Krita 是 KDE 基金会项目下的一款专注于数码图形绘画 (Digital Art) 的跨平台开源软件。
在 Krita 官方讨论区 Krita Tutorial & Resources 板块和官方文档 Resources 页面可以获得许多有用的材质和笔刷。本文主体内容改编翻译自 https://forum.kde.org/viewtopic.php?f=274&t=140349
今天我将教你们如何创建一个酷炫的材质笔刷。如果你需要一些类似 Photoshop 的双重画笔一样的工具，那就是这个没错了。我想这是材质绘制的极佳方式。让我们开始吧：
首先创建一个基本笔刷贴图尺寸的文件（我使用 300*300px）并删除背景。
插入（或者手动绘制）「基础」贴图。这个贴图会决定笔刷贴图的形式、尺寸、比例并仅用于创建选区。随后右键点击该图层，在菜单中选择「选择不透明度 (Select Opaque)」。
随着校区从昌平宏福迁往西土城，一边为终于能够河北人进京城感到高兴，一边为入住人称将军冢的我校 1955 年最好的宿舍而担忧，喜忧参半的在陌生的新宿舍用 Axure 画着学院内部项目交互原型的自己，迎来了大学的第一个寒假。
恶补 React 和 ES6 知识、补习高数预习离散数学和入门 TensorFlow、组织和培训学院内团队的新人们入门 Web 前后端、在 VJudge 上参与面向 ACM 新生的 BUPT Winter Training 练习赛，前半个寒假就这么飞快的过去了。之后回到老家过年的我，其他时间就花在了这么一个 —— 类似网易云个人年报，展示校内自建应用的全局统计和用户个性化数据的单页面年报页面上。
校内应用个性化数据年报 设计稿/代码实现/图表效果
当时接到这个语焉不详的任务要求之后我其实是一脸懵逼的，而且这个明显重策划设计而非技术的任务，最开始居然只安排了我和另一位（虽然非常靠谱的）后端负责。于是只好抄刀硬上，自己当策划，出了一版初步设计稿就开始动工前端，然后再想办法拜托组里的设计师们修改设计图和撰写文案。后来转念一想，虽然这个估计写出来也没多少人看 (误) 的任务不是不能随便简单点糊弄过去，但是不如也干脆作为一个重新练习快要生疏的静态页面相关前端技术们的机会。最后的结果，大概就是在一个不算很复杂的移动端长页面上，塞进去了没有必要程度的自觉好玩想复习或尝试一下的技术吧。
这篇文章就以全程实录的方式，记述了我在接到这个校内应用个性化数据年报单页面的任务之后，从初期策划和出设计稿、组织文案撰写，再到前端工程开发、处理应用统计数据、利用 ECharts 绘制可视化图表，到最后部署上线的完整过程，以及在此期间内心满满的槽点。不得不说，一个春节在老家县城天天抱着 Surface 出来找咖啡馆干活也是没谁了，而且，这些校内应用用户数据存量稀薄的凄惨现实（导员别打我 233），实在有点让人难以正确的进行小数据可视化 ……
那么，也许你可以从本文窥见一个完整有趣的项目流程，或者了解我在项目过程中收获到的经验；或者你发现了其中我犯的错误或不足，也请不吝赐教。以下。
这学期在学校选修了一门名为「大数据分析技术导论」的公选课，课上纲领性的介绍了目前正处风口的大数据时代的特点，数据挖掘技术的操作过程和实际应用，并从统计分析基础和数据分析工具介绍两方面介绍了一些实践性质的内容。因为是导论性质的课程，课堂内容侧重介绍和应用的性质居多，而对围绕 Hadoop 和 Spark 的实际大数据技术栈，只简单按分类介绍了 MapReduce 、 NoSQL 类数据库、数据集成等常用工具的功能和使用场景，除了最后一节课以 Weka 为例示范了简单的数据集统计分析和经典机器学习模型训练，其他并没有深入讲解到实践操作部分。
