AI 绘画发展的真快啊

AI 绘画的发展速度比我预想的还要快。几个月前，Stable Diffusion 发布的时候，它们训练了一个通用模型，什么类型的图片都能生成，但无论什么类型都是马马虎虎。比如，对于人像的生成，多数都很模糊，甚至走样，只能看个大概。但是这几个月来，针对各种特定目标的模型都被训练出来了。这里当然少不了专门生成帅哥美女的模型，此外还有针对卡通、国画、油画等等各类绘画风格训练的特化模型。除了模型，各种辅助工具也被开发出来了，比如有些工具可以让用户摆放几根线段，代表人体骨架的姿势，然后模型就可以按照这个姿势生成人像。这就实现了对构图的精细控制。精细控制，配合上某明星的订制模型，就可以生成这个明星的任意姿势的照片了。

AI 绘画工具的出现对于我的帮助还是非常大的：我经常希望在自己的文档中添加一些插图，但是却没有绘画的能力。现在可以让 AI 来帮我画了，就算没那么完美也不要紧，有就比没有强。

半年前，AI 绘画勉强可以达到实用水平的时候，从新闻和论坛里看到的绘画从业人员的普遍反应是抵制。随着 AI 能力的加强，从业人员更多的是表示担忧了。我作为非专业的人员，可能体会不到那种危机感，但我还是觉得画师们并不需要太过担心的。在专业领域，那些老板们，无论有什么样的工具，也不可能自己去动手操作的，还是需要有专业人员来操作，差别无非在于一笔一笔得画，还是一条指令一条指令得画。工具毕竟是工具，新的工具不会取代人，只是会改变人们生产的方式。

被改变的可能不止是生产方式，或许还会有审美标准。AI 不但可以生成以假乱真的真人照片，还可以生成并不真实存在，但却是人们心目中的完美人像。当下，对大众审美影响最大的是明星们。将来会有越来越多 AI 生成的虚拟明星们出现。真人明星们就算化妆、整容、开滤镜，也不至于和真人容貌差太多，虚拟明星们长啥样就很难预料了。

我的 Facebook 上经常会收到骗子的好友申请。由于工作相关，我还曾经仔细研究过几个骗子的页面。在社交媒体上有很多知名度极低的小网红们，经常性的发布自己的生活照片视频等。骗子们会把这些内容收集起来，发布在一个虚假的账号下面，把这个账号伪装成某个帅哥美女的账号，然后行骗。估计以后骗子们的手法也要升级了，不需要再去收罗真人的内容，用 AI 生成全套的内容就可以了。

广告

AI 生成的一些图片

这几天在电脑上运行了 Stable Diffusion 玩了玩。这是我正的测试页面：https://qizhen.xyz/genimg

这个模型比 Dall.E 的小很多，所以才能在配置不高的个人电脑上跑。而且，我的电脑也只能勉强生成 512*512 的照片。虽然效果可能不如专业网站用的大模型，但有些作品已经很逼真了。我主要试试了生成真实人像以及和二次元人像之间的转化。Diffusion 模型不太擅长逼真的人像，程序生成的人像使用 GFPGAN 改善过的。在人像中，个人感觉这个模型最擅长生成白人年轻女性的照片。我也尝试了让它生成一些中国人的照片，但感觉都不是那么美，实际上多数生成的中国人照片都看起来比较别扭。很可能是因为它的训练集中就有比较多的白人年轻女性照片，或者也可能是因为我生长在中国，对中国人的面貌更敏感，更容易发觉异常。

先贴两张 AI 生成的仿旧照片，看起来还真挺像真的：

接下来几组图片，都是首先生成了左边的真实照片风格的图片，再根据照片转换成了右边二次元图片：

下面这两组图片是先生成的左边的二次元风格图片，再根据它生成右侧的真实照片风格图片：

可以明显感觉到，生成真实照片要困难很多。可能是因为人脑对所谓“真实”照片更挑剔吧。

下面两组是风景图片，感觉两种风格生成出来的图片区别远没有人像的区别那么大

Diffusion Model 最近很火

给了不会绘画的人搞创作的机会

随便转贴几张，有卡通风格的，有写实风格的，但都是电脑根据输入文字自动绘制的：

Scratch 编程语言 2

很早之前，大约是两千零几年的时候，我曾经看别人演示过 LabVIEW 专为儿童教育，以及乐高玩具开发的特别版本。对于少年儿童来说，图形化编程比文本编程要更有吸引力。可惜的是，LabVIEW 起个大早，赶个晚集。现在再提起儿童教育或玩具领域的图形化编程语言，多数人只会想到 Scratch。

