以太坊创始人看好的 RAI 到底独特在哪？RAI 为何能成为加密货币世界的美元？

❓ 什么是 RAI

RAI 不像 USDT，DAI 之类的传统稳定币，RAI 标榜自己为稳定资产，不是稳定币。虽然大家的名字中都有稳定二字，但是大家的设计理念完全不同。传统稳定币最重要的是和美元锚定，绝对稳定的价格。RAI 称他们为 Pegged Coin。相比和美元锚定，RAI 并不直接和什么资产挂钩。RAI 的稳定指的是减少抵押资产的波动性。RAI 的稳定由 RAI 的市场价格靠近动态调整的赎回价格所保证。

RAI 在官网把自己比作稳定的资产，就跟美元在传统金融的地位一样。从前美元和黄金挂钩，现在美元不和任何东西挂钩，但它依然是为稳定资产。

⚙️ RAI的货币机制

RAI 在某些地方和 DAI 很像，官方也声明他们参考了 DAI 的设计。如果对稳定币不熟悉的可以看这篇介绍。铸造 RAI 需要抵押 ETH。RAI 通过这样几个手段影响 RAI 的价格

• 赎回价格（Redemption Price）可以理解为 RAI 的目标价格
• 赎回率（Redemption rate）：激励或阻止用户销毁 RAI。赎回率控制着赎回价格 1 s 内的变化
• 铸造价格（Borrowing Power）：1 ETH 可以铸造多少 RAI
• RAI 业界首创的使用 PID 来控制赎回率来缩小赎回价格和市场价格差距。PID 是一种易于实现的算法，使用过去和预测未来的信息来减少现在的值和目标值之间误差。PID 控制器的简介可以看 MATLAB 的视频。

PID 的引入也减少了社区治理的需求。RAI 完全可以独立的运行。

⚠️ 当然 PID 也不是万能的，在以下情况会需要管理员的介入：

• 缺少流动性
• 市场操纵
• DAO 推广过度的激励措施
• 单边市场行情

RAI 背后的团队来自 BlockScience。从他们官网的介绍可以感觉到他们的独特之处。他们创新性的将系统工程，运筹学应用在了区块链金融产品。除 RAI 之外，他们还开发了 cadCAD 用于模拟和验证复杂系统的运行。

💬 感想：

看下来感觉 RAI 受到 V 神的推崇不是没有原因的。RAI 在机制上并没有太多的创新之处。它并不像 2020 年底出现的 Basis，DSD 创新的使用了双币或者三币机制。RAI 的创新在于 PID 算法的使用以及它的理念，想要做 DEFI 世界的美金。习惯了稳定币的老玩家或许很难理解这样一个”不稳定“的稳定资产。

美金作为稳定资产，稳定在于它的购买力，而不是货币之间的汇率。然而今天的 DEFI 只有币币交易即汇率，购买力还很模糊。我更喜欢将目前的 RAI 定义为波动较少的ETH。对货币和经济有独特的见解的读者欢迎留言讨论。

Basis 和 DSD 的机制在半年内被市场发现了漏洞，当币价低于锚定价格时，债券（Bond）并不能有效的提升币价。让我们看看半年后，市场将会怎么评价RAI。

📔 相关阅读：

• 白皮书
• RAI 设计简析
• RAI 算法深入
• Reflexer：不同于稳定币的另一原生加密稳定资产 RAI | 项目介绍

❤ 如果你喜欢这篇文章，不妨订阅 un.block。

我们走，2021。

课程

今年一共上了 16 节课。

Side project

今年一共做了 13 个，大概是一个月一个。这其中有些 Project 计划是一起用的。比如 Gallery 和 Daily Picture 。Daily Picture 负责抓取图片，Gallery 负责前端显示，Image Excerpt 负责为十几张图片生成一个统一的颜色预览图。

👛 FRIEND ：这是我目前正在进行的项目。我希望可以探索一下代币化个人价值和社交价值。目前的想法是可以将个人代币的价值与你朋友的代币进行锚定。个人可以更改这个锚定价格。毕竟人都在进步，如果你进步的比你朋友快，你就应该提高代币的锚定价格。

那这些个人代币可以怎么使用，又有什么价值呢？目前我想到的是这些代币可以用于赞助，VIP，付费阅读，付费提问，自定义化的付费服务，等等。代币可以分发给那些支持者，比如在社交媒体上给你点赞，转发你的推文等等。

