2016年10月10日 星期一

MacOS Sierra 10.12 內建 apache2 server 跟使用者網頁目錄

安裝好的MacOS Sierra 10.12 裡面就已經有 apache2 server 了, 不必另外下載安裝,  而且啟動它超級簡單, 只要在命令提示符號下輸入一行指令如下 :

>sudo apachectl start

MacOS 內建的apache server 就啟動了! 開啟 Safari 輸入 localhost 按enter 後看到 " It Works! " 就成功了!

>sudo apachectl stop

在命令提示號下輸入以上 stop 指令即為關閉 apache server.

而apache server 的homepage 目錄在 /Library/WebServer/Documents/index.html


接下來, 如何開啟個人網頁設定呢? 即輸入 localhost/~<username> 就會開啟該使用者自己的網頁. 幾個步驟的設定如下:

s1. 首先在自己的home directory 下建立一 Sites 目錄, 此即為該使用者的 web page 目錄, 可先在 /users/~<username>/Sites 下建立一個 index.html 檔案內容如下:
如: <html><head><title>personal web page</title><body>my personal web...</body></head>

s2. 接下來切換目錄到 /etc/apache2 , 在命令提示號下輸入
>sudo vi httpd.conf
(vi 是編輯器名稱, 要修改 httpd.conf 檔案內容)進入後, 分別找到以下兩行把它們最前面的#字刪除後儲存離開.

#Include /private/etc/apache2/extra/httpd-userdir.conf
#LoadModule userdir_module libexec/apache2/mod_userdir.so

s3. 再到 /private/etc/apache2/extra/httpd-userdir.conf 檔案中找到以下註解, 也是把最前面的#刪除後儲存離開.

#Include /private/etc/apache2/users/*.conf

s4. 在 /private/etc/apache2/users/ 建立<username>.conf
譬如使用者名稱是mary, 則建立mary.conf, 然後該檔案內容請修改成如下所示:
<Directory "/Users/mary/Sites/">
  Options Indexes MultiViews
  AllowOverride None
  Require all granted
</Directory>

s5. 設定都好了, 現在就差最後一步:重新啟動 apache server 讓修改產生作用. 請在命令提示號下輸入以下指令就大功告成了:
>sudo apachectl restart

s6. 打開 Safari 測試一下, 請在網址列輸入 localhost/~mary (mary 為使用者名稱, 可依使用者名稱不同更改.), 可以看到在s1步驟/users/~mary/Sites 目錄下建立的 index.html 內容.

2016年10月8日 星期六

YouTube 上有關 Apache SystemML 的影片, 還很少!

Inside Apache SystemML: 投影片可下載, 在  http://www.slideshare.net/SparkSummit/inside-apache-systemml-by-frederick-reiss
b


Building Custom Machine Learning Algorithms With Apache SystemML: 投影片可下載, 在 http://www.slideshare.net/JenAman/building-custom-machine-learning-algorithms-with-apache-systemml


sfspark.org: Berthold Reinwald, Apache SystemML


另外, Spark Technology Center 也在YouTube 分享了一些關於SystemML 的影片, 但很可惜拍攝得不太清楚.  連結在此 https://www.youtube.com/playlist?list=PL9U7gw7DOIGhdiKZkMAqNPIDywFMlzCaY

SytemML 目前的強項在於:
1. 在一樣的演算法下, 比單機R或分散式Spark MLLib+Scala 速度快更多, 關鍵在 wdvimm rewrite 技術. 
2. 實務上欲取代從R轉換成 Scala/Python on Spark這一段工作, 等於寫好 R後丟給 SystemML處理就可以了. 

整理一下各大廠商推出的機器學習工具


1. Apache SystemMLOpen Source.
還在孵化期的SystemML, 提供各種機器學習演算法, 可在單機模式, 記憶體內直接計算的in-memory模式或分散式計算模式的 Hadoop+Spark 平台上使用. 安裝說明跟原始碼都在github: https://github.com/apache/incubator-systemml
Spark的網站也有專屬網頁介紹SystemML: http://www.spark.tc/systemml/, 詳細發展歷史可看wikipedia: https://en.wikipedia.org/wiki/Apache_SystemML.

2. TensorFlowOpen Source.
是Goolge Brain Team 推出的機器學習 Open Source Library, 使用資料圖形方式呈現數值計算結果.
詳細發展歷史可看這邊: https://en.wikipedia.org/wiki/TensorFlow.

3. Amazon Machine Learning : Not Open Source.
透過AWS方式, Amazon 提供視覺化工具和精靈工具的引導方式建立專屬的機器學習模型, 卻不需要學習建模後面所需要的複雜演算法. 可以先建立免費帳號試用看看!

4. Microsoft DMTK : Open Source.
是微軟提供的分散式機器學習, 在 GitHub 的source codes.

5. 百度的 BML : Not Open Source.
另外有一個百度 Paddle 深度學習kits 是 Open Source 的, GitHub 的原始碼跟文件連結: https://github.com/baidu/Paddle .