Scratch 是 2003 年才诞生的一个新语言。它能够一出现就挤掉 LabVIEW，迅速占领整个儿童教育领域，主要因为具有以下一些优点：

• 开源。Scratch 是由 MIT 开发的，它从一开始就采用了开源的策略。儿童使用的编程语言，一个重要的功能是控制各种玩具。反过来说，能被玩具厂商广泛采纳的编程语言，会更容易被推广开来。玩具厂商想把自己的产品与 LabVIEW 结合，甚至直接发布一个定制版的 LabVIEW 成本是非常高的。即便是在工业界，LabVIEW 具有统治地位的测试测量领域，LabVIEW 也主要是与 NI 公司自己的硬件结合使用。玩具行业的利润更低，厂商们自然倾向于便宜的软件。更何况 Scratch 还是开源的，可以很方便的就对其进行改造以适应自己的产品。现在，除了最著名的乐高，很多中国厂商的玩具搭配的也是 Scratch 编程语言，比如小米的玩具。
• 语法简单。Scratch 的语法与 LabVIEW 有着非常大的不同，它隐藏了更多的编程细节，让初学者可以更容易的入手。LabVIEW 虽然也号称容易入门，但相比比起来， Scratch 才真正算得上是“傻瓜”型编程语言。
• 采用了更主流的技术。Scratch 是采用了 HTML 5 标准，使用 JavaScript 作为开发语言。LabVIEW 也曾经有过网页版，尽管当时已经可以明显看出 HTML 5 是发展趋势，LabVIEW 却采用了 SilverLight 作为开发平台。后来微软彻底抛弃了 SilverLight ，肯定也会对 LabVIEW 的开发推广造成影响的。

下面是一个具体的示例程序：

这段代码中的积木（一种颜色的近似长方形的一个条形块）分成了三堆，这三堆之间是并行的关系。每一堆积木都从一个事件开始。左边这一大堆是主线程，当接受到用户点击绿色旗帜的事件时开始运行，它在运行过程中会发出一些事件，去启动另外两堆积木。这段程序的主要功能是运行一个循环“repeat 20”，在循环内调用“move”功能，让屏幕上的一只小狐狸（绘制在“costume”里面）向前移动一段距离。同时还让小狐狸发出“喵呜”的声音。

从上面这段程序可以看出来，虽然也是图形化编程语言，Scratch 相比与 LabVIEW 还是有一些明显不同的。

• Scratch 图形化方面没有 LabVIEW 彻底，它借鉴一些文本编程语言的编程方式，同时在编程时也更依赖文本。编写 LabVIEW 的程序更像是绘图，而编写 Scratch 程序更像是搭积木。
• LabVIEW 中的基本功能模块多以函数和 VI 的形式存在，它们的外观看上去是一个个的正方形方块。LabVIEW 中的结构的外观会更复杂一些，像是尺寸可变的框架。在 Scratch 中，函数和结构都被称作 block（翻译成模块或者积木），它们看上去都是一个个长条。
• Scratch 中由于每个积木长得都一样（或者十分类似），它只能用来文字区分不同功能的积木。LabVIEW 中推荐给每个子 VI 都绘制一个有意义的图标，这看起来当然是比 Scratch 的代码美观的多。但是，也有很多程序员非常讨厌这个规范，他们宁可把时间用于改进程序的逻辑，而不是美观程度。
• 对于程序流程的控制，LabVIEW 使用数据线来控制，按照数据在数据线上的流动顺序来控制程序运行顺序。Scratch 没有数据线。凡是挨在一起的积木，它就是按照顺序从上至下执行每一个积木。没有粘连在一起的积木是可以并行执行的。
• 因为没有数据线，Scratch 只能使用全局变量来传递数据。
• 积木使用不同颜色表示不同的功能分类，比如浅黄色的用于发送接收事件；深黄色的用于控制程序流程（比如循环结构，条件结构等）；紫红色的用于控制声音，蓝色的控制运动等等。
• 用不同形状表示不同数据类型，比如数值类型数据放在一个两侧是圆弧的长条里；而布尔型数据放在两侧是尖角的长条里。这保证了程序具有一定的数据类型安全，比如某个积木上有一个两侧尖角的长条凹槽，那么在这个凹槽里就只能嵌入布尔型数据（相当于一个函数，具有一个布尔型的输入参数）。