这是我第一次尝试智能合约开发。踏过了 Solidity，各种开发框架，本地环境搭建，Debug，Test 等等的坑。智能合约开发和 Debug 都比 Web 开发或者 Python 之类的难度高。由于智能合约更新的困难，我也写了很多 Test。Test 代码大概在合约代码的两倍左右。

具体的一些坑可以看我的 Twitter。关于智能合约开发的推荐流程如果大家感兴趣的化可以考虑以后整理一下。

🎰 Variational Inference Solver for CP Decomposition ：这个是我第一次使用 Pytorch，第一次尝试机器学习。感觉倒是不错。Pytorch 非常的简单易用，至少写网络结构的时候是这样的。比较麻烦的是训练，测试和调参的代码。这些代码的行数是网络结构的 4 倍。

这个项目是张量计算的期末项目。虽说是张量积算课，这个项目更需要的是机器学习的技巧。在众多的 Variational Inference Solver 中，我们最后选择了 Variational AutoEncoder 去实现 CP Decompostion 的重建。

这个项目主要的困难之一是对问题的定义。这个题目是教授直接扔给我们的。看到题目的那一瞬间就是迷茫，根本不知道题目里的这些术语是什么意思。在未知的领域逐渐摸索，找到思路。这可能是对大多数人来说最害怕的部分。因为在探索的过程中不知道自己的思路是否正确，离终点到底还有多远。随着截止日期的临近，这种压力会越来越大。

接下来的困难就是技术实现上的难题了。之前提到过我以前从来没有用过机器学习，幸亏 Pytorch 上手容易，我并没有在网络结构上吃太多的亏。主要的问题还是调参。应该用多大的网络，训练数据要多大，batch，learning rate 又分别是多少。我最后采用了 Ray 来进行自动调参。自动调参的想法很简单，就是尝试不同的超参数组合。但自动调参的代码写起来还挺多的，上百行的样子。最后的效果其实也差不多，没有想象中翻天覆地的变化。

💰 Ethereum wallet analysis ：这是在 DEFI 火热的时候写的。用于分析某个钱包地址 DEFI 投资的表现。如果这个钱包表现好的话，我可以选择跟单，也去赚一点钱。

这个项目的主要难点之一是数据清洗。我从 Zerio.io 上获取钱包的交易数据，用 Pandas 进行清洗。第一次使用 Pandas 清洗数据遇到不少难点。比如怎么处理日期，怎么对行和列进行操作等等的基础问题。

后续的分析也遇到不少问题。分析的思路很简单，首先把交易根据交易对进行分类，然后分析每个交易对的盈利情况。进一步分析就把交易对的交易记录详细分成单子。去寻找开仓和平仓的时候，然后分析这一个仓位的盈利情况。但在实际操作中会遇到各种各样的问题。比如用户不平仓，用户的交易对比较复杂，把不同的代币进行呼唤。又比如用户从其他钱包里收到了钱，然后进行交易。这些情况都使分析更加困难。或许用 Time Weighted Rate Of Return 或者 Dollar Weighted Rate Of Return 会更好。

即使找到了好的钱包，真正跟单的时候也很困难。由于 Defi 的高波动率，即使是 1，2 分钟的数据延迟都会对收益造成巨大影响。

关于区块链的新技术，新思想如果大家感兴趣的化可以考虑以后整理一下。

🖼️ Daily picture ：这个项目可以把你在 Pixiv 和 Twitter 上点赞的插画给下载下来。我的出发点是希望把我喜欢的插画下载到本地，方便随时欣赏。毕竟一张图片包含着那么多的信息，绝对不是在手机上一眼扫过去 3 秒内能够欣赏完的（上完艺术史的课才意识到一张画应该如何去体会）。因此我采用了增量更新的方式。如果你是第一次运行脚本，它会下载你最近喜欢的 50 张图片。当你下次运行脚本时，它只会下载你最新喜欢的所有图片。

这个项目的难点只是挑选合适的库。好用的 Pixiv 库还真的不多，大部分都有点缺胳膊少腿的感觉。

✉️ Webpush notification ：这是我今年的第一个项目。它可以帮助基于 Hexo 的博客给读者通过浏览器推送通知。如果你希望你的读者能够第一时间知道你的更新，这个插件非常的实用。

