z*y
2 楼
想接我妈过来，请问机票是买一年往返还是半年？谢谢。
z*g
3 楼
都是些啥破玩意儿啊。。
n*w
4 楼
准备玩玩ml这几个该选哪个？
C*e
5 楼
想问问看版上做DNA binding protein的同学
有没有简单的方法，不做放射性同位素标记的，Mobility Shift Assay啊？
现在我们手头有一个细菌蛋白
是属于某个细菌细胞器的
该细胞器和DNA无关
但这个蛋白的具体功能未知
只是有不寻常的high pI (>11)
在纯化该蛋白的时候发现UV reading近乎DNA
事实也证明跑胶以后目标蛋白很少
UV reading一多半来自于DNA
过SEC之后能把蛋白和DNA分开
有没有办法做个简单的测试
验证该蛋白能结合DNA？
哪怕是非特异性的
有没有简单的方法，不做放射性同位素标记的，Mobility Shift Assay啊？
现在我们手头有一个细菌蛋白
是属于某个细菌细胞器的
该细胞器和DNA无关
但这个蛋白的具体功能未知
只是有不寻常的high pI (>11)
在纯化该蛋白的时候发现UV reading近乎DNA
事实也证明跑胶以后目标蛋白很少
UV reading一多半来自于DNA
过SEC之后能把蛋白和DNA分开
有没有办法做个简单的测试
验证该蛋白能结合DNA？
哪怕是非特异性的
z*3
6 楼
你收了他的税之后呢？你是打算把税交给税务局还是自己眯了？
i*c
7 楼
半年,一年的入关时可能会被刁难
c*x
8 楼
没办法。
w*g
9 楼
theano和tensorflow都行。theano上手快点。
不过这两个都是deep learning。更一般的ML应该从
scikit-learn入手。
spark是做大数据的，不是典型ML，今年已经过气了。
微软的那个软件我没用过，在deep learning界没有
气候。倒是Torch7有一批用趸。
【在 n*w 的大作中提到】
: 准备玩玩ml这几个该选哪个？
不过这两个都是deep learning。更一般的ML应该从
scikit-learn入手。
spark是做大数据的，不是典型ML，今年已经过气了。
微软的那个软件我没用过，在deep learning界没有
气候。倒是Torch7有一批用趸。
【在 n*w 的大作中提到】
: 准备玩玩ml这几个该选哪个？
t*6
10 楼
random binding selection
f*w
11 楼
ebay有tax吗？
s*1
12 楼
觉得不错啊，昨天的那个hockey就很好。以前还下了Plants & Zombies
【在 z****g 的大作中提到】
: 都是些啥破玩意儿啊。。
【在 z****g 的大作中提到】
: 都是些啥破玩意儿啊。。
w*z
13 楼
spark 过气了？哪个是替代品？
【在 w***g 的大作中提到】
: theano和tensorflow都行。theano上手快点。
: 不过这两个都是deep learning。更一般的ML应该从
: scikit-learn入手。
: spark是做大数据的，不是典型ML，今年已经过气了。
: 微软的那个软件我没用过，在deep learning界没有
: 气候。倒是Torch7有一批用趸。
【在 w***g 的大作中提到】
: theano和tensorflow都行。theano上手快点。
: 不过这两个都是deep learning。更一般的ML应该从
: scikit-learn入手。
: spark是做大数据的，不是典型ML，今年已经过气了。
: 微软的那个软件我没用过，在deep learning界没有
: 气候。倒是Torch7有一批用趸。
C*e
14 楼
悟性不够
再详细点儿？
不是用简并寡核酸片段建库筛选吧
我不是要做evolution
也不是非要push这个蛋白绑个核酸不可啊
【在 t******6 的大作中提到】
: random binding selection
再详细点儿？
不是用简并寡核酸片段建库筛选吧
我不是要做evolution
也不是非要push这个蛋白绑个核酸不可啊
【在 t******6 的大作中提到】
: random binding selection
s*a
15 楼
报税时候交上去？
【在 z*******3 的大作中提到】
: 你收了他的税之后呢？你是打算把税交给税务局还是自己眯了？
【在 z*******3 的大作中提到】
: 你收了他的税之后呢？你是打算把税交给税务局还是自己眯了？
C*5
16 楼
wdong大牛，新的pytorch可曾试过？
【在 w***g 的大作中提到】
: theano和tensorflow都行。theano上手快点。
: 不过这两个都是deep learning。更一般的ML应该从
: scikit-learn入手。
: spark是做大数据的，不是典型ML，今年已经过气了。
: 微软的那个软件我没用过，在deep learning界没有
: 气候。倒是Torch7有一批用趸。
【在 w***g 的大作中提到】
: theano和tensorflow都行。theano上手快点。
: 不过这两个都是deep learning。更一般的ML应该从
: scikit-learn入手。
: spark是做大数据的，不是典型ML，今年已经过气了。
: 微软的那个软件我没用过，在deep learning界没有
: 气候。倒是Torch7有一批用趸。
H*g
17 楼
Get the sequence of that DNA and then label with biotin
You may try gel shift assay with Chemiluminescent Nucleic Acid Detection Kit
from Pierce.
