贼胆
初中的时候我不谈恋爱，因为有贼胆没贼心
高中的时候我不谈恋爱，因为有贼心没贼胆
大学的时候我不谈恋爱，因为有了贼心，也有了贼胆，贼却没了：（
29．我快乐因为你快乐，我开心因为你开心，我愁了因为你瘦了，我瘦了因为你病了，我笑了因为你壮了，我有钱了因为把你卖了……
30．唯心主义说：“我说你是猪，你就是猪。”唯物主义说：“因为你是猪，所以我说你是猪。”总之一句话—你是猪！！！
31．假如……假如我是一颗白菜，既没有痛也不要爱，我的模样既不酷也不足够帅，每天还要经过黑夜的漫长等待。难道，曙光就真的这么可爱？难得，白菜这么大了还是不明白。老农们饿了啃大饼加白菜，有吃有喝的人生才最让他们信赖；他们也不明白，人生的意义究竟何在？何况……何况我只是他们养的一颗白菜，说不定哪天就成了一道主菜，操这份心的意义又何在？！
——以此纪念一颗可怜的白菜和曾经的那段终日胡思乱想的时代。
32．念了十几年的书才知道，还是幼儿园比较好混！
33．央视版《射雕英雄传》主体曲：总想对你表白，我的十八掌是多么豪迈，总想对你倾诉，我对武功是多么热爱，勤劳勇敢的南宋人，意气风发走进新时代，啊，我们意气风发走进那新时代。让我告诉世界，华山论剑自己主宰，让我告诉未来，比武进行着接力赛，承前启后的武林人，带领我们走进新时代，啊，带领我们走进，走进那新时代。我们唱着满江红，挥舞刀剑站起来，我们讲着真经的故事，摆开架式练起来，继往开来的武林人，带领我们走进那新时代，高举刀剑开创未来。
34．两个女友，对于男人就是红玫瑰与白玫瑰；三个女友，对于男人就是星星月亮和太阳；一群女友，对于男人就只是一个跳蚤市场。
35．祖籍吐蕃，出生于吐鲁番，民族乃土家族，姓名土鳖。住在土楼，表舅在土库曼，表哥在土耳其，星座土星。爱睡土炕，爱吃土司，爱说土话，爱作土匪。拥护土改，反对土葬，做个土人，冒点土气。幸亏没上土木系！！！
36．如果恐龙是人，那人是什么？
2. 05年前的日本动漫大全
黑执事 （不是爱情 但有些BL 看你自己怎么想 不过超好看 酷 完美）
金色琴弦 （没其他好呀 人物跟其他比就低一个档次 不过可以看看呦 校园 音乐）
神幻拍档 （不是校园不是爱情 但强烈推荐呦 有美型）
天国的少女 （不是校园 有爱情 还是选夫游戏）
水果篮子 （美型是肯定的 推荐呦）
蜜桃学园 （也不知道 这个没看过）
伯爵与妖精 （看看吧 小说也不错）
恶作剧之吻 （挺好看的 也有真人版的）
人形电脑天使心 （爱情 ）
魔兵传奇 （后面很感人 是同学推荐的）
龙与虎 （只看过一点 女主角超卡哇伊 ）
SOLA
CALNNAD
夕阳染红的街道
旋风管家
零之使魔
濑户的花嫁
我们的存在
凉风
烈火之炎
魔法留学生
橘子酱男孩
破天荒游戏
虫之歌
恋爱情结
code-e
clanned
浪漫追星社
《无重力少年》
《暴风雨之夜》
《战国月夜》
《新•风云三姐妹》
《圣光之翼 OVA》
《妖精标本》
《特务战队》
《不可思议的教室》
《幻之地底遗迹（火影忍者剧场版第2部）》
《闪耀计划 OVA》
《神是中学生》
《嫁情曲》
《D.I.C.E.》
《极速方程式》
《我不是天使》
《圣龙小公主梦幻奇迹》
《xxxHOLiC 仲夏夜之梦 剧场版》
《苍白的茧(记忆裂痕) OVA》
《我是小粘粘》
《老婆是魔法少女》
《漫画同人会 革命》
《草莓棉花糖》
《大空魔龙》
《增血鬼果林》
《动物横町》
《格斗美神-武龙》
《星界的战旗3 OVA》
《最终兵器彼女 OVA》
《SHUFFLE!》
《蓝色潮痕》
《极乐天师（不要撒娇哦!!）》
《机动战士高达Z-星之继承者》
《超越时空的障壁》
《星空防卫队 OVA2》
《天上天下OVA终极格斗》
《海贼王剧场版6 狂欢男爵和神秘岛》
《钢之炼金术师 香巴拉的征服者》
《长今梦》
《绝对少年》
《超级机器人大战OG》
《初音岛 第二季》
《枪与剑》
《梦里人》
《玫瑰少女Ⅱ》
《棒球大联盟第二季》
《虫师》
《我永远的圣诞老人》
《圣斗士星矢•冥界篇前章》
《I"s Pure》(OVA)
《蔷薇少女2梦之终结》
《天堂之吻》
《凉风》
《到另外一个你的身边去》
《玻子汽水》
《银盘万花筒》
《IGPX》
《Blood+》
《曙光少女》
《舞☆乙Hime》
《水星领航员》
《灼眼的夏娜》
《克拉斯特学院》
《地狱少女》
《幸福七人组》
《七彩的素描》
《黑猫》
《雪之女王》
《强殖装甲凯普》
《天使心》
最终幻想VII-降临之子
全金属狂潮3
圣魔之血
交响诗篇》
蜂蜜与三叶草
双恋2
极上生徒会
翼
甲贺忍法帖
速写者
无爱之战
玻璃假面
植木的法则
英国恋爱物语
武器种族传说
乌鸦
创圣之阿克艾利欧
光速跑者21号
出云战记
魔界奇兵MAR
我的主人爱作怪
扑杀天使小骷髅
魔法老师
新世纪福音战士：钢铁的女友2nd
飞跃巅峰2
零秒出手
伊里野的天空、UFO之夏
云之彼端，约定的地方
异度传说
新释•战国英雄传说•真田十勇士
女生万岁第2季
炎魂
魔兵传奇
彩云国物语
很多都是自己看过的 所以强烈推荐 呵呵 神幻拍档也可以去看看 超经典的就不说了
有些是以前回答问题时别人的推荐觉得挺好就给粘贴过来了 O(∩_∩)O~ 写不来那么多 有些是别人的建议 也不太记得具体时间了 要有不是的请谅解
3. 怎么学好程序设计
虽然我说不上是什么高手,但是从我学习的经验来看学好程序,首先你得先活跃你的逻辑思维,这点非常的重要.学程序设计之前首先先要学习,离散学,线性代数等等.主要是为了开发你的思维.其次英语必须会一点,因为编程都是英文函数也是英文所以懂得英文有助你记忆函数.最后就是程序中所说核心算法了,这是程序设计最关键的步骤
《C程序设计》的内容很丰富，按照我们现在的教学大纲，教学的主要内容是基础知识、四种结构的的程序设计、函数与数组的应用和一些简单的算法。在学习时，同学们应该把主要精力放在这些部分，通过实践（练习和上机调试等熟练掌握。当然，在初学C语言时，可能会遇到有些问题理解不透，或者表达方式与以往数学学习中不同（如运算符等），这就要求不气馁，不明白的地方多问多想，鼓足勇气进行学习，待学完后面的章节知识，前面的问题也就迎刃而解了，这一方面我感觉是我们同学最欠缺，大多学不好的就是因为一开始遇到困难就放弃，曾经和好多同学谈他的问题，回答是听不懂、不想听、放弃这样三个过程，我反问，这节课你听过课吗？回答又是没有，根本就没听过课，怎么说自己听不懂呢？相应的根本就没学习，又谈何学的好？