在实际开发的过程中，遇到最大的问题就是 Hexo 文档。Hexo 的文档挺简陋的，关于插件开发在网上也没有太多的资料，大部分时候都得自己动动脑子。 而且制作插件也没有什么配套的开发或者 Debug 工具，得自己用最原始的方式慢慢来。

🚗 Ansible playbook for common VPS setup：在之前折腾新的 VPS 的时候，我采用了 Ansible 来做自动化部署。Ansible 我在以前介绍过，可以很方便的进行自动化运维，强大的 Devop 工具。这个仓库包含了我自己常用的 Ansible 脚本。

☁️ BlenderCloudRender：用 VPS 或者免费的 Goolge Colab 来渲染自己的 3D 作品。那段时间我特别喜欢做一些 3D 的东西。但是 3D 的东西渲染又很慢。所以动手写了这样一个脚本可以把渲染放在云端。由于专业的渲染服务器太贵，我就选择了把渲染交给便宜的 VPS 或者免费的 Google Colab。

这个项目的难点在于和服务器通信。和服务器搭建了 SSH 连接后怎么跟它进行通信，怎么要求它执行脚本，如何获取脚本执行结果。

➕ ShuttleBus：这个项目是优化班车排班，是我运筹学的扩展。由于全程调用 Google 的 OR 库，其实并没太要求运筹学。

项目的难点在于将问题建模，变成一个个 constraint。然后将这些 constratint 按照文档一个个变成代码。有一些比较偏门的 constraint 我找了很久。另一个难点便是数据。由于要求每段路程的驾车时间，如何获取这些时间。如果我们从导航上获取这些时间，可信度又是多少？我们需要基于统计学给出一些解释。

🕸️ Hexo cheatsheet ：这也是今年上半年的一个项目。现在看来这就是个换皮项目。将别人的 cheatsheets 网站样式扒下来放到 Hexo 里去。当初觉得自己需要一个记录 cheatsheet 的网站，但实际做完以后发现不如 Notion 好用。

我的 CSS 一直挺菜的，做这个最挣扎的就是改 CSS 和模板文件。

⚙️ Tool Site：这个网站计划是来展示我的工具的。随着使用的工具越来越多，我觉得有必要记录并且展示这些工具。但最后还是发现不如 Notion 好用。

由于我不擅长写 CSS，我前期使用了可视化的网站开发工具。把样式做好了以后直接导出 React 代码，自己再给它接上数据就行了。实际使用体验还不错，基本避过了我最讨厌的 CSS。缺点之一是导出的 React 代码有点奇怪，用了不少那个开发工具定制化的组件。另一个缺点就是接上数据以后的项目就不能重新倒入了。不太方便迭代。

🖼️ Gallery：这是个半成品，是作为 Daily Picture 的前端。原来的构想是可以有一个网页来欣赏自己喜欢的插画。希望这个网页可以尽可能大的展示插画。但是由于我自己养成不了欣赏以前喜欢的插画的原因，不了了之。

🖼️ ImageExcerpt：Gallery 的配套工具。用于给一个帖子几十张图片生成预览图。思路是我们提取每一张图片的调色盘。接着我们按照图片顺序，将这些调色盘一行行的堆叠起来。这样只看预览图就可以感受到这个帖子里图片的色调和情感。

📔 Hetushu ：这是一个很简单的项目。只是把小说从网站上扒下来。

这个项目的难点是后续去除广告。网站的反爬措施之一就是添加了很多广告在正文。网页浏览时看不见，但你把文字扒下来的时候就会发现这些千奇百怪很难用正则匹配去除的广告。

明年

明年也就是 2021 年已经来了。2021 年应该是比较重要的一年，因为大学要毕业了。这一年的决定将会直接影响未来的 2-3 年。到底是走哪个方向呢？数据科学？应用数学？区块链？

明年希望能够拓展一下知识面。多看一点书，多学学其他的东西。就目前来看，希望 2021 年可以看一些诗词有关的书。古人对于字词的精确运用令人叹为观止。作为一个讲白话文的现代人也只有羡慕的份了。举个例子，大家可以感受一下古人的用词。“小山重叠金明灭，鬓云欲度香腮雪”来自温庭筠写的菩萨蛮。如果让我来概括这句词，大概就是大中午的，女孩子还在睡觉。这画面感，韵味差的实在是太远了。原词中对颜色运用强烈的刺激着读者的感官。明年希望以次为契机，能够提升对字词的运用。