You may try gel shift assay with Chemiluminescent Nucleic Acid Detection Kit
from Pierce.
s*a
18 楼
不知道呀。。。
【在 f*******w 的大作中提到】
: ebay有tax吗？
【在 f*******w 的大作中提到】
: ebay有tax吗？
w*g
19 楼
big data整个过气了。
【在 w**z 的大作中提到】
: spark 过气了？哪个是替代品？
【在 w**z 的大作中提到】
: spark 过气了？哪个是替代品？
C*e
20 楼
DNA sequence未知
不过准备看看能不能把和蛋白一起纯化下来的DNA进一步分离纯化
然后放到载体里
测序看序列
只能想到这么笨的方法
Kit
【在 H*g 的大作中提到】
: Get the sequence of that DNA and then label with biotin
: You may try gel shift assay with Chemiluminescent Nucleic Acid Detection Kit
: from Pierce.
不过准备看看能不能把和蛋白一起纯化下来的DNA进一步分离纯化
然后放到载体里
测序看序列
只能想到这么笨的方法
Kit
【在 H*g 的大作中提到】
: Get the sequence of that DNA and then label with biotin
: You may try gel shift assay with Chemiluminescent Nucleic Acid Detection Kit
: from Pierce.
x*o
21 楼
理论上应该收，理论上要上缴。
实际上可以收，可以不上缴。
实际上可以收，可以不上缴。
w*g
22 楼
没试过。我用tensorflow。torch本身就是第二阵营， pytorch还能超过torch了？
想少走弯路，上tensorflow肯定没错。用的人多，坑就少。
【在 C*****5 的大作中提到】
: wdong大牛，新的pytorch可曾试过？
想少走弯路，上tensorflow肯定没错。用的人多，坑就少。
【在 C*****5 的大作中提到】
: wdong大牛，新的pytorch可曾试过？
z*6
23 楼
作gel shift assay 吧。。我最近也在研究这个东西。。打算试试下面这个kit。。这
里面有两个dye。。一个结合ＤＮＡ，一个结合蛋白。而且很敏感。。目前是不ｌａｂ
ｅｌ的最敏感的方法了。。
http://products.invitrogen.com/ivgn/product/E33075
里面有两个dye。。一个结合ＤＮＡ，一个结合蛋白。而且很敏感。。目前是不ｌａｂ
ｅｌ的最敏感的方法了。。
http://products.invitrogen.com/ivgn/product/E33075
n*0
24 楼
only if you are allowed and required by law to collect tax in the state.
