个人博客用Hexo+Next已经很方便了，但是仍然存在不足，就是我有好几个常用的工作PC，所以需要在每个PC上安装一套node.js/pandoc等依赖，实在是有些麻烦。所以我希望像github pages+jekyll一样，只用上传markdown就能自动构建出网站。这样我的repo中也可以很干净，只需要写markdown文本就行了，本地不需要安装任何依赖。

方案选择

我首先只在Markdown+静态网站的范围内考虑，原因有以下几点：

• 使用现有的Blog网站服务相当于把数据都放在了别人的网站上，如果想要迁移就会非常麻烦，远不如数据在自己手上放心。

• 如果自己建动态网站，就要找服务器，但是常常维护着一个服务器也是很麻烦的，特别是如果想用中国大陆的服务器就需要备案。

• Markdown写起来简单，备份、迁移比较容易，数据都在文件里，不用牵扯到数据库。

Noise2Noise

Lehtinen, Jaakko, et al. "Noise2Noise: Learning Image Restoration without Clean Data." International Conference on Machine Learning. 2018.

传统的模型是优化 \[ {\arg\min}_\theta \sum_{i}{L(f_\theta\left(\hat{x_i}\right),y_i)} \]

看见汤老师微博上的一个问题，感觉很有趣，查了一下相关资料，总结如下。

我们知道，找到图像的稀疏表示可以在图像去噪、重建等方面有重大作用。常用的方法是字典学习，其中最广为人知的就是K-SVD方法。 但是，K-SVD方法的缺点主要在于其计算量大。DDTF的优点就在于计算量较小。DDTF模型来自Data-driven tight frame construction and image denoising

最近的编程中发现MATLAB中有的卷积速度比我想象的要慢得多（特别是GPU加速后依然很慢），就测试了一下使用不同函数实现卷积的速度。

读完flownet的文章，准备跑一下他的代码，发现有nvidia出品的代码，肯定效率最高啦，所以就git clone下来准备跑，但是遇到了好多坑。

我学习一门语言时，一般会先查着文档写上个简单的程序，找一找这门语言的感觉，然后再读它的文档。Julia既然是为科学计算设计的，我们就先用它来实现一个简单的迎风格式吧。

很早之前就看见各种安利Julia的文章了，恰好Julia 1.0已经发布了，这门快速发展的语言应该已经具有了一定的稳定性，所以今天终于上手试了一试。

VNC

最早接触的远程桌面软件，用于连接实验室的linux服务器，比起X11转发，支持同时更多的窗口。配置起来比较麻烦，不能即装即用。原生的VNC安全性较差，可以使用SSH转发提高安全性。

VNC的方式是首先在远程运行VNC的server，并指定端口；随后在客户端连接端口，即可登录远程桌面，远程桌面的桌面程序可以任意设置，不一定与系统默认桌面一样（KDE/GNOME/Xfce）。