生活在一个法治社会，不学习一点法律怎么行。希望明年通过罗翔的视频了解一下中国的法律，也是了解一下专精于法律的人他们是怎么思考的。

不少人对明年的区块链都抱有期待。期待看到 DEFI 催化的一系列变动。我也是挺希望明年能够以开发者去加入这个生态。现在以太坊的手续费实在是太高了，我一再怀疑是不是只能做一些跟钱有关的应用。只有更多的利益能够战胜更高的手续费。今年区块链的热门项目都跟经济学有着很大变化。一个好的激励措施可以让用户真正自发的参与到项目当中去。经济学或许会应用到未来更多的区块链项目中。要不是学校里经济专业的预备课程打分太低，我都想修经济专业了。

另一个比较重要的是对知识和信息的整理。今年磕磕绊绊开始使用 Notion 了。用 Notion 来记录一些比较好用的工具，整理一些笔记和知识。实际需要用到这些笔记的次数也在不断增加。随着记录越来越多的东西，今后可能会更加频繁的回过头来找些什么。整理信息是明年最重要的，我需要一个存储空间更大的脑子。

类似于信息整理，下半年上网课的时候我发现了 Figma 非常适合用来做笔记。它强大的排版功能让我随心所欲的整理知识点。把重要的定义或者公式截图下来根据章节放到不同的 Frame 里。目前最大的问题在于索引。没办法搜索图片中的文字，或者知识点。另一个问题是图片的尺寸大小不一，字或大或小，不太工整。看看明年怎么改进一下，应该不会太难。大不了写两个插件。这种无限大小的画布用来整理知识点真的很赞。

祝各位读者新的一年要快乐，自由，有意义。

人间一天，币圈一年。这些新项目我们应该去哪里找呢？

Web3 基金会也会定期放出他们资助的项目。 Ethereum 基金会：在它的Blog中可以看到最近受到资助的项目。

风投机构

可以在 Crunchbase 上订阅他们。

Dragonfly Capital 投资了很多区块链项目，团队成员以中国人为主，主管是冯波。在它的投资列表中可以找到很多熟悉的项目。在Dragonfly Capital 的研报中可以看见他们投资的新项目。 https://pic1.zhimg.com/80/v2-a6527926ff86de682628f686bb2d20ec_720w.jpg

#HASHED 是一个来自韩国的风投机构，关注亚洲和美国的区块链项目。他们主要投资区块链平台，金融基础设施和应用。在这可以发现他们的最新动态。

dekrypt capital

Lemniscap。他们的 Blog。

FBG Capital

Astronaut Capital

Placeholder

Picolo Research 聚合了各种区块链项目并且提供调研报告。

Cryptofund提供各种加密货币基金。

Dekrypt Capital 专注于投资区块链基础设施

Coinbase 风投

Ideocolab 风投

Blockchain Capital

Pantera Capital

共识实验室提供基金月报。

确定了这个学期的选课。

这周做了什么

VPS 设置

把 VPS 给设置好了。其中最花时间的是网络的配置，反向代理的配置。这些部分出错了很难找到原因，需要不断的去更改配置找到正确的方法。

我本来以为 VPS 价格翻倍性能也翻倍，其实并不是。$5 的 VPS 是 1G1C。$10 的 VPS 是 2G1C。价格翻倍了，但是 CPU 数量没变。但是从$20 到开始，基本就是价格翻倍，性能翻倍了。

关于具体在 VPS 上安装了那些软件，怎么进行维护可以看 这一篇文章。

这周看了什么

• Array programming with NumPy：这篇文章展示了 Numpy Array Computation 的火爆以及先进。大致感觉就是 Numpy 自己吹自己一波。Numpy 觉得未来的挑战将会是面临更多的用户以及为不同的专业计算平台做适配，比如 FPGA，TPU 等等。
• Nginx-proxy：方便快捷的为运行在 Docker 中的服务做反向代理。
• Huginn: 自动化软件，像 IFTTT。
• 用谁都能看懂的方法解释分布式系统，大概。.：一个听不错的分布式系统专栏。
• 一个书魔程序员的读书简评：同上。
• rsms: 一个设计师的个人网站。颜色的运用很棒。

