NumPy中的陣列和Python內建的陣列有什麼不同呢？
本文將介紹NumPy的陣列和Python的陣列不同之處、以及建立陣列或矩陣的方法以及基本操作。
NumPy的array是NumPy中名為ndarray的Class所定義的，而這個array當然支援多維度陣列，也可以說它是一個支援矩陣(Martix)的類別！然而，Python的array則是標準函式庫內建的類別，叫做array.array。而Python的array能支援單維度(1維)的陣列，而且提供的功能選項也比NumPy來得少！
人工智慧相關的新興職業將會在未來五到十年內爆炸式增加，尤其一個更是未來不可或缺的職業——“AI訓練師”。(正面迎擊人機合作的時代：AI時代3大關鍵人才)
小弟我是不太敢確定AI訓練師這個職業會不會在台灣火熱地成長，不過，很確定的是以全球來說，至少中國、歐美、新加坡絕對是如此！
如此明顯的大趨勢之下，還不來學學這些新東西嗎？
本篇文章之目的為詳列系統環境建置的步驟、相關文章以及相關troubleshooting！
【環境建置】：Ubuntu 17.10 + CUDA Toolkit 9.0 + cuDNN + Anaconda 3 + Python 3.5 + Tensorflow
【相關文章】：Python基礎教學
因為身邊剛好有個機會要建立一個環境，這個環境會是一台伺服器，上面運行Ubuntu，所有其他人可以用瀏覽器連上這台伺服器的jupyter並且使用Python和Tensorflow來完成顯卡運算需求。
本文的內容是基於已完成下列條件的教學：
(1).Nvidia 顯卡驅動
(2).Nvidia CUDA Toolkit
(3).Nvidia cuDNN
如果要弄一台Ubuntu來做為GPU運算的伺服器或是要把這台Ubuntu拿來玩Minecraft，都是必須要把顯卡驅動程式灌好來！本文將會專注在NVIDIA的顯卡驅動安裝方法(相信現在ATI/AMD的顯卡驅動應該已經不像以前這麼難弄)。
總之，把伺服器的必要之驅動程式搞定也算是最基本的工作吧～
Read more
欲使用Google Tensorflow-GPU來體驗顯示晶片運算加速深度學習、機器學習的速度，就必須要安裝NVIDIA CUDA Toolkit和cuDNN Library。本文會在Ubuntu 17.10且已安裝正確顯卡驅動程式的環境中安裝cuDNN Library！
Read more
近年來很火紅的新IT趨勢——深度學習。專為深度學習設計的開發套件也是百花齊放，
其中最有名的莫過於Google開發的Tensorflow，然而Tensorflow除了CPU版之外，同時也開發了一個以NVIDIA CUDA作為底層框架的GPU版。
既然如此，若欲使用運算速度比CPU快上百倍的GPU替你的深度學習專案進行運算，就要必須安裝NVIDIA CUDA Toolkit在執行Tensorflow-GPU的電腦上！
『Toolkit: Installation Failed. Using unsupported Compiler.』
這是Ubuntu 17.10正在安裝CUDA Toolkit 9.0的時候跳出來的錯誤訊息…而且幾乎是回答完所有問題的瞬間！
但幾乎可以確定在Ubuntu 16.04 LTS上安裝CUDA Toolkit 9.0是不會遇到這個問題。
原因就是Ubuntu 16.04 LTS的gcc, g++皆6.x版，剛好就是CUDA Toolkit 9.0編譯時所使用的那個版本，所以不會跳出這個錯誤唷！
在Mac上使用Git連接GitHub, Bitbucket的流程基本上是有八成像！
本篇將會介紹使用自定義的key來連接。
畢竟有可能需要使用多組key連去不同的Repository，或是需要將連接GitHub和Bitbucket的SSH key分開！
但如果想知道git基本指令的話，可以參考這兩篇：Git 讀書會、連猴子都能懂的Git入門指南
現在各大瀏覽器都會要求網站本身具有SSL憑證，只要是非 https 網站皆會顯示不安全！還好有佛心公司 Let’s encrypt 提供免費SSL憑證申請！然而，本文要介紹如何用 Certbot 自動更新憑證，包含排程等繁瑣的設定一次搞定。
Read more
近年來Javascript居然越來越嚴謹，基於Javascript之上的應用如雨後春筍般出現！
先是node.js再來是Vue.js，接下來還是很有淺力的樣子？連以前從來不碰Javascript的教授都開始學node.js！
為什麼要用Vue.js？因為想要用Vue.js接其他套件將動態網頁轉成靜態～
總之，來試試看吧！
都架好Apache Server，卻還是使用預設值運行的話，那還真是可惜！其實小弟我是無意間發現 worker 運行 wordpress 的效能還不錯，所以才開始研究這個 apache mpm。
ps. 其實網路頻寬夠大、優先權夠高的話，使用Apache Worker MPM，只需少少4GB記憶體就能跑出驚人效能！
(本篇以 CentOS 7(Apache 2.4) 和 CentOS 6.8(Apache 2.2) 為例，但是修改方法適用於所有Linux上的Apache！)
哪裡有免費的Python + Tensorflow-GPU 開發環境？
答案是Google Drive就有了！而且還免費！他叫做：Google Colaboratory
這個功能實在是讓所有Python的教學者提供了一大福音！
因為，不需要浪費時間在環境建置上，可以讓學生馬上進入狀況！
至於環境建置的部分可以讓遇到問題的學生在課餘時找解答就好！如果想要建置私有的Tensorflow開發環境，可以參考這篇：使用 Ubuntu 作為 深度學習/機器學習/人工智慧之 平台