作为课程考核的一部分，在分析论文、利用数据集进行分析实验两个选题中，我选择了后者。因为不可能有合适的平台练习分布式存储、批处理和持续集成，最后决定自己爬取一份数据，把简单数据可视化分析的流程跑通。中间踩坑的过程非常多，实际上大部分的想法都没有成功，但是尝试的过程中，对大数据领域工作流和技术栈的加深了解，应该算是达到了这个导论课本身的意义。
BigDataGumi 动画评分数据可视化分析
这篇文章记录了利用 Bangumi 番组计划 (bgm.tv) 网站的动画条目和评分数据，进行数据统计分析的项目「BigDataGumi」的初步进展，包括设计网页爬虫抓取数据、利用可视化分析工具尝试获取有价值信息的实际操作部分。一些没有实现的想法和没有呈现在结果中的可能的学习方向，也会作为学习经历的一部分记录。项目的下一步想法是训练一个 tag-orinted 的机器学习模型，能够计算动画的 STAFF 构成和 TAG 标签属性对评分影响的权重，并根据 STAFF 和 TAG 数据预测新番的最终稳定评分，在撰写本文时仍在进行中。
尽管这个项目目前的进展不怎么大数据，不过如果你和之前的我一样从未接触过数据挖掘这个领域，从这篇文章你可以看到简单的数据爬取和可视化分析的操作流程，并且了解到数据分析部分领域的概貌。涉及到的都是非常粗浅的内容，见笑。 READ MORE →
这篇文章将简要介绍 TiddlyWiki 的特点，并且分享一些常用的参考链接、资源、插件和常见问题的解决方案，以方便有相近需求的小伙伴们。
TiddlyWiki ，按官方说法是一个「非线性个人 Web 笔记本」。相比其他笔记和 Wiki 系统，其最大的特点之一是程序本体和数据全部都在一个单 html 文件内，与此同时仍然有着非常强大的功能和插件系统。在我看来，管理以文字、代码和数学公式为主的个人知识库， TiddlyWiki 可谓是最好的选择之一。
可以在我的知识库站点「Dimpurr’s Knowledge Base #1」：http://note.dimpurr.com/ 体验一下 TiddlyWiki 的使用和效果。
注意，任意访客都可以体验到 TiddlyWiki 的全部功能，包括编辑和设置。不用担心，你可以随意折腾，因为你无法将更改保存到我的服务器上，只能下载到本地。
TiddlyWiki 效果预览
本文原载于 Bangumi.tv Dimpurr » 日志 » 「把不想忘记的思念融进心愿 ……」
词不达意。
很多次看完动画都有提笔一写的冲动，最近的一次大概还是「结城友奈」。那时都选好了头图，甚至拟好了标题，却无法动笔。
心中的所思所想太过混杂；自己混乱的文字，能否传达出丝毫？抑或是只有彻头彻尾的反效果？我想叙说的那些事情，我真的做好的准备了么？还是徒增笑料，成为自己都不愿意回看的文字？我知道自己经常带着极强的偏好和预设去代入故事；我知道自己特别喜欢按自己的口味截取和曲解动画；我知道我的关注点很可能与很大一部分人不同。我不知道自己是否已经可以理直气壮的说出自己想说的内容，而不必担心自己笨拙的描述让人误会了内涵。
但是这次如果我不写，我根本无法称自己看完了一季 ef ；如果我不动笔，那么那部我眼中的 ef 便无处存在。
ef – a tale of memories.