• 一本书：Designing Data-Intensive Applications， 对应程序员 3 能力中的工具箱深度广度两个概念-1：多范式编程和最小表达力原则 (least expressiveness principle), 对应程序员 3 能力中的程序语言理解深度和表达抽象能力两个概念-2：领域驱动设计 (Domain Driven Design)，对应程序员 3 能力中的方法论，编程大道 (programming in the big)，和构架能力。

歌曲

Oskar Roman Jezior

Oskar Roman Jezior 是一位德国的钢琴家。他弹奏了很多华语流行歌曲，比如《时间煮雨》，《不为谁而作的歌》，《十年》，《说好不哭》。他的弹奏富有感情，轻重缓急的对比非常明显。

这周评价

除了网格交易，上周要做的都做了。 Designing Data-Intensive Applications 目前进度：1/12

下周做什么

• 读一章 Designing Data-Intensive Applications
• 自动抓取 Twitter 上喜爱的图片保存到本地
• 网格交易

从一开始不知道在 VPS 上跑什么服务，到现在 VPS 上跑满服务。

随着容器技术的成熟，部署软件和维护 VPS 不再像以前那么复杂。以前的软件大多是直接跑在 VPS 上，我们要为其设置反向代理，安装 Nginx。在软件安装的时候也很容易出错。现在很多软件都支持用 Docker 安装。稍微修改一下配置文件，我们就可以一键启动容器了。服务相互之间隔离，管理 Docker 可比之前折腾直接装在本机上的软件方便多了。那么我们具体应该怎么管理 VPS，VPS 上又有什么有用的软件可以安装呢？

VPS 管理

首先介绍几个提升 VPS 使用体验的软件。他们分别是 VSCode,Ansible,Htop,Portainer,Nginx-Proxy,Netdata。

Vscode

自从 VSCode 推出了远程 SSH 功能，在 VPS 编辑文件一下子变得方便了起来。编辑文件的同时还有 Terminal，还有文件树。如果安装了 Docker 插件，我们还可以轻松的管理容器。不过需要注意的是在 1G1C 的 VPS 上可能跑不动 VSCode。

Ansible

我曾在第 35 周提到过 Ansible，一个自动运维工具。我们可以将常用的操作写成 Ansible Playbook 以重复使用。比较好的习惯便是执行一个操作遍将其写成 Ansible Playbook，保证它的可重复性。

Ansible playbook 某种意义上与docker-compose.yml 有重叠。例如我们在docker-compose.yml中有两个 service，Nginx 和 Portainer。我们既可以在 Ansible playbook 中直接调用这个docker-compose.yml，也可以将 Nginx 和 Portainer 分别写进 Ansible playbook，不再用到 docker-compose.yml。这么做各有利弊，docker-compose.yml更方便进行分享。写进 Ansible playbook 中则更加灵活，方便后续修改和使用。

目前唯一的缺点是 Ansible 不支持 Windows，我们需要在 WSL 或 Docker 中运行 Ansible。

Htop

一个来查看系统资源的 Linux 命令。可以展示 CPU，RAM，进程占用系统资源的信息。它也支持过滤和搜索，可以展示特定的某些进程的系统资源使用。

Portainer

Portainer 是一个容器管理软件。它有一个 WebUI，让我们可以在 Web 界面管理 VPS 上的容器。以前删除一个容器，我们需要先找到容器的 ID，然后停止它，最后删除它。在 Portainer 上我们可以一键移除容器，并且可以方便的删除现有容器不在使用的 Volume。除了管理容器，Portainer 也可以用来部署容器，给容器分组等等。

Nginx-Proxy

为了可以用域名访问到这些在不同端口的服务，我们需要一个反向代理。反向代理会帮助我们将进入的流量转发到对应的服务中去。

Nginx-Proxy 就是这样一个软件可以帮助我们将流量自动转发到运行在 Docker 中的服务去。这算是配置非常简单的网络服务软件。如果需要额外的 SSL，可以使用配套的 docker-letsencrypt-nginx-proxy-companion。照着教程走就可以完美完成设置。需要注意的是如果你用 Cloudflare 做 DNS，记得关闭 Proxy 模式，用 DNS Only 模式。

