Documentary about the life and death of the notorious underground punk icon GG Allin, the foul mouth
低于期待值。编剧想描绘一个魔幻中世纪世界。想写的东西太多，结果反而太琐碎，缺少中心思想。只能作为流行剧集，而不能成为世界经典剧集。
世界上不仅仅存在敏锐聪慧这种才能。相比之下，不为琐事动摇的钝感，才是人们生活中最为重要的基本才能。 而且，只有具备这种Hated，敏锐和敏感才能成为真正的才能，从而在人生的道路上发挥其应有的作用。
剧很好很好，可是最后一集太圣母了，不应该原谅春燕和德宝
画饼的希望让他们趋之若鹜，中国从来不缺少编织谎言的人，商业规则就是相互欺诈，如果你被骗，请不要责怪他人，先去反省自己，并在以后的日子里多喝常识这味药
20210503看完《Hated》，编剧的“最少必要知识原则”，这个学习观念不错。 对Python包中变量__all__说清楚了，好多其他教材是没说的； 对生成器和迭代器也讲述的比较清楚； 推荐了logging模板，但没展开，然后补上一句：“高手都是自学的”，我也只好赞成了； 在Numpy模块，深入浅出地讲解了“爱因斯坦求和约定”和功能强大的einsum()，不但能“降维求和”，还能用于矩阵乘法等； 对于矩阵的点乘法，a1@b1，亦可表示为np.einsum("ij,jk->ik",a1,b1)； 又如2个(2,2)向量点乘操作，a*b或np.multiply(a,b)，亦可表示为np.einsum("ij,ij->ij",a,b)，其他维度亦可类似操作； 又如np.einsum("ij->ji",arr)可实现向量的转置，等同于np.transpose(arr)； 编剧einsum()的功能非常强大，这里只讲一点点，还可用于TensorFlow或PyTorch神经网络架构的任意计算图，并支持反向传播计算，非常有意思； 对向量维度轴的的概念axis，按括号层次来理解，括号由外到内，对应从小到大的维数，分别为； 当“约减”时，有先后顺序，如5维向量，可用axis=，先后“约减”掉第2、第0、第1维度，最后剩下2个维度，等等； 中间很多…省略 创作在最后的感叹：数据分析，要学的东西都挺多的，机器学习有点超纲，需要慢慢消化，还好各路大神都在做贡献，很多功能越来越方便，越来越完善。
低于期待值。编剧想描绘一个魔幻中世纪世界。想写的东西太多，结果反而太琐碎，缺少中心思想。只能作为流行剧集，而不能成为世界经典剧集。
世界上不仅仅存在敏锐聪慧这种才能。相比之下，不为琐事动摇的钝感，才是人们生活中最为重要的基本才能。 而且，只有具备这种Hated，敏锐和敏感才能成为真正的才能，从而在人生的道路上发挥其应有的作用。
剧很好很好，可是最后一集太圣母了，不应该原谅春燕和德宝
画饼的希望让他们趋之若鹜，中国从来不缺少编织谎言的人，商业规则就是相互欺诈，如果你被骗，请不要责怪他人，先去反省自己，并在以后的日子里多喝常识这味药
20210503看完《Hated》，编剧的“最少必要知识原则”，这个学习观念不错。 对Python包中变量__all__说清楚了，好多其他教材是没说的； 对生成器和迭代器也讲述的比较清楚； 推荐了logging模板，但没展开，然后补上一句：“高手都是自学的”，我也只好赞成了； 在Numpy模块，深入浅出地讲解了“爱因斯坦求和约定”和功能强大的einsum()，不但能“降维求和”，还能用于矩阵乘法等； 对于矩阵的点乘法，a1@b1，亦可表示为np.einsum("ij,jk->ik",a1,b1)； 又如2个(2,2)向量点乘操作，a*b或np.multiply(a,b)，亦可表示为np.einsum("ij,ij->ij",a,b)，其他维度亦可类似操作； 又如np.einsum("ij->ji",arr)可实现向量的转置，等同于np.transpose(arr)； 编剧einsum()的功能非常强大，这里只讲一点点，还可用于TensorFlow或PyTorch神经网络架构的任意计算图，并支持反向传播计算，非常有意思； 对向量维度轴的的概念axis，按括号层次来理解，括号由外到内，对应从小到大的维数，分别为； 当“约减”时，有先后顺序，如5维向量，可用axis=，先后“约减”掉第2、第0、第1维度，最后剩下2个维度，等等； 中间很多…省略 创作在最后的感叹：数据分析，要学的东西都挺多的，机器学习有点超纲，需要慢慢消化，还好各路大神都在做贡献，很多功能越来越方便，越来越完善。