&figure&&img src=&https://pic1.zhimg.com/v2-7c8bcc090b6302_b.jpg& data-rawwidth=&1035& data-rawheight=&482& class=&origin_image zh-lightbox-thumb& width=&1035& data-original=&https://pic1.zhimg.com/v2-7c8bcc090b6302_r.jpg&&&/figure&&p&冷战时期苏联的装甲洪流让西方国家感到恐惧，苏联坦过，当然克独特的布局，尤其是60年代开始复合装甲的出现更是令这种恐惧上升到了极致。本文就来说说苏联坦克装甲的发展历程，本文由外文资料收集整理而成，受本人水平和所用资料的限制，可能存在错误，欢迎指正。本文谢绝一切形式的转载。&/p&&p&首先1966年后苏联/俄罗斯/乌克兰坦克发展线图镇楼。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-fbbbb68bed91253_b.jpg& data-caption=&& data-rawwidth=&3368& data-rawheight=&668& class=&origin_image zh-lightbox-thumb& width=&3368& data-original=&https://pic1.zhimg.com/v2-fbbbb68bed91253_r.jpg&&&/figure&&p&&br&&/p&&p&冷战后的坦克装甲的发展有一个特点，就是越来越强调坦克正面装甲的防护性能，首先介绍的是车体前部装甲，按照防护类型可以分为首上迎弹和首下迎弹，首上防弹就是利用大倾角的首上装甲作为主迎弹面，特点是在确保防护水平的前提下可以有效减轻重量，防护面积大，代价是减小车内空间，以苏系坦克为代表。首下迎弹就是利用大倾角的首下装甲作为主迎弹面，特点是正面防护面积大，车内空间利用率高，有利于布置更多油料弹药和提高人员舒适度，缺点是装甲倾角很难做大，同等防护水平需要更重的装甲，不利于减重，以美系M1坦克为代表。豹2坦克比较独特，结合了两者，提高防护水平的同时，带来的副作用是重量的提升。至于挑战者，就是个逗逼。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-af2bf43bc2bb90fc1445e_b.jpg& data-caption=&& data-rawwidth=&960& data-rawheight=&238& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic4.zhimg.com/v2-af2bf43bc2bb90fc1445e_r.jpg&&&/figure&&p&&br&&/p&&p&从T-64开始，苏联坦克车体装甲一直使用68°法线角的首上装甲布局。有人肯定要问首下装甲又薄倾角又差，抗弹性能如何保证，由于首下装甲面积较小且位置较低，中弹概率低，为减轻重量，平衡其他性能，故首下装甲确实较弱，这也是游戏《坦克世界》中大家喜欢打裤裆的由来。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-bd804d33d229b210b1c9b8a324b5b5aa_b.jpg& data-caption=&& data-rawwidth=&409& data-rawheight=&259& class=&content_image& width=&409&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&苏系坦克首上装甲发展线图，竖着看，第一列是T-64，第二列是T-80，第三列是T-72/90，第四列是T-62，第五列是T-55，图例解释：粉色（聚氨酯）、蓝色（陶瓷）、咖啡色（炸药）、灰色（钢装甲）、黑色（附加钢装甲）、橙色（酚醛玻璃纤维）、白色（空气）、红棕色（橡胶）、绿色（防辐射衬层）。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-a228f462e9ad69afcf77abf_b.jpg& data-caption=&& data-rawwidth=&1900& data-rawheight=&2850& class=&origin_image zh-lightbox-thumb& width=&1900& data-original=&https://pic3.zhimg.com/v2-a228f462e9ad69afcf77abf_r.jpg&&&/figure&&p&&br&&/p&&p&苏系坦克首上装甲总的发展思路是:钢酚醛玻璃纤维/陶瓷复合装甲→间隔装甲→ERA橡胶复合间隔装甲。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-9be709b8cc4ca3ba_b.jpg& data-caption=&& data-rawwidth=&1044& data-rawheight=&519& class=&origin_image zh-lightbox-thumb& width=&1044& data-original=&https://pic1.zhimg.com/v2-9be709b8cc4ca3ba_r.jpg&&&/figure&&p&&br&&/p&&p&T-64系列坦克首上装甲结构图，装甲法向厚度称之为物理厚度，水平截面的厚度称之为水平等效厚度，下文中将简写为LOS，早期T-64首上装甲为80/105/20mm（钢/酚醛玻璃纤维/钢），LOS为547mm，后期T-64B首上装甲为100/105/20mm，LOS为600mm。1982年苏联惊讶的发现以色列的M111尾翼稳定脱壳穿甲弹可以击穿T-72的首上装甲，于是1983年紧急执行了ОКР “Отражаемость”（反射率）升级项目，除T-72A首上加焊了16mm的钢板外，T-64A、T-64B首上都加焊了30mm附加钢板，LOS增加至627mm、680mm。T-64BV改变了首上装甲布局，5片夹心式，60/35/29/35/30mm，LOS降至504mm，但别忘了装甲外部还有ERA（Explosive Reactive Armor 爆炸反应装甲）。