Hoshino's Blog

心理学本科在读。对各种事物都怀有兴趣,虽然有大小之分。语言学爱好者。正在学习日语、拉丁语。偶尔有些灵感。

0%

这篇论文是政治社会学的期末作业,拖了很久才在几天之内赶出来的,所以难免有些敷衍,不过也未尝没有一两句中肯的分析,就当看个乐呵也行。这两天看到THU的某事,才又想起知乎治校这个概念。

阅读全文 »

发现LaTeX公式支持也不难,就随手弄了一下。

1
2
npm uninstall hexo-renderer-marked --save
npm install hexo-renderer-kramed --save

修改node_modules\kramed\lib\rules\inline.js

1
2
// em: /^\b_((?:__|[\s\S])+?)_\b|^\*((?:\*\*|[\s\S])+?)\*(?!\*)/,
em: /^\*((?:\*\*|[\s\S])+?)\*(?!\*)/,

最后是在主题目录下的_config.yml里启用mathjax。

参考:https://suixinblog.cn/2018/10/hexo-latex.html

然后就可以愉快地打公式了。

前言

最近想到应该大致了解科学哲学的讨论内容,至少得到系统一些的认识,找到了风评还不错的爱思唯尔科学哲学手册,原名Handbook of the Philosophy of Science,全书按学科分出了诸多册,每一册都是大部头,我水平和精力又实在有限,所以先挑出General的部分看一看,以期留个印象,有时间再看心理学分册和其他分册。

在某群水群学术讨论的时候聊起科哲,发现大家或多或少有些了解,但也不深入。也有人指出,科哲对于实际研究帮助不大。这是可以理解的。在当前的科学实践中,光是追随范式独自完成一项实证研究都已非寻常事,比起傍晚的沉思,还是技术来得实在。但我也相信,如果真想搞出点大新闻,终归要更高瞻远瞩一些,而不是只有眼前的细枝末节。抽些时间对科学哲学做一些严肃的思考,还是“有用的”。而且“没用”又如何?有用本身就是一种价值上的预设。

对心理学来说,我认为科哲的意义更是不言而喻。上完一学期的心理学史,我姑且算是明白了前人的目标,这自然是收获;但麻烦的是,对这门学科在当代发展的目标又感到困惑了,当然这种困惑也算是一种收获。尽管对现状维持最低程度的认可很必要,但认知失衡还是迫使我寻求更好的答案。

笔记可能以提纲式的条目为主,必要时附上一些思考。

阅读全文 »

之前在Python的GUI编写上有过一些简单的尝试,后来想到结合FastAPI的后端,自己再写一个前端熟悉一下HTML5/CSS/JS三件套,又听说Electron是Web套皮做GUI的不错的选择,所以也做了一些尝试,但是遇到了不少的坑。老实说,有些地方的文档实在是写了和没写差不多……

下面在假定已经完成了Electron的安装,写好了Web页面的基础上,介绍一些经验。

阅读全文 »

从官网下载golang的安装包完成安装,并且在vscode里也装好拓展之后还不能正常调试和运行,提示需要补充安装一系列的插件。这时问题来了,无论重试多少次,抑或是在命令行窗口里手动输安装的命令go get xxx,都无一例外地提示错误……

网上相关教程很多,基本上是要手动到github或者golang官网把插件下载回来,再放好路径配置安装,然而vscode提示有17个插件要装,要是全部手动完成就太难受了……

认真检查报错信息之后发现,虽然这些插件大多来源于github上的代码仓库,照理说都是可以正常访问的,然而golang在获取插件的时候,默认是从某个带有proxy字样的域名获取,而不幸的是这个域名指向的IP不能访问,于是我想到或许可以换源解决这个问题,搜索到国内的镜像源和相关配置:

1
2
go env -w GO111MODULE=on
go env -w GOPROXY=https://goproxy.io,direct

完成配置重启vscode再尝试安装的时候,所有安装都毫无意外地成功了。解决。

不过GO111MODULE这个参数貌似会带来一点问题,导致package main也会报错,当前还不明白其中的机制,所以再把参数改回来:

1
go env -w GO111MODULE=auto

Git适合基于纯文本类文件的多人协作,但是对于一般的文件同步需求来说显得过于复杂,所以最近尝试在自己的CentOS云主机上安装了一个类似于私有云盘的Nextcloud,这里记录一下安装过程。

由于中途参考了大量博客和论坛的解决方案,这里就不一一声明和记录了。

阅读全文 »

使用Numpy的时候经常涉及大量数据的反复使用,需要存储。我没有专门查文档,直接通过Tab自动补全找到了save和load,基本用法也很简单。

numpy.save

对于基本使用来说,numpy.save只需要处理两个参数:文件名、变量,如:

1
2
3
4
import numpy

data = numpy.zeros([5, 5])
numpy.save('data', arr = data)

虽然参数写的是'data',但是实际上会保存成data.npy

此外还有numpy.savez,推测是使用gzip压缩。

numpy.load

numpy.load的基本用法也比较简单,不过比numpy.save稍微多一点坑。

1
2
import numpy
data = numpy.load('data.npy')

注意,numpy.save会自动加上.npy的扩展名,但是numpy.load要写上完整文件名。对于用纯numpy的数据结构保存的文件,用上述语句就足够了。但是如果使用了listdict这样的数据结构,就要多加一点内容:

1
data = numpy.load('data.npy', allow_pickle = True).item()

通过这一语句,就可以顺利提取非numpy数据结构保存的内容。