Scheme 编程语言

Scheme 是第一门我真正系统学习过的函数式编程语言。Scheme 语言的标志是一个 Lambda 字符“λ”，一眼就可以看出这门语言的出处。Scheme 是 LISP 语言的两大方言之一，而 LISP 又是人类开发出的第二款高级编程语言（第一个是 FORTRAN）。

因为太古老，Scheme 的编程思路和现在常见的语言差距还是非常大的。我刚开始接触 Scheme 时的困惑不亚于刚接触 LabVIEW。Scheme 的语法定义是比较简单的，比时下流行的编程语言都简单得多，但毕竟也是一门完整编程语言，不可能写一小段就介绍全面，这里就只能介绍一些最基本功能了。

Scheme 直观上最明显的特点是括号多，它的所有数据（比如列表）和程序结构（比如函数、判断语句）等都被包裹在括号内，因此，一段代码里会有数不清的层层括号。在编程思想上的最大特点就是函数式编程。再 Scheme 程序中，一切都是函数。

在 Scheme 中写 Hello, world 的代码如下： (display "Hello, World!")

在这段中 display 是一个函数，用于在屏幕上打印文字，而后面的字符串则是 display 的参数。单这一句，与常见编程语言的用法差距也不算太大。

在 Scheme 语句中，函数名总是要放在参数之前，运算符也是一个函数。所以，如果要计算 “2+3”，写出来的程序是这样的： (+ 2 3) 。 Scheme 的函数很多是可以跟多个参数的，比如 (max 2 6 3) 或者 (+ 6 4 8) 等等。如果是一组数据，比如一个 list，那么就在括号前加个单引号，比如 ‘(a b c d)，这就不再是函数调用，而是一个列表了。

函数的定义一般类似如下：(lambda (x) (+ x 2))。lambda 是关键字，后面跟着函数参数，在后面是函数体。在 Scheme 语句中使用关键字 define 给常量命名，使用关键字 let 给变量命名。函数也可以是一种变量，比如下面的语句就给了新定义的函数一个名字“square”：

(define square (lambda (n) (* n n)) )

Scheme 语言还有一特点就是没有循环，所有需要循环的地方都要使用递归来完成。这和早期的 LabVIEW 正相反，早期的 LabVIEW 不支持递归，所有要用到递归的地方都必须转换成循环。比如，在 Scheme 中计算阶乘，只能采用递归的形式：

(define factorial (lambda (n) (if (= n 0) 1 (* n (factorial (- n 1))))))

我在学习 Scheme 的过程中，最大的收获是把递归彻底弄清楚了。递归有时候还是比较容易绕的，比如把一个列表从头开始归并，和从尾开始归并要采用不同的递归策略。以前都没有深入考虑过，学习了 Scheme 才真正系统的研究清楚了。

Lambda Calculus 编程语言

我刚成为程序员的时候，有一次调试一段 C 语言代码。我一层一层的进入到被调用的子函数中去，想看看一个数据到底是怎么产生的。终于在遇到一个库函数的时候，调试器无法再跟踪进去了。C 语言程序通常会调用很多已经编译好的库函数，程序员只知道这些函数的接口，但看不到它们的实现代码。我知道这是处于效率的考虑，但还是忍不住想，一种编程语言，可不可以不调用任何编译好的库，所有功能都以源代码的形式提供给程序员，方便学习啊。后来进而又想，也许很多关键字，运算符都不是必须提前编译好的，有没有编程语言可以以源代码的形式提供这些关键字，运算符呢？

这些问题，当时也只是一想，没有去研究。多年之后，我在帮老婆做编程作业的时候发现，她们在课上居然学到了这样一种编程语言，叫做 Lambda Calculus。

Lambda Calculus 是一类非常精简的编程语言中的代表。这类语言中还包含 SKI，Iota 和 Jot 等，不过 Lambda Calculus 还是最经典的。Lambda Calculus 小到什么程度呢？只需要用几行文字就可以把 Lambda Calculus 的全部语法描述的清清楚楚，所以这里就介绍一下：