Netdata

一开始认识到的资源监控软件是 Grafana。Grafana 的灵活度更高但是做不到开箱即用，而且还需要安装额外数据库。因此最后我使用过的是轻巧的 Netdata。Netdata 可以做到开箱即用并且展示了大量的系统资源数据。由于展示的数据过多，会显得有些杂乱。

我在用的软件

TinyTinyRss

大家都在用的 RSS 服务。其缺点还是很明显的，很多 UI 设计比较过时，软件较为臃肿占用较多的资源。

Huginn

Huginn 是一个自动化软件。用起来有点类似 IFTTT。

如果要使用 Huginn 的邮箱服务，我们需要为其 Docker 添加跟 SFTP 有关的环境变量。具体例子 在这。

Netease music

UnblockNeteaseMusic 用来在海外解锁灰掉的网易云音乐。

开学了！

这周做了什么

塞尔达传说

塞尔达传说被奉为开放游戏世界的标杆。作为一个游戏爱好者当然不能错过这款游戏，即使我没有Switch也不行。Cemu给了我在PC上玩塞尔达的机会。它并不是Switch模拟器，而是任天堂的Wiiu模拟器。还有人为其开发了光追插件，塞尔达 RTX ON！具体的安装教程可以参考上一篇文章。

图片展示网站

完成了UI设计，采用了深色背景，图片更有辨识度。很多图片网站都采用了一个网页尽量展示多的图片，比如pixiv，dribbble，点击图片可以进行放大。这种方式有利于展示大量图片，但是不利于用户仔细的观察这些图片。因此我尽可能放更大的图片，给予用户有沉浸感，和更多的图片细节。

对于文章，我们一般会在主页提供摘要来帮助用户快速了解文章的主要内容。那怎么给图片提供摘要呢？这个项目给了我启发。我们可以将所有图片按照某种顺序融合成一张题图。只看题图，我们可以对这些图片的色调有大致的了解。

DEFI

最近大火的DEFI我也参与了一脚。DEFI是Decentralized Finance的缩写，意思为去中心化交易所。整个交易所由智能合约构成，运行在区块链上。交易所的流动资金由用户提供，提供流动资金的用户会获得奖励，一般为交易手续费加上代币奖励。不同DEFI项目区别在于他们的做市商算法，即如何撮合用户的交易。基本所有算法做市商都存在无常损失，即你放进去多少钱提供流动性，拿出来的时候钱只会变少，不会变多。

怎么看为这些项目提供流动性几乎是稳赚不赔。为相对稳定的交易对提供流动性可以降低无常损失。剩下的只要选择收益高的项目就行了。往往项目初期的时候收益较高。在初期，参与的人较少，有更多的激励。总之会不会暴富这说不好，但是手续费是真的贵。以太坊一次转账就是10刀。流动性挖矿似乎钱越多越划算。

除了自己寻找项目，不少传统交易所都推出了流动性挖矿的项目，利率高的惊人。传统交易所整合用户资金，选择合适的项目，进行更高效的流动性挖矿。

从总锁仓价值来看，Defi的快速增长已经过去，目前总锁仓价值在13B左右浮动，已经不在快速增长，甚至出现小幅下滑。

极简欧洲史

这本书用的语言比较随意，读起来也比较轻松。书中从宗教，日耳曼人，罗马这几条线讨论了欧洲中世纪到近代的发展。书中有一些点让我记忆深刻。

中国很早就采用了中央集权，很难理解欧洲到了中世纪还是封建制度。作为国王天天得和自己的强力封臣扯皮，而且国王还打不过这些强力封臣。钱，税收，兵力都得依仗这些封臣。封臣对君主的效忠极大成功依靠契约，而不是利益之类的。随着欧洲各国的摩擦日益加剧，君主们找到了扩充军力的借口。至于这些庞大的军队是为了保家卫国，还是对内打压不听话的封臣就看君主的想法了。在这些扩军的国家中，最神奇的便是英国。英国作为岛国，海军是它与其他国家作战的主力。可是这海军可不能用来打自己的封臣，要打自己的封臣得靠陆军。因此英国的君权仍旧极大的受限于封臣。