学习C语言始终要记住“曙光在前头”和“千金难买回头看”，“千金难买回头看”是学习知识的重要方法，就是说，学习后面的知识，不要忘了回头弄清遗留下的问题和加深理解前面的知识，这是我们学生最不易做到的，然而却又是最重要的。比如：在C语言中最典型的是关于结构化程序设计构思，不管是那种教材，一开始就强调这种方法，这时也许你不能充分体会，但是学到函数时，再回头来仔细体会，温故知新，理解它就没有那么难了。学习C语言就是要经过几个反复，才能前后贯穿，积累应该掌握的C知识。
那么，我们如何学好《C程序设计》呢？
一．学好C语言的运算符和运算顺序
这是学好《C程序设计》的基础，C语言的运算非常灵活，功能十分丰富，运算种类远多于其它程序设计语言。在表达式方面较其它程序语言更为简洁，如自加、自减、逗号运算和三目运算使表达式更为简单，但初学者往往会觉的这种表达式难读，关键原因就是对运算符和运算顺序理解不透不全。当多种不同运算组成一个运算表达式，即一个运算式中出现多种运算符时，运算的优先顺序和结合规则显得十分重要。在学习中，只要我们对此合理进行分类，找出它们与我们在数学中所学到运算之间的不同点之后，记住这些运算也就不困难了，有些运算符在理解后更会牢记心中，将来用起来得心应手，而有些可暂时放弃不记，等用到时再记不迟。
先要明确运算符按优先级不同分类，《C程序设计》运算符可分为15种优先级，从高到低，优先级为1 ~ 15，除第2、3级和第14级为从右至左结合外，其它都是从左至右结合，它决定同级运算符的运算顺序。下面我们通过几个例子来说明：
（1） 5*8/4%10 这个表达式中出现3种运算符，是同级运算符，运算顺序按从左至右结合，因此先计算5 *8=40，然后被4除，结果为10，最后是%（求余数）运算，所以表达式的最终结果为10%10 = 0；
（2）a = 3;b = 5;c =++ a* b ；d =a + +* b；
对于c=++a*b来说，按表中所列顺序，+ +先执行，*后执行，所以+ + a执行后，a的值为4，由于+ +为前置运算，所以a的值4参与运算，C的值计算式为4*5=20而不是3*5=15了；而对于d=a++*b来说，由于a + +为后置运算，所以a值为4参与运算，使得d的值仍为20，而a参与运算后其值加1，值为5。 这个例子执行后，a的值为5，b的值为5，c的值为20，d的值也是20；
（3）（a = 3，b = 5，b+ = a，c = b* 5）
例子中的“，”是逗号结合运算，上式称为逗号表达式，自左向右结合，最后一个表达式的结果值就是逗号表达式的结果，所以上面的逗号表达式结果为40，a的值为3，b的值为8，c的值为40。
（4）a=5;b=6;c=a>b?a:b;
例中的a>b?a:b是一个三目运算，它的功能是先做关系运算a>b部分，若结果为真，则取问号后a的值，否则取冒号后b的值，因此c的值应该为6，这个运算可以用来代替if…else…语句的简单应用。
二．学好C语言的四种程序结构
（1）顺序结构
顺序结构的程序设计是最简单的，只要按照解决问题的顺序写出相应的语句就行，它的执行顺序是自上而下，依次执行。
例如；a = 3，b = 5，现交换a，b的值，这个问题就好象交换两个杯子水，这当然要用到第三个杯子，假如第三个杯子是c，那么正确的程序为： c = a； a = b； b = c； 执行结果是a = 5，b = c = 3如果改变其顺序，写成：a = b； c = a； b = c； 则执行结果就变成a = b = c = 5，不能达到预期的目的，初学者最容易犯这种错误。 顺序结构可以独立使用构成一个简单的完整程序，常见的输入、计算，输出三步曲的程序就是顺序结构，例如计算圆的面积，其程序的语句顺序就是输入圆的半径r，计算s = 3.14159*r*r,输出圆的面积s。不过大多数情况下顺序结构都是作为程序的一部分，与其它结构一起构成一个复杂的程序，例如分支结构中的复合语句、循环结构中的循环体等。
（2） 分支结构
顺序结构的程序虽然能解决计算、输出等问题，但不能做判断再选择。对于要先做判断再选择的问题就要使用分支结构。分支结构的执行是依据一定的条件选择执行路径，而不是严格按照语句出现的物理顺序。分支结构的程序设计方法的关键在于构造合适的分支条件和分析程序流程，根据不同的程序流程选择适当的分支语句。分支结构适合于带有逻辑或关系比较等条件判断的计算，设计这类程序时往往都要先绘制其程序流程图，然后根据程序流程写出源程序，这样做把程序设计分析与语言分开，使得问题简单化，易于理解。程序流程图是根据解题分析所绘制的程序执行流程图。
学习分支结构不要被分支嵌套所迷惑，只要正确绘制出流程图，弄清各分支所要执行的功能，嵌套结构也就不难了。嵌套只不过是分支中又包括分支语句而已，不是新知识，只要对双分支的理解清楚，分支嵌套是不难的。下面我介绍几种基本的分支结构。
①if(条件)
{
分支体
}
这种分支结构中的分支体可以是一条语句，此时“{ }”可以省略，也可以是多条语句即复合语句。它有两条分支路径可选，一是当条件为真，执行分支体，否则跳过分支体，这时分支体就不会执行。如：要计算x的绝对值，根据绝对值定义，我们知道，当x>=0时，其绝对值不变，而x<0时其绝对值是为x的反号，因此程序段为：if(x<0) x=-x;
②if(条件)
{分支1}
else
{分支2}
这是典型的分支结构，如果条件成立，执行分支1，否则执行分支2，分支1和分支2都可以是1条或若干条语句构成。如：求ax^2+bx+c=0的根
分析：因为当b^2-4ac>=0时,方程有两个实根，否则（b^2-4ac<0）有两个共轭复根。其程序段如下：
d=b*b-4*a*c;
if(d>=0)
{x1=(-b+sqrt(d))/2a;
x1=(-b-sqrt(d))/2a;
printf(“x1=%8.4f,x2=%8.4f\n”,x1,x2);
}
else
{r=-b/(2*a);
i =sqrt(-d)/(2*a);
printf(“x1=%8.4f+%8.4fi\n”r, i);
