4月25日，PyTorch团队正式发布了0.4.0的release版本。这是在与caffe2合并后的首个稳定版本。其中核心的变化有：

• Tensor/Variable合并
• 零维张量（标量）
• volatile标志的弃用
• dtypes,devices和Numpy型Tensor的创建函数
• 写设备无关的代码

下面对其中的升级注意的问题进行说明。

原文参考：PyTorch 0.4.0 Migration Guide

Tensorboard ImportError: cannot import name ‘ReparseException’

环境：

• python 3.5.4
• Tensorflow==1.4.1
• html5lib==1.0.1

错误信息：

1

ImportError: cannot import name 'ReparseException'

在numpy中一行实现的代码，始终不知道如何在tf中快速实现= =

问题

对于一个任意维度张量a，使其值在0到1之间的值量化到0.5。

前一段时间早上看微博，发现几个博主都在说学校微博协会的事情。作为原来的运营部部长（虽然一年之后没有去竞选会长副会长这些职务就退休了），我一直都很关注协会的发展。看了一下协会发了一个声明，主要就是因为争议言论，把#成电树洞#栏目给关闭了。

大概python绕不开这个小小的问题。。很简单不过还是记录一下吧。

问题

1
2

my_list = [ ... ]
new_list = my_list

这样的操作并不会获得一个my_list的副本，而是会让new_list也“指向”my_list，共享内容。

1
2
3
4

my_list = [ 1 ,2 ,3 ]
new_list = my_list 
new_list[0] = 0
print(new_list, my_list)

网上很少有Deepcompress的实现源码，前一段时间使用TensorFlow实现了一下，还是有些问题值得注意。

TensorFlow的局限性

TensorFlow支持的是一种静态图，当模型的参数确定之后，便无法继续修改。这对于逐阶段、分层的训练带来了一定的困难。

时间上相隔一年，空间上相距两千公里，每年此时，似乎都应该总结一番。在前一天，脑海中就蹦出了这样的一句话：愿善良能被温柔以待。