统治阶级是如何看待中产阶级呢？统治阶级认为中产阶级的生活依赖于城市，而不是这些统治者。即换了个统治者，中产阶级仍旧那样的活着。 > 这些欧洲君王降伏旧日贵族后,随即成为一个活跃的 新兴阶级一一城市里的中产阶级的支持者。当年这些君主势单力簿,曾经允许各个城镇自治,而随着城市的财富日增,这个让步也变得更加举足轻重。相较于自拥大军、躲在城堡里防御自己的贵族,中产阶级似乎平和得多,不具威胁性。然而,无论贵族多难应付,他们毕竟是社会秩序的一部分,而在这个社会秩序里,国王是天经地义的元首;反观中产阶级,他们的生活方式根本无需国王的存在。长远来看,对于王政的威胁远比贵族更棘手。 # 这周看了什么 * Key Combiner：这个网站可以帮助我们学习和记忆快捷键。网站提供了常用软件的快捷键。 * Coin Gecko：查看和追踪加密货币价格。 * Macro Trends: 提供不同宏观经济指标的走势图。可以查看不同的股票指数，按照行业，市值排序查看股票。 * Zapper.fi：提供钱包的Defi资产分析，提供一键式流动性挖矿。界面美观。 * DeBank：同上，但是提供更多的Defi分析，比如锁仓价值，流动挖矿利率。 * Playwright for Python：微软出品的Python端到端自动化框架，有点像Puppeteer

歌曲

Octopath Traveller OST

《八方旅人》原声带，作者为西木康智。很难想象这么优美有古典风格的曲子是仅仅30岁的西木康智制作的。非常期待他以后的作品。8-bit Music Theory对西木康智在曲子中大量运用转调进行了分析。我乐理差，这个分析也听得一知半解的。

山居秋暝

活泼的嗓音唱出王维的《山居秋暝》。用流行音乐重新诠释古诗给我带来了不同的感觉，不同于中学时代背诵古诗的感觉。这种音律让古诗更加动听，我也更愿意去听。除了这首《山居秋暝》，《杨花落尽子规啼》也是我很喜欢的一首，它并不是那种活泼的感觉。

这周评价

其实这些事情来自最近一个月。自从夏校结束，假期开始我就开始躺，自然也就什么计划，写不出周报。不得不说开学了以后，做事的效率突然飙升。就像电脑从关机状态变成开机运行一样。娱乐的时间减少了倒是真真确确的减少了。我们真的需要那么多娱乐时间吗？假期的时候陪女朋友看了沉默的真相。这属于那种看了开头就知道是什么味道的片子。这部片子的主题是司法公正，官商勾结。这些也算是老生长谈了。这电视剧我不怎么喜欢，总感觉节奏拖沓。有点类似玩手游的感觉。手游厂商跟玩家反着干，给玩家设置诸多限制，不让玩家轻易的拿到他们想要的，比如体力限制，升级需要大量的素材。电视剧为了让观众不那么快的了解到真相，谜底，叙事弯弯绕绕，给线索跟挤牙膏一样。电视剧的叙事手法有点东野圭吾的感觉，寻找案件背后的故事。

下周做什么

• 读一章Designing Data-Intensive Applications
• 看Array Programming with Numpy
• 尝试ActionsFlow
• 尝试网格交易
• 使用Trafik
• 使用Portainer
• 使用Huginn

写一些关于数学的代码，和开发程序是两种不同的感觉。接下来是一些我个人常用的 Tips。

Sum

求和符号频繁的出现在各种公式里面。比如 Composite Simpson Rule:

\(\int^a_b f(x)dx = \frac{h}{3}(f(a)+f(b)+4\sum^{n/2}_{i=1}f(a+(2i-1)h)+2\sum^{(n-2)/2}_{i=1}f(a+2ih))\)

我之前看到求和符号的第一反应是这儿又得用 for loop 了。例如 \(\sum^{n/2}_{i=1}f(a+(2i-1)h)\) 可能会用以下的代码来计算。

1
2
3
4

sum=0
for i in range(1,n//2+1):
  sum = sum+f(a+(2*i-1)*h)
sum

这是一个有点冗长，不清楚的写法。

Map

我们可以用 np.sum 和 map 函数来实现。

1
2

import numpy as np
np.sum(np.array(list(map(lambda i:f(a+(2*i-1)*h),np.arange(1,n//2+1)))))