• Lambda Calculus 中用到的全部字符包括：小写英文字母，英文句号，小括号和一个希腊字母 lambda “λ”。
• 名字 name：由单个英文小写字母构成，格式为 <name>。 比如 x，y，a 等；
• 函数定义 function：由“λ”字符跟一个变量名，跟一个英文句号，在跟一个函数体构成，结构为 λ<name>.<expression>。比如 λx.x，这个函数写成数学形式是 f(x) = x；
• 函数调用 application：由函数定义加另一段表达式构成，格式<function><expression>。比如： (λx.x)a，这表示，把 a 作为参数传递给前面那个函数，运算结果就是 a。
• name, function, application 又被统称为 expression。
• 括号用于控制计算的优先级。有时代码里也会加入空格方便阅读。

以上就是这个编程语言的全部语法了。当时的要求是给这个语言编写一个编译器，其中最核心的部分只用了十来行代码就实现了，恐怕很难有比这更简单的编程语言了。可以直观的看出，这个编程语言的一些简单运算规则：

• λx.x 与 λy.y 是完全等价的，或者可以写成 λx.x ≡ λy.y
• (λx.x)a 可以简化成 a，或者写成 (λx.x)a = a
• (λx.y)a = y
• (λx.(λy.x))a = λy.a

大家已经发现了，这个语言，连循环、判断等结构都没有，对了，这些都要自己编程实现；甚至连数字也没有，加减法也没有，这些也通通都要自己定义和实现。下面就介绍一下如何使用 Lambda Calculus 编写一些基本的功能。

• 实现多参数函数，这个方法有个专用名叫函数柯里化。比如实现函数f(x, y, z) = ((x, y), z) 可以使用如下的代码： λx.λy.λz.xyz
• 逻辑运算中的“真”被定义为：TRUE ≡ λx.λy.x。这里对于“真”的定义是：输入两个参数，返回第一个。推算一下 TRUE a b ≡ (λx.λy.x) a b = (λy.a) b = a
• 逻辑运算中的“假”被定义为：FALSE ≡ λx.λy.y。推算一下 FALSE a b ≡ (λx.λy.y) a b = (λy.y) b = b
• 判断语句 if，假设我们需要当变量 b 为 真时，返回 t；b 为假时返回 f。那么可以定义 IF b t f ≡ λb.b t f 。 推算一下 IF TRUE t f ≡ ((λb.b) (λx.λy.x)) t f = (λx.λy.x) t f = t ; IF FALSE b t f ≡ (λb.b t f) (λx.λy.y) = (λx.λy.y) t f = f
• 有了以上的基础，逻辑运算的定义就简单多了，比如：AND a b ≡ IF a b FALSE； OR a b ≡ IF a TRUE b； NOT a ≡ IF a FALSE TRUE
• 定义数字：
  • 0 ≡ λf.λx.x 可发现 0 ≡ FALSE
  • 1 ≡ λf.λx.f x
  • 2 ≡ λf.λx.f (f x)
  • 3 ≡ λf.λx.f (f (f x) x)
• 为了方便数字运算还要先定义一个辅助的“后继函数”：S = λn.λf.λx.f((n f) x) 。调用这个函数会得到输出参数的下一个数，比如 S4 = 5。我们可以试一下：S 0 ≡ (λn.λf.λx.f((n f) x)) (λf.λx.x) = λf.λx.f(λx.x f) x) = λf.λx.f x ≡ 1
• 加法就可以定义为： ADD ≡ λa λb.(a S) b 。 拭一下：ADD 2 3 = (λa λb.(a S) b) 2 3 = 2 S 3 ≡ (λf.λx.f (f x)) S 3 = λx. S (S x) 3 = S (S 3) = S 4 = 5.

以上是 Lambda Calculus 一些最基本的功能，作为一个图灵完全的语言，它能做的远不止这些，其它编程语言能做的，它基本也都可以做。但是我们也发现了，如果一个语言什么预先定义都没有，一切都需要开发者自己从头做起，那么在实际应用中就效率太低了。

Lambda Calculus 的发明人是 Alonzo Church，他有个大名鼎鼎的学生，图灵。Lambda Calculus 对于后来编程语言的发展产生了深远的影响。函数式编程就是受此启发而来。如今，Lambda 函数更是成了主流编程语言的标配。

DALL·E 绘图

申请到了 DALL·E 的账号，赶紧玩了几下。DALL·E 是个人工智能绘图程序，可以根据输入的文字绘制图片。它的水平肯定比不上经过训练的画师，但是对于我这种没有绘图能力的人来说，可能会有些帮助，比如，以后制作文档时，也许可以让它帮忙绘制一些插图。