x*4
25 楼
正解！现在这些项目都是开源的，很少说一样东西只有用某一个项目才能做。相反大家
都是上班混饭吃的，不要浪费时间给别人做tester。一个项目用的人多，bug自然容易
被发现，你有问题也容易在stackoverflow之类的地方找到答案。
上tensor flow就对了。或着更进一步，上keras （tensor flow自己支持的high level
api）。
【在 w***g 的大作中提到】
: 没试过。我用tensorflow。torch本身就是第二阵营， pytorch还能超过torch了？
: 想少走弯路，上tensorflow肯定没错。用的人多，坑就少。
都是上班混饭吃的，不要浪费时间给别人做tester。一个项目用的人多，bug自然容易
被发现，你有问题也容易在stackoverflow之类的地方找到答案。
上tensor flow就对了。或着更进一步，上keras （tensor flow自己支持的high level
api）。
【在 w***g 的大作中提到】
: 没试过。我用tensorflow。torch本身就是第二阵营， pytorch还能超过torch了？
: 想少走弯路，上tensorflow肯定没错。用的人多，坑就少。
x*4
26 楼
big data变成了plumbing。大家都需要，都要知道，但是没有太多新的玩法，DevOps装
好hadoop hdfs，spark之后就大家就不想再花时间了。
【在 w***g 的大作中提到】
: big data整个过气了。
好hadoop hdfs，spark之后就大家就不想再花时间了。
【在 w***g 的大作中提到】
: big data整个过气了。
w*z
27 楼
我觉得大多数公司才开始从 big data 中受益， 还有很多可以搞，当然大多数只是应
用层面的。deep learning 和big data 还是不太一样吧。
【在 x***4 的大作中提到】
: big data变成了plumbing。大家都需要，都要知道，但是没有太多新的玩法，DevOps装
: 好hadoop hdfs，spark之后就大家就不想再花时间了。
用层面的。deep learning 和big data 还是不太一样吧。
【在 x***4 的大作中提到】
: big data变成了plumbing。大家都需要，都要知道，但是没有太多新的玩法，DevOps装
: 好hadoop hdfs，spark之后就大家就不想再花时间了。
x*4
28 楼
也同意。it最前的应该做dl的比较多，而其他也在确实尝试从big data里挖东西，因为
data已经在哪了，不用白不用。但是这种类型的挖东西涉及business logic比较多，
senior mgr往往有自己的想法，从it码农的角度看可能不是太有趣。
【在 w**z 的大作中提到】
: 我觉得大多数公司才开始从 big data 中受益， 还有很多可以搞，当然大多数只是应
: 用层面的。deep learning 和big data 还是不太一样吧。
data已经在哪了，不用白不用。但是这种类型的挖东西涉及business logic比较多，
senior mgr往往有自己的想法，从it码农的角度看可能不是太有趣。
【在 w**z 的大作中提到】
: 我觉得大多数公司才开始从 big data 中受益， 还有很多可以搞，当然大多数只是应
: 用层面的。deep learning 和big data 还是不太一样吧。
s*l
29 楼
caffe+tensorflow
学术界caffe用的人还是挺多的，比较好的结果，都是在caffe里加layer搞成的，他的
源代码也好读。
tensorflow进步非常快，上一波google没开源，后来hadoop火起来狗家也没吃到啥，所
以这次吸取教训大力推tensorflow 1.0，资源很丰富，周围玩的人也多，值得搞一下。
另外玩deep learning的话务必上ubuntu，mac/centos/windows都有诸般不爽。
【在 n*w 的大作中提到】
: 准备玩玩ml这几个该选哪个？
学术界caffe用的人还是挺多的，比较好的结果，都是在caffe里加layer搞成的，他的
源代码也好读。
tensorflow进步非常快，上一波google没开源，后来hadoop火起来狗家也没吃到啥，所
以这次吸取教训大力推tensorflow 1.0，资源很丰富，周围玩的人也多，值得搞一下。
另外玩deep learning的话务必上ubuntu，mac/centos/windows都有诸般不爽。
【在 n*w 的大作中提到】
: 准备玩玩ml这几个该选哪个？
k*f
30 楼
玩dl，还是在Google cloud platform上面玩比较爽的，存储和计算都解决，可以很多
gpu一起跑tf程序。
【在 s**********l 的大作中提到】
: caffe+tensorflow
: 学术界caffe用的人还是挺多的，比较好的结果，都是在caffe里加layer搞成的，他的
: 源代码也好读。
: tensorflow进步非常快，上一波google没开源，后来hadoop火起来狗家也没吃到啥，所
: 以这次吸取教训大力推tensorflow 1.0，资源很丰富，周围玩的人也多，值得搞一下。
: 另外玩deep learning的话务必上ubuntu，mac/centos/windows都有诸般不爽。
gpu一起跑tf程序。
【在 s**********l 的大作中提到】
: caffe+tensorflow
: 学术界caffe用的人还是挺多的，比较好的结果，都是在caffe里加layer搞成的，他的
: 源代码也好读。
: tensorflow进步非常快，上一波google没开源，后来hadoop火起来狗家也没吃到啥，所
: 以这次吸取教训大力推tensorflow 1.0，资源很丰富，周围玩的人也多，值得搞一下。
: 另外玩deep learning的话务必上ubuntu，mac/centos/windows都有诸般不爽。
s*k
31 楼
Amazon家的AWS不是支持mxnet了吗？很多国人大牛领头搞得
【在 k****f 的大作中提到】
: 玩dl，还是在Google cloud platform上面玩比较爽的，存储和计算都解决，可以很多
: gpu一起跑tf程序。
【在 k****f 的大作中提到】
: 玩dl，还是在Google cloud platform上面玩比较爽的，存储和计算都解决，可以很多
: gpu一起跑tf程序。
k*f
32 楼
mxnet是厉害，就是用户群不够大。
【在 s********k 的大作中提到】
: Amazon家的AWS不是支持mxnet了吗？很多国人大牛领头搞得
【在 s********k 的大作中提到】
: Amazon家的AWS不是支持mxnet了吗？很多国人大牛领头搞得
x*u
33 楼
AWS支持CUDA应该什么架构都支持，这个钦定指的是官方image里面有吧
【在 s********k 的大作中提到】
: Amazon家的AWS不是支持mxnet了吗？很多国人大牛领头搞得
【在 s********k 的大作中提到】
: Amazon家的AWS不是支持mxnet了吗？很多国人大牛领头搞得
s*e
34 楼
大牛,前阵子我才听你说mxnet的C++ API好用.