相比别的话题作，对于 ef 一开始并没有太多预设的了解。只知道是 GalGame 游戏改；知道还算出名， Bangumi 排名和评价也算挺高。后来无意间跳跃着看了下第一集，才知道是大沼心监督，为出色的表现手法惊叹过后，并没有太弄懂故事的主题，于是决定等有时间了再补。其间依稀听说过原作 minori 的一些故事，然而也并没有留下特别深刻的印象。
大概已经过了许久，没有再动手写一篇不止是给自己看的文章了。
明天早上返校，所以大概没有那么多时间构思和修改。并不是真的多么在意这在别人眼中会怎样 —— 更重要的是，随着时间沉淀下来的这篇文章，在以后的自己眼中将会怎样。
无意间翻阅 Google Keep 中两三年前的 Notes ，发现那时候基本都是想要写的主题先记下来几天，等有了些想法之后再动笔。只是这次，我必须得这样仓促的开始，然后又仓促的结束，并回归到并不能用日复一日来形容的日常中 —— 这样的，我的高中和高三生活中了。
上一篇中，我们已经建立了基本的 Model 数据模型，并且熟悉了关于数据结构的存取、更新操作。本篇中主要介绍了对 Model 数据进行操作的常用方法，包含有许多示例 参见 ，亲自操作一下就很容易明白。
为了方便，我们可以通过 Python 在终端提供的交互式 Shell 来尝试和熟悉各种数据接口类的 API 。
python manage.py shell
使用这个命令会启动 Python 的交互式 Shell ，并且预先加载好 Django 所需的环境和变量。
涉及到的新方法：
all() 列出所有对象save() 将该对象存入数据库前段时间突发奇想，捣鼓出了这个纯 CSS 选择器实现的在线 HTML <head> Meta 标签生成器，以解决每次要写 HTML 头都得去找个之前的文档复制，还得琢磨半天需要哪些的麻烦。没有到用一行 JavaScript ，基本原理是 CSS 3 的 + 紧邻选择器和 ~ 同级后继选择器。前端攻城狮们可以用短链接 http://find.moe/headgen 快速访问，也可以拖到收藏夹备用。
感谢 电灵 酱对最终样式的建议。
Dimpurr’s Head Tag Generator
写的时候感觉槽点一大堆，过了一周什么都忘了 …… 简单说明一下实现的要点吧。如果有更好的实现思路或觉得有可以改进的地方敬请指教，不过，前提是无 JavaScript 。
Slackview 是一个黑色扁平大气风格、 HTML5 多级响应式三栏布局的 WordPress 主题。她是 Clearision 的姐妹主题，也将是我的第二款长期自用主题。
Slackview
这篇文章记录了如何创建 Django 项目的一个子应用并编写 models.py 。如有错误，请不吝赐教。
Django 框架同样遵循 MVC 开发模式。在 Django 中，我们定义 Model 数据模型并自动同步生成数据库和后台，由 Template 和 Views 处理界面并转交 URLconf 控制器。
因为 MVC 中 C (Controller) 的部分主要交给框架进行，我们也将 Django 称为 MTV (Model, Template, Views) 模式。 参见
一个 Django 项目有两种层级，称为 project 项目 和 app 应用。一般来说，一个 project 就是一个完整的站点，比如一个大型论坛或者门户站点。而一个 app 就是一个有完整功能、可复用的应用，比如一个私信组件，一个投票组件或者一个讨论版。
一个 project 即使没有 app 也能独立运行，但是一个独立的 app 可以在不同的 project 中复用。另外，如果你要使用 Django 的模型功能即数据库层，模型必须存放在 app 中。
执行 ./manage.py startapp polls 命令，来创建一个名为 polls 的 app 。同样， Django 会自动在项目根目录下创建一个名为 polls 的目录和一系列文件。我们会以 Django 官方教程为例，先编写一个投票应用。
在这个应用中，我们需要 Quesntion 问题和 Choice 选项两个类，并且添加一系列的属性。
首先，我们编辑 polls/models.py ，这个文件就是你的模型：
Django 是一款知名的 Python Web 框架，最初为 CMS 设计，现在已经发展成为了一个能快速根据抽象数据模型生成和维护数据库、后台、和模版系统，同时自带用户系统、地址重写等大量实用功能的大型框架。
本文为个人在 Django 学习中的一些心得体会，主要是官方教程和参考文档的一些整理和归纳，并非完全依照原教程翻译而来，因此如有错误，请不吝赐教。
由于本文力求语言精简、参考方便，因此很多较为基础的内容，并没有特别详细的进行解释。不过在容易混淆的部分，大部分都提供了有对应的详细解释说明的「参见」链接，应当注意。
首先，安装 Python 的包管理器 pip 。首先尝试使用 Python 自带的 easy_install 模块安装：
为了制定新学期的阅读计划，看着乱七八糟的书柜实在不爽，于是折腾了一整个晚上把自己的书柜整理好了 …… 相应为自己的两个书架做了份布局对照表。于是留档。
就在钉子房间书桌旁边触手可及的书柜。存放常用的书，不过也有不少书带到学校了，比如看了十来遍的「量子力学史话」缺席此合照。
钉子房间内的小书架の对照表