我先画了一幅程序猿自画像：

Photo of a chimpanzee sitting in front of a computer and programming

儿子也画了一幅自己喜欢的图画：

Cartoon of apples, peaches, grapes and many kinds of fruits growing on one tree under a clear sky with the moon shining on the background

优化旧照片

最近测试了一些翻新旧照片的算法，主要是试着把模糊的小照片翻新成清晰的大照片。据说淘宝上有很多人做这个生意，主要是靠手工来修复的。网络少也有不少PS修复旧照片的教程。不过我不会使用PS，所以只能依靠算法了。修复旧照的人工智能的算法也是有一些的，但目前来说，人工智能算法的修复效果在总体上还是比不了人工修复的，但某些情况下表现也还不错。

第1步 选照片

首先找一张老照片：

要想效果好，照片一定要找上图这样的：大头照，而且只有少量折痕和磨损。我也测试了一些质量更差的照片（人脸所占像素太小，有大片磨损等），人工智能对于它们目前还还无能为力。

第2步 去网纹

很多老照片都不是光滑的，像纸上有排列规则的凸点，扫描之后的图片上就会有网纹。上图的旧照片上可以明显看到这些网纹。我找的几个人工智能程序都是解决特定问题的，无法很好的处理这些网纹，所以先要人工去除这些网纹。网上搜了一下，没有专门去除网纹的程序，只有PS相关的教程。PS是收费软件，我也没有。好在有一些免费的图像处理软件可以替代PS。我用了GIMP（GNU Image Manipulation Program）加上FFT插件。FFT是快速傅里叶变换的缩写，用于把时域信号转换为频域信号。

上图经过傅立叶变换，在频域上的图像如下（灰度图部分）：

由于原照片里的网纹是规则的（有固定频率），频域图会在一些特定的频段里出现高能量区域，也就是上图用红圈圈出来的部分。我只画了三个圈，但其它那些亮点（除了中心低频区域外），都是网纹造成的，只要把这些亮点全部涂黑，再做反傅立叶变换，新生成的图片就是被去除了网纹的照片了。

第3步 上色

GitHub上最受欢迎的黑白照片上色程序是这个：https://github.com/jantic/DeOldify

我试了一下，效果只能说马马虎虎，上了色的照片看上去还是像旧照片，只是把原来的纯黑白色调中加入一点肉色，一看就不是真的彩色照片。

如果会PS的，肯定还是PS效果好。

第4步 清晰化

我在GitHub上找到了两个照片变清晰的软件，一个是微软的 https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life

一个是腾讯的 https://github.com/TencentARC/GFPGAN

两个软件各有千秋，比如微软的可以修复裂痕，但腾讯的可以放大照片。具体那个效果更好，要针对不同情况测试一下。

这两个软件都是侧重于对人头像进行优化，对其它区域的优化会差一些，所以经过它们优化的照片常常是人脸非常清晰，但衣服还是模糊的。再有它们对于眼镜的处理都不太好。常把眼镜当成皱纹；或者把眼镜上的反光当作眼睛来处理。有时候生成的照片非常诡异吓人。

另外，它们也没法处理太小的人像，或是有缺损的人像。

处理后的效果

重新制作了书籍网页

最近学习完了React，又使用Docusaurus重新为书籍制作了网页：https://lv.qizhen.xyz/

实际上，Docusaurus已经帮我作为绝大部分工作，我学习的React技能基本没有用上，毕竟书籍的格式还是比较简单固定的，不需要非常炫酷的界面。

之前是用Docsify制作的页面。我对于Docsify的界面和功能已经非常满意了，最主要的问题是它制作的网页是客户端渲染的，搜索引擎都不会爬取。墙外的搜索市场已经被Google垄断，恐怕Google是不会有动力去支持搜索客户端渲染页面了。国内的搜索市场竞争还更激烈一点，可以它们居然做的都比Google还差很多，也没有指望。只能自己修改网页了。

Docusaurus使用起来比Docsify麻烦不少，所需技术门槛也稍高。这一是因为Docsify只支持制作文档网页，而Docusaurus还可以制作个人主页和博客，功能复杂了不少，虽然都是我都用不上的。二是因为Docusaurus是制作服务端渲染页面的，多了一个Build步骤。再有Docusaurus比较新，资源相对来说少一些。