为什么又转tensorflow了? 主要是"用的人多，坑就少
" 么?
【在 w***g 的大作中提到】
: 没试过。我用tensorflow。torch本身就是第二阵营， pytorch还能超过torch了？
: 想少走弯路，上tensorflow肯定没错。用的人多，坑就少。
为什么又转tensorflow了? 主要是"用的人多，坑就少
" 么?
【在 w***g 的大作中提到】
: 没试过。我用tensorflow。torch本身就是第二阵营， pytorch还能超过torch了？
: 想少走弯路，上tensorflow肯定没错。用的人多，坑就少。
w*g
35 楼
这些框架大同小异。之前我在整合所有框架的API，
对比发现mxnet的C++ API最干净。后来我连torch
也整合了，发现lua的API比python的也要干净。
我现在自己开发主要用tensorflow。原因就是用的
人多，开发的人也多，众人拾柴火焰高。我没研究
过TF和mxnet细节上的不同，有人说mxnet的设计更
好。不过我觉得这些框架都大同小异没有本质区别。
从API看，TF要比别人丰富。应该也根人多有关系。
【在 s*****e 的大作中提到】
: 大牛,前阵子我才听你说mxnet的C++ API好用.
: 为什么又转tensorflow了? 主要是"用的人多，坑就少
: " 么?
对比发现mxnet的C++ API最干净。后来我连torch
也整合了，发现lua的API比python的也要干净。
我现在自己开发主要用tensorflow。原因就是用的
人多，开发的人也多，众人拾柴火焰高。我没研究
过TF和mxnet细节上的不同，有人说mxnet的设计更
好。不过我觉得这些框架都大同小异没有本质区别。
从API看，TF要比别人丰富。应该也根人多有关系。
【在 s*****e 的大作中提到】
: 大牛,前阵子我才听你说mxnet的C++ API好用.
: 为什么又转tensorflow了? 主要是"用的人多，坑就少
: " 么?