printf(“x2=%8.4f-%8.4fi\n”r,i)
}
③嵌套分支语句：其语句格式为：
if(条件1) {分支1}；
else if（条件2） {分支2}
else if（条件3） {分支3}
……
else if（条件n） {分支n}
else {分支n+1}
嵌套分支语句虽可解决多个入口和出口的问题，但超过3重嵌套后，语句结构变得非常复杂，对于程序的阅读和理解都极为不便，建议嵌套在3重以内，超过3重可以用下面的语句。
④switch开关语句：该语句也是多分支选择语句，到底执行哪一块，取决于开关设置，也就是表达式的值与常量表达式相匹配的那一路，它不同if…else 语句，它的所有分支都是并列的，程序执行时，由第一分支开始查找，如果相匹配，执行其后的块，接着执行第2分支，第3分支……的块，直到遇到break语句；如果不匹配，查找下一个分支是否匹配。这个语句在应用时要特别注意开关条件的合理设置以及break语句的合理应用。
（3）循环结构：
循环结构可以减少源程序重复书写的工作量，用来描述重复执行某段算法的问题，这是程序设计中最能发挥计算机特长的程序结构，C语言中提供四种循环，即goto循环、while循环、do –while循环和for循环。四种循环可以用来处理同一问题，一般情况下它们可以互相代替换，但一般不提倡用goto循环，因为强制改变程序的顺序经常会给程序的运行带来不可预料的错误，在学习中我们主要学习while、do…while、for三种循环。常用的三种循环结构学习的重点在于弄清它们相同与不同之处，以便在不同场合下使用，这就要清楚三种循环的格式和执行顺序，将每种循环的流程图理解透彻后就会明白如何替换使用，如把while循环的例题，用for语句重新编写一个程序，这样能更好地理解它们的作用。特别要注意在循环体内应包含趋于结束的语句（即循环变量值的改变），否则就可能成了一个死循环，这是初学者的一个常见错误。
在学完这三个循环后，应明确它们的异同点：用while和do…while循环时，循环变量的初始化的操作应在循环体之前，而for循环一般在语句1中进行的；while 循环和for循环都是先判断表达式，后执行循环体，而do…while循环是先执行循环体后判断表达式，也就是说do…while的循环体最少被执行一次，而while 循环和for就可能一次都不执行。另外还要注意的是这三种循环都可以用break语句跳出循环，用continue语句结束本次循环，而goto语句与if构成的循环，是不能用break和 continue语句进行控制的。
顺序结构、分支结构和循环结构并不彼此孤立的，在循环中可以有分支、顺序结构，分支中也可以有循环、顺序结构，其实不管哪种结构，我们均可广义的把它们看成一个语句。在实际编程过程中常将这三种结构相互结合以实现各种算法，设计出相应程序，但是要编程的问题较大，编写出的程序就往往很长、结构重复多，造成可读性差，难以理解，解决这个问题的方法是将C程序设计成模块化结构。
(4)模块化程序结构
C语言的模块化程序结构用函数来实现，即将复杂的C程序分为若干模块，每个模块都编写成一个C函数，然后通过主函数调用函数及函数调用函数来实现一大型问题的C程序编写，因此常说：C程序=主函数+子函数。 因些，对函数的定义、调用、值的返回等中要尤其注重理解和应用，并通过上机调试加以巩固。
三．掌握一些简单的算法
编程其实一大部分工作就是分析问题，找到解决问题的方法，再以相应的编程语言写出代码。这就要求掌握算法，根据我们的《C程序设计》教学大纲中，只要求我们掌握一些简单的算法，在掌握这些基本算法后，要完成对问题的分析就容易了。如两个数的交换、三个数的比较、选择法排序和冒泡法排序，这就要求我们要清楚这些算法的内在含义，其中选择法排序和冒泡法排序稍难，但只要明白排序的具体过程，对代码的理解就不难了。如用选择法对10个不同整数排序（从小到大），选择法排序思路：设有10个元素a[1]~a[10],将a[1]与a[2]~a[10]比较，若a[1]比a[2]~a[10]都小，则不进行交换，即无任何操作；若a[2]~a[10] 中有一个比a[1]小，则将其中最大的一个（假设为a）与a[1]交换，此时a[1]中存放了10个中最小的数。第二轮将a[2]与a[3]~a[10]比较，将剩下9个数中的最小者a与a[2]交换，此时a[2] 中存放的10个数中第2小的数；依此类推，共进行9轮比较，a[1]到a[10]就已按从小到大的顺序存放。即每一轮都找出剩下数中的最小一个，代码如下：
for(i=1;i<=9;i++)
for(j=i+1;j<=10;j++)
if(a>a[j]
{temp=a;
a=a[j];
a[j]=temp;
}
结语：当我们把握好上述几方面后，只要同学们能克服畏难、厌学、上课能专心
4. “曙光2000”超级服务器 是什么
曙光2000-I超级服务器 曙光2000-I超级服务器是国家863高技术计划在信息领域的重大成果，于1998年12月通过了国家科学技术部主持的鉴定。它的总体水平达到了90年代同期国际先进水平，有些方面如机群操作系统、集成化并行编程环境和服务器聚集软件等已处于国际领先水平，它的一些关键技术如单一系统映象、全局文件系统等有重要创新，是一个有很强市场竞争力的产品。它是继曙光1000、曙光1000A之后推出的又一高端的面向大规模商业应用、网络信息服务和科学计算的通用并行计算机系统。 1．系统介绍 曙光2000-I系统峰值速度为每秒200亿次，内存容量为8GB，内置硬盘容量为152GB，节点机总数为34个（可达128个）。它采用当前先进的Cluster体系结构，完全兼容IBM SP系统，是当前国际上最流行的超级服务器体系结构。它为我国信息化建设提供强有力的工具，是超级计算中心、数据中心、信息中心、网络中心、各种清算中心、结算中心和交换中心主服务器的理想选择。 曙光2000-I超级服务器采用了许多国际上创新的技术，该机的高速缓存通信网采用了智能中心研制的二维蛀洞路由芯片组，提供高达1600Mbps的点对点通信带宽，另外该机采用了智能中心研制的基于JAVA的机群管理系统，提供单一系统映像。同时，曙光2000-I还提供了杰出的系统可扩展性、易用性、可管理性和高可用性，即SUMA特性。