但不管怎么样，Docusaurus也是非常令人满意的。现在Google可以爬取我的页面了，国内的搜索引擎都还不行，但这不是网页的问题，最可能是我的域名没有工信部认证，国内引擎不愿意访问。

Docusaurus开发团队非常活跃，应用前景应当超过其它类似工具。非常推荐用于创建静态的个人主页、博客、文档等。

制作电子书网站的一点想法

头一次之作电子书网站，因为没经验，很多问题是做了之后才发现的。等以后有时间了，详细写一写，目前先大致总结一下。

最开始弄的时候，没有借助任何工具，直接就开始搭网页了。当然底层的库用的还是别人写好的，比如最主要的部分，把Markdown格式文档（MD）转换成HTML格式用的是marked.js。上层的代码也并非完全从头开始写， 我也参考了别人的代码。不用工具，自己写的最大好处是让我学习了很多以前不会的技能。以前是没做过网站前端开发的，Javascript也没用过。现在能做个简单网页了。

但是学习过后，发现如果把网页功能完善起来，全自己开发太费时间了。而且继续花时间对我学习的帮助也没有之前那么大了。于是我还是用了工具把网页从新做了一边。最著名的工具大概是 gitbook-cli，一个GitBook发布的旧版本的开源工具。这个工具是在线下把Markdown格式文档转换成HTML格式文档的。更新一个页面的流程大约是这样：找到需要更新的MD文档，修改保存，运行gitbook-cli，生成HTML文档，把生成的HTML文档上传至GitHub。步骤有点繁琐，不是我想要的。而且gitbook-cli有四五年没更新了吧，直接下载后不做点配置都根本运行不起来了。所以放弃了。

后来是用的Docsify重新生成了网站。Docsify还是很简单易用的，不过bug也是很多。有一些bug我直接在本地修改了，但有一些是我没法改的，比如最简单的，它对于HTML tag中图片的路径解析跟别人都不一样，比如：<img src=”images/image192.png”>。它用绝对路径来解析，而其它MD转换工具全部用的相对路径。这个问题我估计Docsify自己也没法改了。不过我现在还有临时解决办法，先将就着用一段时间吧。Docsify生成的网站最大的问题还是没办法被搜索引擎检索，当然也可以说这是搜索引擎不够强大，但是我也没法改变搜索引擎，只能再改进自己的网页了。

Docsify和我最开始写的网页原理完全相同，都是在客户端做渲染，服务器并没有给客户端发送任何HTML格式内容，而现在的搜索引擎只认HTML，它们是不会运行渲染程序的。所以也就没法抓到任何内容。要想被搜索引擎认识，还是得有HTML文件才行。有些网站是可以帮我们做这件事的，比如GitBook。我在GitBook上也生成了一份电子书，https://labview.qizhen.xyz/ 。在GitBook上做电子书网页，基本没有任何可以配置的东西，所有的网页都长一个模样。这也不是设么大问题，但它无法提供留言功能，还是非常不爽的，我就喜欢看留言。GitBook收费版可能有留言功能，不过穷人并没有尝试付费版。

穷人也不是完全没办法，我们开可以利用GitHub Actions这个免费功能来实现HTML文档的自动生成和部署。GitHub Pages默认就集成了一个Action流程，它可以在每次用户更新 MD 文件之后就调用Jekyll这个工具，为更新的MD文档生成HTML文档在部署到服务器上。只不过GitHub Pages默认的工具对生成的网站有一定格式限制，比较适合做博客，不适合发布书籍。其实可以不用它默认的工具，而是利用GitHub Actions调用一个更适合电子书的转换工具，在MD文件更新后做自动转换和部署。近期我还不会尝试这件事，因为React这个东西我才学了一半，业余时间就那么一点，先抓紧时间学完React再去建新网页。至于转换工具，我会去使用 Docusaurus，因为它使用React写的，正好让我学完了可以实践一下。

放在GitHub上的书还没法被检索

我把书的原稿开源放到GeiHub上之后，给它做了个页面方便阅读。做好的网页是一个单页面应用，也就是说书里的所有内容都是放在同一个页面上：https://lv.qizhen.xyz/。别看每个章节都会在地址栏上显示不同的URL，比如“https://lv.qizhen.xyz/#docs/structure_condition”，其实#号后面的都只是同一页面不同的参数而已。浏览器只能展示 HTML 格式的内容，但GitHub的网站上并没有存HTML格式的文档，所有文档使用Markdown（*.md）格式保存的。GitHub的网站也不会把MD格式文件动态渲染成HTML格式再传给读者的浏览器，网站发给浏览器的还是 MD 格式的数据，是浏览器端运行了一段JavaScript程序，才把 MD 格式的数据渲染成了HTML。