瞬间把之前的几行代码压缩成了一行。这样写的坏处是括号比较多，在没有括号高亮的情况下容易出现漏括号或者多括号的情况。

Vectorize

这个方法全靠 Numpy。

1
2
3
4
5

import numpy as np
i = np.arange(1,n//2+1)
sum1 = lambda i: f(a+(2*i-1)*h)
vfunc = np.vectorize(sum1)
np.sum(vfunc(i))

这个思路感觉和 map 的思路类似，但是优势是创建了一个可以复用的 Vectorize Function，可以接受数组的输入。

Another For Loop

这个其实和 for loop 没什么区别，知识短了一点。

1
2

import numpy as np
np.sum([f(a+(2*i-1)*h) for i in np.arange(1,n//2+1) ])

这个方法会比较灵活。在面对多个参数的时候会比较好用。比如有一个函数 f(a,b,c,d), 只有 c 这个参数需要变化，a,b,d 都是不要变化的。我们可以写这样写：

1
2

import numpy as np
[f(a,b,c,d) for c in np.arange(n)]

矩阵点乘

这里我们用一个简单一点的例子。我们需要计算\(\sum_{i=0}^{n}a_ib_i\)。这个的本质其实是 a 和 b 两个矩阵的点乘。

1
2
3

a=[...]
b=[...]
np.dot(a,b)

快速生成一个矩阵

这个很简单。例如生成一个 5*5 矩阵。

1
2

import numpy as np
np.zeros((5, 5))

Table

Tabulate

1
2
3
4
5

print(tabulate([["Name","Age"],["Alice",24],["Bob",19]],headers="firstrow"))
# Name      Age
# ------  -----
# Alice      24
# Bob        19

1
2
3
4
5
6
7

print(tabulate({"Name": ["Alice", "Bob"],
"Age": [24, 19]}, headers="keys"))
#   Age  Name
# -----  ------
#    24  Alice
#    19  Bob

Plotly

1
2
3
4
5
6

import plotly.graph_objects as go

fig = go.Figure(data=[go.Table(header=dict(values=['A Scores', 'B Scores']),
                 cells=dict(values=[[100, 90, 80, 90], [95, 85, 75, 95]]))
                     ])
fig.show()

Plot

我每次都记不住怎么画图。

matplotlib

1
2
3
4
5
6
7
8
9
10
11

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(9,6))
ax.loglog(hs,composite_trapezoid_rule_error_func1,'bo-',label='CTR ERROR',lw=2)
ax.loglog(hs,np.power(hs,2),'ro-',label='err(h) = h^2',lw=2)
ax.set_title("Error in CTR approximation",fontsize=22)
ax.legend(fontsize=15)
ax.set_xlabel('h',fontsize=22)
ax.set_ylabel('err(h)',fontsize=22)
ax.xaxis.set_tick_params(labelsize=15)
ax.yaxis.set_tick_params(labelsize=15)

伪代码翻译

数组的索引从 0 开始，但是很多伪代码是从 1 开始。为了方便翻译，我们可以在所有数组的开头插入一个 0，这样数组的有效数据便从索引 1 开始。这样伪代码和实际代码之间的索引便不会错了。以下为例子。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

import numpy as np
def sor(a,b,XO,omega,TOL,N):
    n=len(a)
    x=np.zeros(n+1)
    a = np.insert(a,0,0,axis=1)
    a = np.insert(a,0,0,axis=0)
    b = np.insert(b,0,0,axis=0)    
    XO = [0.0]+XO
    # step 1
    k=1
    # step 2
    while k<=N:
        # step 3
        for i in np.arange(1,n+1):
            sum1=sum([a[i][j]*x[j] for j in np.arange(1,i)])
            sum2=sum([a[i][j]*XO[j] for j in np.arange(i+1,n+1)])
            x[i]=(1-omega)*XO[i]+1/a[i][i]*(omega*(np.negative(sum1)-sum2+b[i]))
        # step 4
        if max(np.abs(b-np.dot(a,x)))<TOL:
            print(f'Number of Iterations: {k}')
            return x[1:]
        # step 5
        k = k+1
        # step 6
        for i in np.arange(1,n+1):
            XO[i]=x[i]
    print('Maximum number of iterations exceed')
    return XO

assert np.allclose(sor([[4,3,0],[3,4,-1],[0,-1,4]],[24,30,-24],[1.0,1.0,1.0],1.25,1e-05,1000),[3,4,-5], rtol=1e-05, atol=1e-08, equal_nan=False)