并且有上万种的AIX商用应用软件支持。它不仅擅长大规模科学工程计算（最高浮点运算速度可达每秒200亿次以上），而且适用于事务处理、网络与信息服务以及决策支持等非科学计算领域。 2．技术特点 曙光2000-I通用超级服务器采用松耦合分布式存储的可扩展机群体系结构，与IBM的RS/6000 SP二进制兼容。单节点采用先进的PowerPC RISC处理器芯片，具有大容量的内存和硬盘，单节点功能强大。节点间通过高速二维蛀洞路由通信网或Myrinet提供1600Mbps或2560Mbps的点对点通信带宽，可以保证随着用户应用和技术的发展，曙光2000-I系统几乎可以线性地扩展节点数量。这种技术使得TB级的数据处理成为可能。 曙光2000-I提供了基本通信库(BCL)、PVM和MPI高层并行程序开发环境、集成的并行程序设计环境(IPPE)、并行调试器(DCDB)、基于Web的傻瓜界面(KISS)、自动并行化工具(AutoPAR)，机群系统管理(CSMS)、批作业管理 (JOSS)、资源管理(RMS)和曙光服务器聚集软件(DSC)。此外还提供了一系列与IBM RS/6000兼容的开放的软件工具，包括C和Fortran编译器、数学和工程库ESSL、DB2 UDB数据库等。 PowerPC处理器 提供解决大规模复杂应用所需的处理能力 可以灵活地进行配置，获得最优的商业或科学计算应用性能 开放的系统设计 支持多种通信协议、适配器、外设，灵活地配置系统 支持开放的工业标准 配置灵活 提供多种节点类型，可以在单个系统中混用 支持不同的PCI和ISA适配器 Wormho1e Routing (蛀洞路由)芯片 支持节点间的高效通信 点对点的通信时间独立于节点的相对位置 可扩展性 系统升级和扩充更为简单，透明地支持应用的线性增长 运算处理性能、存储器容量和I/O吞吐量的线性扩展 系统分区 动态节点池划分支持独立的应用子系统，提高系统的可用性 避免故障的扩散，提高系统的可靠性 单一系统映像 单一登录点，通过一个域名使用不同的节点 单点的控制管理，使系统管理更加简单 单一的文件系统 高可用性 提供高可用软件，避免系统崩溃所造成的昂贵代价 避免单一故障点 AIX操作系统 提供兼容的AIX平台，兼容IBM RS/6000系统应用 提供上万种的应用软件支持 3．应用范围 曙光2000-I系统由完整的基于AIX操作系统的节点组成，能为上万个AIX平台的应用软件提供接口。曙光2000-I系统的节点可以动态地分为多个节点池，运行不同的应用。例如，两个节点可以作为Notes服务器，四个节点运行数据库，其它节点进行科学计算。节点池根据用户不同时期的不同要求可进行动态调节，动态分区及管理由服务器聚集软件执行，带给用户完美的系统解决方案。应用范围包括： 科学工程计算 石油地震勘探：三维迭前深度偏移成像，油藏数值模拟等 天气预报与气候模式计算：大范围或局部地区短期、中长期天气预报，全球或局部地区高分辨率、高精度气候模式计算 水利与电力：水文水情预测分析，河湖及海洋污染分析，电力调度和电网控制等 制造业：航天航空器、汽车、船舶等的辅助设计和模拟，性能及可靠性整体实验分析 流体力学计算：湍流、高超音速流动、真实气体效应、爆炸及高碰撞等研究领域的数值模拟 遥感领域：合成孔径雷达的高分辨率成像、遥感数值信号成像和处理 基础科学研究中的理论计算：量子化学及药物分子设计，DNA和蛋白质的电子结构分析，材料科学计算，原子分子物理计算，理论与高能物理计算，以及天体物理与核物理等基础研究领域的理论计算 事务处理应用 在线事务处理(OLTP)：银行的支付系统和清结算系统，电子商务系统，证券交易系统，保险系统，以及各种大型MIS系统 在线分析处理(OLAP)：数据挖掘、数据仓库和决策支持系统等 并行数据库 支持Oracle、DB2 UDB等并行数据库的各种应用 网络服务器 Internet／Intranet服务器 文件服务器 信息检索服务器 多媒体服务器 服务器聚集 国际流行应用方式，可以将用户的各种应用整合到一台曙光2000超级服务器中，便于系统的管理，提高整个系统的可用性。 曙光2000-I通用超级服务器以优异的性能价格比和杰出的SUMA特性为我国的信息化建设提供了高性能计算平台，在石油、电力、航空航天、银行及基础科学研究等行业领域有广阔的应用前景，必将在我国国民经济各领域信息化建设中担当重要角色。
5. 程序员转行大数据是个明智的选择吗
程序员又被人们戏称为“程序猿”，虽然薪资不低却依然掩饰不住悲催的命运：加班、单身成了这一职业的代名词。而最重要的，是职业发展限制性较高，常常有程序员忧虑自己的职业只是一碗青春饭。而正在这时候，大数据时代来临了，程序员们仿佛看到了希望的曙光，想要投身大数据行业。那么，程序员转行大数据是个明智的选择吗？
除去个人因素，大数据的确具有十分强大的发展潜力。从国家政策到国内各大企业的重视程度，无一不在为大数据时代的腾飞积蓄着力量。而且，不同于传统的IT行业，大数据行业其实更像是一个工具，也可以说是各行各业的一个神器。它的应用范围十分广泛，几乎360行，行行都能利用大数据分享到不小的红利。大数据技术能够精准地引导企业进行企业决策，把企业从传统的“凭经验吃饭”的套路中解脱出来。从此以后，再也没人说“嘴上无毛，办事不牢”了，经验代表过去，而大数据代表着未来。大数据工程师经过多年的历练，说是企业的“军师”也不为过。而广泛的行业范畴更为大数据专业人才提供了无限的可能。可以说，大数据给了人们一个更广阔的发展空间，无限的发展可能。而相比之下，程序员的发展空间就会显得局促很多。其实，任何行业都不是一味的黯淡无光和一味的前途无量。还是需要看个人的喜好和专长。如果你对大数据感兴趣，欢迎来报名光环大数据培训班，相信你会有一个美好的将来！
6. 程序员为什么要学深度学习
费良宏：程序员为什么要学深度学习？
深度学习本身是一个非常庞大的知识体系。本文更多想从程序员的视角出发，让大家观察一下深度学习对程序员意味着什么，以及我们如何利用这样一个高速发展的学科，来帮助程序员提升软件开发的能力。
本文根据费良宏在2016QCon全球软件开发大会（上海）上的演讲整理而成。
前言