k*u
36 楼
copy的mxnet作者的blog：
对于一个优秀的深度学习系统，或者更广来说优秀的科学计算系统，最重要的是编程接
口的设计。他们都采用将一个领域特定语言(domain specific language)嵌入到一个主
语言中。例如numpy将矩阵运算嵌入到python中。这类嵌入一般分为两种，其中一种嵌
入的较浅，其中每个语句都按原来的意思执行，且通常采用命令式编程(imperative
programming)，其中numpy和Torch就是属于这种。而另一种则用一种深的嵌入方式，提
供一整套针对具体应用的迷你语言。这一种通常使用声明式语言(declarative
programing)，既用户只需要声明要做什么，而具体执行则由系统完成。这类系统包括
Caffe，theano和刚公布的TensorFlow。
目前现有的系统大部分都采用上两种编程模式的一种。与它们不同的是，MXNet尝试将
两种模式无缝的结合起来。在命令式编程上MXNet提供张量运算，而声明式编程中MXNet
支持符号表达式。用户可以自由的混合它们来快速实现自己的想法。例如我们可以用声
明式编程来描述神经网络，并利用系统提供的自动求导来训练模型。另一方便，模型的
迭代训练和更新模型法则中可能涉及大量的控制逻辑，因此我们可以用命令式编程来实
现。同时我们用它来进行方便地调式和与主语言交互数据。
下表我们比较MXNet和其他流行的深度学习系统
主语言 从语言 硬件 分布式 命令式 声明式
Caffe C++ Python/Matlab CPU/GPU x x v
Torch Lua - CPU/GPU/FPGA x v x
Theano Python - CPU/GPU x v x
TensorFlow C++ Python CPU/GPU/Mobile v x v
MXNet1 C++ Python/R/Julia/Go CPU/GPU/Mobile v v v
对于一个优秀的深度学习系统，或者更广来说优秀的科学计算系统，最重要的是编程接
口的设计。他们都采用将一个领域特定语言(domain specific language)嵌入到一个主
语言中。例如numpy将矩阵运算嵌入到python中。这类嵌入一般分为两种，其中一种嵌
入的较浅，其中每个语句都按原来的意思执行，且通常采用命令式编程(imperative
programming)，其中numpy和Torch就是属于这种。而另一种则用一种深的嵌入方式，提
供一整套针对具体应用的迷你语言。这一种通常使用声明式语言(declarative
programing)，既用户只需要声明要做什么，而具体执行则由系统完成。这类系统包括
Caffe，theano和刚公布的TensorFlow。
目前现有的系统大部分都采用上两种编程模式的一种。与它们不同的是，MXNet尝试将
两种模式无缝的结合起来。在命令式编程上MXNet提供张量运算，而声明式编程中MXNet
支持符号表达式。用户可以自由的混合它们来快速实现自己的想法。例如我们可以用声
明式编程来描述神经网络，并利用系统提供的自动求导来训练模型。另一方便，模型的
迭代训练和更新模型法则中可能涉及大量的控制逻辑，因此我们可以用命令式编程来实
现。同时我们用它来进行方便地调式和与主语言交互数据。
下表我们比较MXNet和其他流行的深度学习系统
主语言 从语言 硬件 分布式 命令式 声明式
Caffe C++ Python/Matlab CPU/GPU x x v
Torch Lua - CPU/GPU/FPGA x v x
Theano Python - CPU/GPU x v x
TensorFlow C++ Python CPU/GPU/Mobile v x v
MXNet1 C++ Python/R/Julia/Go CPU/GPU/Mobile v v v
w*g
37 楼
还有tensorflow是最有可能实现对mobile GPU支持的一个。
【在 w***g 的大作中提到】
: 这些框架大同小异。之前我在整合所有框架的API，
: 对比发现mxnet的C++ API最干净。后来我连torch
: 也整合了，发现lua的API比python的也要干净。
: 我现在自己开发主要用tensorflow。原因就是用的
: 人多，开发的人也多，众人拾柴火焰高。我没研究
: 过TF和mxnet细节上的不同，有人说mxnet的设计更
: 好。不过我觉得这些框架都大同小异没有本质区别。
: 从API看，TF要比别人丰富。应该也根人多有关系。
【在 w***g 的大作中提到】
: 这些框架大同小异。之前我在整合所有框架的API，
: 对比发现mxnet的C++ API最干净。后来我连torch
: 也整合了，发现lua的API比python的也要干净。
: 我现在自己开发主要用tensorflow。原因就是用的
: 人多，开发的人也多，众人拾柴火焰高。我没研究
: 过TF和mxnet细节上的不同，有人说mxnet的设计更
: 好。不过我觉得这些框架都大同小异没有本质区别。
: 从API看，TF要比别人丰富。应该也根人多有关系。
相关阅读
预测今年的诺贝尔奖Paper Help Please审稿兼高级学术编辑招聘：期刊2-5分中医：无需量子亦“纠缠”有没有打算转咨询的美专家31篇论文造假被撤，全球心脏病治疗领域严重倒退 (转载)中美如果停止学术交流有啥细胞系是东亚人种来源的吗？生物科研的最终目的就是给富人续命Help on download 2 paperspaper help求一篇paperpaper help变态PI需要揭露吗？大家来投票俞从容(Ron Yu, Stowers)应该是最变态的PI了不少诺奖工作都是发在1、2分的杂志上求审稿机会！！生物信息，农业，植物大家有没有觉得最近mitbbs的网络连接速度很慢？科研都是为了政治服务的，其实都是为了资本家治病paper ask please