GitHub的服务器应该是不支持后台渲染的，做成前台渲染的单页面应用，用户体验会好一些：换页反应比较快，还可以随时改变背景配色等。但是这种做法对搜索引擎非常不友好。

搜索引擎在检索网站时，一是它不会尝试不同的参数，也就是说它只检索 https://lv.qizhen.xyz/ 这一个首页面；二是搜索引擎的爬虫也不会运行JavaScript，所以即便是首页的内容，它也看不到。总之搜索引擎根本看不到这本书的任何内容，也就别想搜索到它了。

我还不知道这个问题怎么解决，不过GitHub上搭建博客还有很多其它方法，有一些是产生静态HTML的，应该没有这个问题。等有时间再试试其它的那些工具吧。

GitHub自带的搜索也几乎没法搜索中文书，它是按词搜索的。它定义的“词“就是两个空格或者符号之间的字符串，这对于代码或者英文文档都非常合适。但是中文的词和词之间是没有空格的，GitHub对于中文只能整句匹配，只有文章里恰好有跟搜索内容一模一样的句子时才会被找到。

最近使用国内网站的麻烦

都是实名认证弄出来的麻烦，看这趋势，以后国内外的网络世界恐怕要彻底分离了。

我前一阵子买了个域名 https://www.qizhen.xyz/ 。为啥是xyz后缀呢，因为便宜，穷人也想有个独立域名，就不能要求太高了。再后来把自己家里电脑做成了服务器，但是如果要让别人看到我家里的服务器就需要一个内网穿透软件了。这个当然首选用国内软件，否则墙内可能还是看不到。我试了一下“花生壳”等几个用户量比较大的软件。软件做的都还不错，要手机认证，这还好，我还有亲戚在国内，虽然麻烦但还是认证通过了。但接下来就无解了，首先是客户端不允许国外IP；再有使用的域名必须是工信部注册的。我还真试了一下通过腾讯云的服务办理工信部注册，但是这个实名认证就严格多了，需要我打开一个微信应用，实时视频，然后发现我的IP在国外，直接就认证失败。

好吧，这些还难不住软件工程师，我还可以自己搭一个FRP服务来实现内网穿透。在腾讯云上买了了一个最便宜的服务器，服务器在国内。然后呢，发现我连不上那个服务器。开始以为我配置有问题，后来才发现，这之间有墙。那台与服务器的IP和我上网的IP之间根本ping不通。我原以为墙只会阻挡一些特定网站的，没想到，国内的运营商可能是为了避免麻烦，大概是一封就封一大段IP的。其它运营商的云服务器不知道会不会好一点。我使用腾讯云是因为可以用微信登陆，即便我的微信账号是美国的。这让我方便了不少。

后来，只好有买了腾讯云在美国的服务器，这个服务器的IP还可以被国内外用户都访问到，算是勉强解决了问题吧。

以上都是政策引起的麻烦，但如果产品做的还行，总还可以找到方法来用。但是产品也做的垃圾，那就彻底没法用了。新浪的产品就是这样。前些天看到一条新闻说近年新浪微博收入大涨，我有点吃惊，心想：现在还有人用微博吗？新浪曾是我每天都登陆的网站，获取新闻的最主要来源，它的博客，微博也都风靡一时，可惜后来越做越差，我的熟人们大多都逐步离开新浪平台了。我曾经试图使用过一阵子新浪博客，但是它的产品体检极差，最主要的一点：经常是我写了一大片技术文章之后，告诉里面有敏感词，不能发。也不说哪些是敏感词，弄的我完全不知道该怎么改。于是就果断告别新浪，使用Workpress做了博客平台。当然也是有代价的，就是国内用户没法访问了。当时幸好没留在新浪博客，因为现在这个产品已经完全不让我用了。登陆它需要手机验证，但是不论我使用国内的还是国外的手机，它都会显示验证出错。可能因为我的IP地址还在国外吧。虽然我本人无法使用了，但是我惊奇的发现，居然有个机器人正在使用的微博账号自动关注别人和发帖。平均每小时就可以关注一个莫名其妙的账号，然后再转发一些内容。我赶紧再去看看以前好友的微博，也都是很久不登陆得了。果然也有一些账号是被机器人接管了，在不知疲倦的转发微博。我现在算是理解新浪微博的活跃度是哪来的了，没想到新浪堕落成这样了。