1973年，美国上映了一部热门的科幻电影《WestWorld》，三年之后又有一个续集叫做《FutureWorld》。这部电影在80年代初被引进到中国叫《未来世界》。那部电影对我来讲简直可以说得上是震撼。影片中出现了很多机器人，表情丰富的面部下面都是集成电路板。这让那时候的我觉得未来世界都是那么遥远、那么神秘。
时间到了2016年，很多朋友可能都在追看HBO斥巨资拍摄的同一题材的系列剧《WestWorld》。如果前两部电影还是局限在机器人、人工智能这样的话题，2016年的新剧则在剧情和人工智能的思考方面有了很大的突破。不再渲染机器人是否会威胁到人类，而是在探讨“Dreamsaremainlymemories”这一类更具哲理的问题。
“记忆究竟如何影响了智能”这个话题非常值得我们去思考，也给我们一个很好的启示——今天，人工智能领域究竟有了怎样的发展和进步。
今天我们探讨的话题不仅仅是简单的人工智能。如果大家对深度学习感兴趣，我相信各位一定会在搜索引擎上搜索过类似相关的关键字。我在Google上以deeplearning作为关键字得到了2,630万个搜索的结果。这个数字比一周之前足足多出了300多万的结果。这个数字足以看得出来深度学习相关的内容发展的速度，人们对深度学习的关注也越来越高。
从另外的一个角度，我想让大家看看深度学习在市场上究竟有多么热门。从2011年到现在一共有140多家专注人工智能、深度学习相关的创业公司被收购。仅仅在2016年这种并购就发生了40多起。
其中最疯狂的是就是Google，已经收购了 11 家人工智能创业公司，其中最有名的就是击败了李世石九段的 DeepMind。排名之后的就要数 Apple、Intel以及Twitter。以Intel 公司为例，仅在今年就已经收购了 3 家创业公司，Itseez、Nervana 和 Movidius。这一系列大手笔的并购为了布局人工智能以及深度学习的领域。
当我们去搜索深度学习话题的时候，经常会看到这样的一些晦涩难懂的术语：Gradient descent（梯度下降算法）、Backpropagation（反向传播算法）、Convolutional Neural Network（卷积神经网络）、受限玻耳兹曼机（Restricted Boltzmann Machine）等。
如打开任何一篇技术文章，你看到的通篇都是各种数学公式。大家看到如下左边的图，其实并不是一篇高水准的学术论文，而仅仅是维基网络关于玻耳兹曼机的介绍。维基网络是科普层面的内容，内容复杂程度就超过了大多数数学知识的能力。
在这样的背景之下，我今天的的话题可以归纳成三点：第一，我们为什么要学习深度学习；第二，深度学习最核心的关键概念就是神经网络，那么究竟什么是神经网络；第三，作为程序员，当我们想要成为深度学习开发者的时候，我们需要具备怎样的工具箱，以及从哪里着手进行开发。
为什么要学习深度学习
首先，我们谈谈为什么要学习深度学习。在这个市场当中，最不缺乏的就是各种概念以及各种时髦新技术的词汇。深度学习有什么不一样的地方？我非常喜欢AndrewNg（吴恩达）曾经用过的一个比喻。
他把深度学习比喻成一个火箭。这个火箭有一个最重要的部分，就是它的引擎，目前来看在这个领域里面，引擎的核心就是神经网络。大家都知道，火箭除了引擎之外还需要有燃料，那么大数据其实就构成了整个火箭另外的重要组成部分——燃料。以往我们谈到大数据的时候，更多是强调存储和管理数据的能力，但是这些方法和工具更多是对于以往历史数据的统计、汇总。
而对于今后未知的东西，这些传统的方法并不能够帮助我们可以从大数据中得出预测的结论。如果考虑到神经网络和大数据结合，我们才可能看清楚大数据真正的价值和意义。AndrewNg就曾经说过“我们相信（神经网络代表的深度学习）是让我们获得最接近于人工智能的捷径”。这就是我们要学习深度学习的一个最重要的原因。
其次，随着我们进行数据处理以及运算能力的不断提升，深度学习所代表的人工智能技术和传统意义上人工智能技术比较起来，在性能上有了突飞猛进的发展。这主要得益于在过去几十间计算机和相关产业不断发展带来的成果。在人工智能的领域，性能是我们选择深度学习另一个重要的原因。
这是一段Nvidia在今年公布的关于深度学习在无人驾驶领域应用的视频。我们可以看到，将深度学习应用在自动驾驶方面，仅仅经历了3千英里的训练，就可以达到什么样的程度。在今年年初进行的实验上，这个系统还不具备真正智能能力，经常会出现各种各样的让人提心吊胆的状况，甚至在某些情况下还需要人工干预。
但经过了3千英里的训练之后，我们看到在山路、公路、泥地等各种复杂的路况下面，无人驾驶已经有了一个非常惊人的表现。请大家注意，这个深度学习的模型只经过了短短几个月、3千英里的训练。
如果我们不断完善这种模型的话，这种处理能力将会变得何等的强大。这个场景里面最重要的技术无疑就是深度学习。我们可以得出一个结论：深度学习可以为我们提供强大的能力，如果程序员拥有了这个技术的话，无异于会让每个程序员如虎添翼。
神经网络快速入门
如果我们对于学习深度学习没有任何疑虑的话，接下来就一定会关心我需要掌握什么样的知识才能让我进入到这个领域。这里面最重要的关键技术就是“神经网络”。说起“神经网络”，容易混淆是这样两个完全不同的概念。
一个是生物学神经网络，第二个才是我们今天要谈起的人工智能神经网络。可能在座的各位有朋友在从事人工智能方面的工作。当你向他请教神经网络的时候，他会抛出许多陌生的概念和术语让你听起来云里雾里，而你只能望而却步了。
对于人工智能神经网络这个概念，大多数的程序员都会觉得距离自己有很大的距离。因为很难有人愿意花时间跟你分享神经网络的本质究竟是什么。而你从书本上读的到的理论和概念，也很让你找到一个清晰、简单的结论。
今天就我们来看一看，从程序员角度出发神经网络究竟是什么。我第一次知道神经网络这个概念是通过一部电影——1991年上映的《终结者2》。男主角施瓦辛格有一句台词：
“MyCPUisaneural-netprocessor;alearningcomputer.”（我的处理器是一个神经处理单元，它是一台可以学习的计算机)。从历史来看人类对自身智力的探索，远远早于对于神经网络的研究。
1852年，意大利学者因为一个偶然的失误，将人类的头颅掉到硝酸盐溶液中，从而获得第一次通过肉眼关注神经网络的机会。这个意外加速了对人类智力奥秘的探索，开启了人工智能、神经元这样概念的发展。
生物神经网络这个概念的发展，和今天我们谈的神经网络有什么关系吗？我们今天谈到的神经网络，除了在部分名词上借鉴了生物学神经网络之外，跟生物学神经网络已经没有任何关系，它已经完全是数学和计算机领域的概念，这也是人工智能发展成熟的标志。这点大家要区分开，不要把生物神经网络跟我们今天谈到的人工智能有任何的混淆。
90年代中期，由Vapnik等人提出了支持向量机算法（Support Vector Machines，支持向量机）。很快这个算法就在很多方面体现出了对比神经网络的巨大优势，例如：无需调参、高效率、全局最优解等。基于这些理由，SVM算法迅速打败了神经网络算法成为那个时期的主流。而神经网络的研究则再次陷入了冰河期。
在被人摒弃的十年里面，有几个学者仍然在坚持研究。其中很重要的一个人就是加拿大多伦多大学的Geoffery Hinton教授。2006年，他的在着名的《Science》杂志上发表了论文，首次提出了“深度信念网络”的概念。
与传统的训练方式不同，“深度信念网络”有一个“预训练”（pre-training）的过程，这可以方便的让神经网络中的权值找到一个接近最优解的值，之后再使用“微调”(fine-tuning)技术来对整个网络进行优化训练。这两个技术的运用大幅度减少了训练多层神经网络的时间。在他的论文里面，他给多层神经网络相关的学习方法赋予了一个新名词— “深度学习”。
很快，深度学习在语音识别领域崭露头角。接着在2012年，深度学习技术又在图像识别领域大展拳脚。Hinton与他的学生在ImageNet竞赛中，用多层的卷积神经网络成功地对包含一千个类别的一百万张图片进行了训练，取得了分类错误率15%的好成绩，这个成绩比第二名高了将近11个百分点。
这个结果充分证明了多层神经网络识别效果的优越性。从那时起，深度学习就开启了新的一段黄金时期。我们看到今天深度学习和神经网络的火热发展，就是从那个时候开始引爆的。
利用神经网络构建分类器，这个神经网络的结构是怎样的？
其实这个结构非常简单，我们看到这个图就是简单神经网络的示意图。神经网络本质上就是一种“有向图”。图上的每个节点借用了生物学的术语就有了一个新的名词 – “神经元”。连接神经元的具有指向性的连线（有向弧）则被看作是“神经”。这这个图上神经元并不是最重要的，最重要的是连接神经元的神经。每个神经部分有指向性，每一个神经元会指向下一层的节点。
节点是分层的，每个节点指向上一层节点。同层节点没有连接，并且不能越过上一层节点。每个弧上有一个值，我们通常称之为”权重“。通过权重就可以有一个公式计算出它们所指的节点的值。这个权重值是多少？我们是通过训练得出结果。它们的初始赋值往往通过随机数开始，然后训练得到的最逼近真实值的结果作为模型，并可以被反复使用。这个结果就是我们说的训练过的分类器。
节点分成输入节点和输出节点，中间称为隐层。简单来说，我们有数据输入项，中间不同的多个层次的神经网络层次，就是我们说的隐层。之所以在这样称呼，因为对我们来讲这些层次是不可见的。输出结果也被称作输出节点，输出节点是有限的数量，输入节点也是有限数量，隐层是我们可以设计的模型部分，这就是最简单的神经网络概念。
如果简单做一个简单的类比，我想用四层神经网络做一个解释。左边是输入节点，我们看到有若干输入项，这可能代表不同苹果的RGB值、味道或者其它输入进来的数据项。中间隐层就是我们设计出来的神经网络，这个网络现在有不同的层次，层次之间权重是我们不断训练获得一个结果。
最后输出的结果，保存在输出节点里面，每一次像一个流向一样，神经是有一个指向的，通过不同层进行不同的计算。在隐层当中，每一个节点输入的结果计算之后作为下一层的输入项，最终结果会保存在输出节点上，输出值最接近我们的分类，得到某一个值，就被分成某一类。这就是使用神经网络的简单概述。
除了从左到右的形式表达的结构图，还有一种常见的表达形式是从下到上来表示一个神经网络。这时候，输入层在图的最下方，输出层则在图的最上方。从左到右的表达形式以AndrewNg和LeCun的文献使用较多。而在Caffe框架里则使用的则是从下到上的表达。
简单来说，神经网络并不神秘，它就是有像图，利用图的处理能力帮助我们对特征的提取和学习的过程。2006年Hinton的那篇着名的论文中，将深度学习总结成三个最重要的要素：计算、数据、模型。有了这三点，就可以实现一个深度学习的系统。
程序员需要的工具箱
对于程序员来说，掌握理论知识是为了更好的编程实践。那就让我们看看，对于程序员来说，着手深度学习的实践需要准备什么样的工具。
硬件
从硬件来讲，我们可能需要的计算能力，首先想到的就是CPU。除了通常的CPU架构以外，还出现了附加有乘法器的CPU，用以提升计算能力。此外在不同领域会有DSP的应用场景，比如手写体识别、语音识别、等使用的专用的信号处理器。还有一类就是GPU，这是一个目前深度学习应用比较热门的领域。最后一类就是FPGA（可编程逻辑门阵列）。
这四种方法各有其优缺点，每种产品会有很大的差异。相比较而言CPU虽然运算能力弱一些，但是擅长管理和调度，比如读取数据，管理文件，人机交互等，工具也丰富。DSP相比而言管理能力较弱，但是强化了特定的运算能力。
这两者都是靠高主频来解决运算量的问题，适合有大量递归操作以及不便拆分的算法。GPU的管理能力更弱一些，但是运算能力更强。但由于计算单元数量多，更适合整块数据进行流处理的算法。
FPGA在管理与运算处理方面都很强，但是开发周期长，复杂算法开发难度较大。就实时性来说，FPGA是最高的。单从目前的发展来看，对于普通程序员来说，现实中普遍采用的计算资源就还是是CPU以及GPU的模式，其中GPU是最热门的领域。
这是我前天为这次分享而准备的一个AWS 上p2的实例。仅仅通过几条命令就完成了实例的更新、驱动的安装和环境的设置，总共的资源创建、设置时间大概在10分钟以内。而之前，我安装调试前面提到的那台计算机，足足花了我两天时间。