终于把所有章节都放好了

https://lv.qizhen.xyz/

花了好几天时间，有一天我还请了休假专门来弄它。还依然存在的一些排版问题就只能慢慢修改了。

Markdown 格式在某些方面的功能还是不太够，最主要的问题可能是表格，无表头的表格都不支持。Word文档转换到Markdown，大部分的表格都是直接使用了HTML标签。显示到时没有问题，但如果要编辑就困难了，满眼看去，全是标签，都找不到需要的内容。

还要特别感谢 lhb5883 网友，最初建议我在Github上搭建博客。我这才惊喜的发现原来Github没有被墙（但愿我不是乌鸦嘴），而且Github也确实是最适合放置开源项目的网站。唯一担心的是LabVIEW用户可能很多都不熟悉Github。

这堵墙给我造成了很多麻烦，更糟糕的是，它还越来愈高了。墙里的可能以为它只是为了圈住里面的人，但实际上它是双向的。我访问国内网站也是越来越困难了。比如我已经完全无法使用新浪博客了，最开始我还可以浏览页面，但是不能看评论，现在正文也经常加载不了了。而且如果要登陆，还要每次让我用国内的手机收验证码。目前，国内用户量比较大的网站都必须要使用手机注册和验证了，也就意味着大多数的常用网站我都无法使用了。如果只是注册需要手机，必要时我还可以请国内亲戚帮个忙，但有些网站每次登陆都要手机验证，就真是彻底不让国外用户使用了。

这次把书开源的过程中还是学习了一些建网页的知识的，之前基本没有任何编写网页的经验。不过对于把博客迁移到Github上，我还是有些犹豫。主要是之前博客的内容很多，还包含大量的图片，链接，留言等等。这些要迁移起来工作量恐怕比迁移一本书要大得多，不知要花多少时间。所以我还得再研究研究，有没有什么更简单的做法。

Silverlight程序中显示帧数的方法

接到一个需求：要在Silverlight程序的界面上放置一些控制选项，可以开关Silverlight的EnableFrameRateCounter，EnableRedrawRegions等和显示效率相关的一些设置项。我开始在网上查了一下，这几个与显示性能相关的设置主要被用在装载Silverlight控件的HTML文本中。在Silverlight程序启动之后，这几个属性仍然可以被修改，除EnableGPUAcceleration之外。问题在于，如果EnableGPUAcceleration没有在HTML文件中被设置为True的话，EnableCacheVisualization和EnableFrameRateCounter也无法工作。看来微软给出这几个属性就是为了帮助开发显卡加速的动画的。

EnableFrameRateCounter被设置为真时，Silverlight界面左上角会显示出几个和GPU相关的数据，其中包括动画刷新帧数。但是我搜索了一下，Silverlight似乎没有提供函数，可以在程序中把这个帧数读出来。MSDN中提供了一个间接方法来计算帧数，利用CompositionTarget.Rendering这个事件。Silverlight没刷新一帧，都会抛出一个CompositionTarget.Rendering事件，对这个事件计数，就可以算出每秒帧数了。不过，用这个方法计算出来的帧数，与EnableFrameRateCounter设置显示的帧数居然是不同的。

CompositionTarget.Rendering事件的发生次数与用户设置的MaxFrameRate和系统繁忙程度相关。而EnableFrameRateCounter显示出来的那个帧数还与Silverlight动画是否需要刷新相关。比如对于一个界面不怎么活跃的Silverlight程序，当Silverlight觉得不需要刷新界面时，它就不刷新，显示出来的帧数很可能是个位数，甚至为0。

ArrayList 与 List<T> 不一致的Range行为

今天发现C#中泛型和非泛型集合的某些方法，行为不一致。

比如下面这段程序，运行之后，test中有4个元素，而test1中只剩下两个元素。

System.Collections.Generic.List<string> test = new System.Collections.Generic.List<string>();
test.Add(“1”);
test.Add(“2”);
test.Add(“3”);
test.Add(“4”);
test.GetRange(1, 2).Clear();

System.Collections.ArrayList test1 = new System.Collections.ArrayList();
test1.Add(“1”);
test1.Add(“2”);
test1.Add(“3”);
test1.Add(“4”);
test1.GetRange(1, 2).Clear();