另外，从成本上还可以做一个对比。p2.8xLarge 实例每小时的费用是7.2美元。而我自己那台计算机总共的花费了是¥16,904元。这个成本足够让我使用350多个小时的p2.8xLarge。在一年里使用AWS深度学习站就可以抵消掉我所有的付出。随着技术的不断的升级换代，我可以不断的升级我的实例，从而可以用有限的成本获得更大、更多的处理资源。这其实也是云计算的价值所在。
云计算和深度学习究竟有什么关系？今年的8月8号，在IDG网站上发表了一篇文章谈到了这个话题。文章中做了这样一个预言：如果深度学习的并行能力不断提高，云计算所提供的处理能力也不断发展，两者结合可能会产生新一代的深度学习，将带来更大影响和冲击。这是需要大家考虑和重视的一个方向！
软件
深度学习除了硬件的基础环境之外。程序员会更关心与开发相关的软件资源。这里我罗列了一些曾经使用过的软件框架和工具。
Scikit-learn是最为流行的一个python机器学习库。它具有如下吸引人的特点：简单、高效且异常丰富的数据挖掘/数据分析算法实现； 基于NumPy、SciPy以及matplotlib，从数据探索性分析，数据可视化到算法实现，整个过程一体化实现；开源，有非常丰富的学习文档。
Caffe专注在卷及神经网络以及图像处理。不过Caffe已经很久没有更新过了。这个框架的一个主要的开发者贾扬清也在今年跳槽去了Google。也许曾经的霸主地位要让位给他人了。
Theano 是一个非常灵活的Python 机器学习的库。在研究领域非常流行，使用上非常方便易于定义复杂的模型。Tensorflow 的API 非常类似于Theano。我在今年北京的QCon 大会上也分享过关于Theano 的话题。
Jupyter notebook 是一个很强大的基于ipython的python代码编辑器，部署在网页上，可以非常方便的进行交互式的处理，很适合进行算法研究合数据处理。
Torch 是一个非常出色的机器学习的库。它是由一个比较小众的lua语言实现的。但是因为LuaJIT 的使用，程序的效率非常出色。Facebook在人工智能领域主打Torch，甚至现在推出了自己的升级版框架Torchnet。
深度学习的框架非常之多，是不是有一种乱花渐欲迷人眼的感觉？我今天向各位程序员重点介绍的是将是TensorFlow。这是2015年谷歌推出的开源的面向机器学习的开发框架，这也是Google第二代的深度学习的框架。很多公司都使用了TensorFlow开发了很多有意思的应用，效果很好。
用TensorFlow可以做什么？答案是它可以应用于回归模型、神经网络以深度学习这几个领域。在深度学习方面它集成了分布式表示、卷积神经网络(CNN)、递归神经网络(RNN) 以及长短期记忆人工神经网络（Long-Short Term Memory, LSTM）。
关于Tensorflow 首先要理解的概念就是Tensor。在辞典中对于这个词的定义是张量，是一个可用来表示在一些向量、标量和其他张量之间的线性关系的多线性函数。实际上这个表述很难理解，用我自己的语言解释Tensor 就是“N维数组”而已。
使用 TensorFlow, 作为程序员必须明白 TensorFlow这样几个基础概念：它使用图 (Graph) 来表示计算任务；在被称之为 会话 (Session) 的上下文 (context) 中执行图；使用 Tensor 表示数据；通过 变量 (Variable) 维护状态；使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据。
一句话总结就是，TensorFlow 就是有状态图的数据流图计算环境，每个节点就是在做数据操作，然后提供依赖性和指向性，提供完整数据流。
TensorFlow安装非常简单，但官网提供下载的安装包所支持的CUDA 的版本是7.5。考虑到CUDA 8 的让人心动的新特以及不久就要正式发布的现状。或许你想会考虑立即体验CUDA 8，那么就只能通过编译Tensorflow源代码而获得。目前TensorFlow已经支持了Python2.7、3.3+。
此外，对于使用Python 语言的程序员还需要安装所需要的一些库，例如：numpy、protobuf等等。对于卷积处理而言，cuDNN是公认的性能最好的开发库，请一定要安装上。常规的Tensorsorflow的安装很简单，一条命令足矣：
$ pip3 install —upgrade https://storage.233.wiki/tensorflow/linux/cpu/tensorflow-0.11.0rc0-cp35-cp35m-linux_x86_64.whl
如果想评估一下或者简单学习一下，还可以通过Docker进行安装，安装的命令如下：
$ docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow
TensorFlow有很多优点。首先，目前为止，深度学习的开发框架里面TensorFlow的文档做的最好，对程序员学习而言是非常好的一点。第二，TensorFlow有丰富的参考实例，作为参考学习起来非常容易。
第三，开发者社区活跃，在任何一个深度学习的社区里，都有大量关于TensorFlow的讨论。第四，谷歌的支持力度非常大，从2015年到现在升级速度非常快，这是其他开源框架远远达不到的结果。
参考TensorFlow的白皮书，我们会看到未来TensorFlow还将会有巨大的发展潜力。让我特别感兴趣是这两个方向。第一，支持跨多台机器的 parallelisation。尽管在0.8版本中推出了并行化的能力，但是目前还不完善。随着未来不断发展，依托云计算的处理能力的提升这个特性将是非常让人振奋的。
第二，支持更多的开发语言，对于开发者来说这是一个绝大的利好，通过使用自己擅长的语言使用TensorFlow应用。这些开发语言将会扩展到Java、Lua以及R 等。
在这里我想给大家展示一个应用Tensorflow 的例子。这个例子的代码托管在这个网址上 https://github.com/anishathalye/neural-style。白俄罗斯的现代印象派艺术家Leonid Afremov善于用浓墨重彩来表现都市和风景题材，尤其是其雨景系列作品。他习惯用大色块的铺陈来营造光影效果，对反光物体和环境色的把握非常精准。
于是我就找到了一张上海东方明珠电视塔的一张摄影作品，我希望通过Tensorflow 去学习一下Leonid Afremov 的绘画风格，并将这张东方明珠的照片处理成那种光影色彩丰富的作品风格。利用Tensorflow 以及上面提到的那个项目的代码，在一个AWS 的p2类型的实例上进行了一个一千次的迭代，于是就得到了下图这样的处理结果。
这个处理的代码只有350行里，模型使用了一个成名于2014年ImageNet比赛中的明星 VGG。这个模型非常好，特点就是“go depper”。
TensorFlow 做出这样的作品，并不仅仅作为娱乐供大家一笑，还可以做更多有意思的事情。将刚才的处理能力推广到视频当中，就可以看到下图这样的效果，用梵高着名的作品”星月夜“的风格就加工成了这样新的视频风格。
可以想象一下，如果这种处理能力在更多领域得以应用，它会产生什么样的神奇结果？前景是美好的，让我们有无限遐想。事实上我们目前所从事的很多领域的应用开发都可以通过使用神经网络和深度学习来加以改变。对于深度学习而言，掌握它并不是难事。每一个程序员都可以很容易的掌握这种技术，利用所具备的资源，让我们很快成为深度学习的程序开发人员。
结束语
未来究竟是什么样，我们没有办法预言。有位作家Ray Kurzweil在2005年写了《奇点临近》一书。在这本书里面他明确告诉我们，那个时代很快到来。作为那个时代曙光前的人群，我们是不是有能力加速这个过程，利用我们学习的能力实现这个梦想呢？
中国人工智能的发展
人工智能的时代无疑已经到来，这个时代需要的当然就是掌握了人工智能并将其解决具体问题的工程师。坦率的说，市场上这一类的工程师还属于凤毛麟角。职场上的薪酬待遇可以看得出来这样的工程师的抢手的程度。人工智能这门学科发展到今天，就学术自身而言已经具备了大规模产业化的能力。
所以说，对于工程师而言当务之急就是尽快的掌握应用人工智能的应用技术。当下在互联网上关于人工智能的学习资料可以说已经是“汗牛充栋”，那些具备了快速学习能力的工程师一定会在人工智能的大潮当中脱颖而出。
中国发展人工智能产业的环境已经具备。无论从创业环境、人员的素质乃至市场的机遇而言完全具备了产生产业变革的一切条件。与美国相比较，在人工智能的许多领域中国团队的表现也可以说是不逞多让。就人工智能的技术层面而言，中国的工程师与全球最好的技术团队正处于同一个起跑线上。
时不我待，中国的工程师是有机会在这个领域大展身手的。不过值得注意的是，要切忌两点：一是好高骛远，盲目与国外攀比。毕竟积累有长短，术业有专攻，我们要立足于已有的积累，寻求逐步的突破。二是一拥而上，盲目追求市场的风口。人工智能的工程化需要大量的基础性的积累，并非一蹴而就简单复制就可以成功。
中国的科研技术人员在人工智能领域的成就有目共睹。在王咏刚的一篇文章里面，他统计了从2013年到2015年SCI收录的“深度学习”论文，中国在2014年和2015年超已经超过了美国居于领跑者的位置。
另外一让我感到惊讶的事情，Google的JeffDean在2016年发表过一篇名为《TensorFlow:Asystemforlarge-scalemachinelearning》的论文。文章的22个作者里面，明显是中国名字的作者占已经到了1/5。如果要列举中国人/华人在人工智能领域里的大牛，吴恩达、孙剑、杨强、黄广斌、马毅、张大鹏……很容易就可以说出一大串。
对于中国来说目前的当务之急是人工智能技术的产业化，唯有如此我们才可以讲科研／智力领域的优势转化为整体的、全面的优势。在这一点上，中国是全球最大的消费市场以及制造业强国，我们完全有机会借助市场的优势成为这个领域的领先者。
硅谷创新企业
硅谷虽然去过许多回，但一直无缘在那里长期工作。在人工智能领域的市场我们听到的更多是围绕Google、Apple、Intel、Amazon这样的一些大型科技公司的一举一动。但是在美国市场上还有一大批小型的创业企业在人工智能这个领域有惊艳的表现。仅以硅谷区域的公司为例：
Captricity，提供了手写数据的信息提取；
VIVLab，针对语音识别开发了虚拟助手服务；
TERADEEP，利用FPGA提供了高效的卷积神经网络的方案；
还有提供无人驾驶解决方案的NetraDyne。
这个名单还可以很长，还有许许多多正在利用人工智能技术试图去创造历史的团队正在打造他们的梦想。这些团队以及他们正在专注的领域是值得我们去学习和体会的。
7. 中国IT界最牛的十个人
1、最牛的是史玉柱。他是80年代末在深圳做汉卡（输入汉字字库早期硬件）赚到第一桶金，但后来扩张太快搞房地产和保健品破产了欠了几个亿。但卧薪尝胆几年后还清老百姓的债务，重新回到IT行业做网络游戏、保健品、房地产，现在是网络游戏界里的老大之一。有技术、有良心、有能力、有热情！
2、网易的丁三石，搞互联网很多年了，发展稳固，最近几年搞网络游戏发展迅速，又是广东政协委员IT的先进代表，最近又开始关注环保和农业
3、盛大的陈天桥，最早引入韩国《传奇》开拓了国内的网游市场，赚第一桶金
4、李开复。1998年，李开复加盟微软公司，并随后创立了微软中国研究院（现微软亚洲研究院）。2005年7月20日加入Google（谷歌）公司，并担任Google（谷歌）全球副总裁兼中国区总裁一职。2009年9月4日，宣布离职并创办创新工场任董事长兼首席执行官。他现在自己的公司还没出名，但之前最牛的软件公司在亚洲他做老大。是IT年轻人的偶。
5、 杨致远 1990年以优异的成绩进入离家不远的斯坦福大学。该校的电机系是硅谷神州的组成部分，他就选修电机工程，只花了四年，他就获得了学士、硕士学位，并结识戴维•费洛，二人于1994年4月创立Yahoo!，因此杨致远被称为“世纪网络第一人”，开启了人类的网络时代。他是中国台湾人
6、谭浩强。这个没什么人听过吧。但所有在国内大学计算机专业学习的教科书10本有8本是他编写的。共编着出版了130本计算机着作，主编了300多本计算机书籍。获全国高校教学成果奖国家级奖、国家科技进步奖、多项部委级优秀教材奖，北京市政府授予“有突出贡献专家”称号，被国家科委、中国科协表彰为“全国优秀科普工作者”。英国剑桥国际传记中心将他列入“世界名人录 ”，2000年被《计算机世界》报组织的“世纪评选”评为我国“20世纪最有影响的10个IT人物”之一 。