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-d22ed559aa3a91_b.jpg& data-caption=&& data-rawwidth=&2000& data-rawheight=&1117& class=&origin_image zh-lightbox-thumb& width=&2000& data-original=&https://pic3.zhimg.com/v2-d22ed559aa3a91_r.jpg&&&/figure&&p&&br&&/p&&p&值得一提的是T-64时代苏联就已经实现自动化生产，T-64生产线大量自动化设备，比如首上装甲由机械臂自动安装到位，可以清晰的看出80/105/20的结构。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-18b56fac3e75f2136bd1f_b.jpg& data-caption=&& data-rawwidth=&500& data-rawheight=&346& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic4.zhimg.com/v2-18b56fac3e75f2136bd1f_r.jpg&&&/figure&&p&&br&&/p&&p&T-80与T-64A首上装甲一样，从T-80B开始换用了新的装甲布局，60/50/50/45mm，减少装甲面板厚度的同时增加了装甲背板的厚度，LOS为547mm。T-80B也在“反射率”项目中被升级，首上加焊了30mm附加钢板，LOS升至627mm。T-80BV首上装甲改为5片夹心，50/35/50/35/50mm，LOS为587mm，其外还有ERA，值得注意的是右T-80B升级来的T-80BV首上仍然是老装甲加装ERA。T-80U早期首上装甲同T-80BV（不含ERA）。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-bfe9c69f17bdf0dedc76_b.jpg& data-caption=&& data-rawwidth=&1680& data-rawheight=&901& class=&origin_image zh-lightbox-thumb& width=&1680& data-original=&https://pic1.zhimg.com/v2-bfe9c69f17bdf0dedc76_r.jpg&&&/figure&&p&&br&&/p&&p&T-80U首上装甲经过了多次更改，首先是增加了空气间隙，布局调整为51/35/31/20（空气）/35/50mm，ERA改为嵌入式，外表还有25mm装甲钢，LOS为854mm（含ERA），后期的T-80U将此前一直使用的酚醛玻璃纤维夹层改为陶瓷夹层，装甲面板厚度增加4mm，空气间隙减少15mm，LOS为824mm（含ERA），略有减小。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-6ac7abbdd20eebfa34c73_b.jpg& data-caption=&& data-rawwidth=&848& data-rawheight=&1388& class=&origin_image zh-lightbox-thumb& width=&848& data-original=&https://pic2.zhimg.com/v2-6ac7abbdd20eebfa34c73_r.jpg&&&/figure&&p&&br&&/p&&p&早期的T-72与T-64A首上装甲相同，80/105/20mm，LOS为547mm，T-72A调整了装甲面板和装甲背板的厚度，改为60/105/50，LOS为573mm，物理厚度比T-64A多了10mm，这也是“反射率”项目中T-64A、T-64B、T-80、T-80B首上都加焊了30mm附加钢板，唯独T-72A首上只加焊了16mm的钢板，加焊钢板后的T-72A首上装甲LOS为616mm。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-bd7a0be49_b.jpg& data-caption=&& data-rawwidth=&2262& data-rawheight=&332& class=&origin_image zh-lightbox-thumb& width=&2262& data-original=&https://pic4.zhimg.com/v2-bd7a0be49_r.jpg&&&/figure&&p&&br&&/p&&p&后期的T-72A采用全新设计的间隙式首上装甲，60mm装甲面板与50mm装甲背板之间有三个15mm厚的装甲隔板，还有四个15mm的空气间隙，LOS为574mm。由T-72A升级的T-72AV首上装甲与T-72A相同，表面加装ERA。T-72B首上装甲改为8/60/10/10/10/10/10/20/10/20/10/50mm，共五个10mm空气间隔，LOS为608mm（不含ERA）。T-72BA和T-90采用了全新的装甲，25/37/50/5/3/19/3/5/60/10/60mm，非常复杂，两个5mm的橡胶层，一个10mm的防辐射衬层，19mm的空气间隙，嵌入式ERA，LOS高达739mm（含ERA）。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-fcc6eb8f7c7cdd9b6f6f1_b.jpg& data-caption=&& data-rawwidth=&1048& data-rawheight=&1797& class=&origin_image zh-lightbox-thumb& width=&1048& data-original=&https://pic4.zhimg.com/v2-fcc6eb8f7c7cdd9b6f6f1_r.jpg&&&/figure&&p&&br&&/p&&p&说了那么多首上装甲，让我们来看看战争中因为殉爆漏出的首上装甲，看装甲识型号。乌克兰顿巴斯地区的坦克残骸，猜猜是什么坦克？&/p&&figure&&img src=&https://pic4.zhimg.com/v2-7adbc0f354d7f_b.jpg& data-caption=&& data-rawwidth=&1044& data-rawheight=&490& class=&origin_image zh-lightbox-thumb& width=&1044& data-original=&https://pic4.zhimg.com/v2-7adbc0f354d7f_r.jpg&&&/figure&&p&&br&&/p&&p&这个又是什么坦克？&/p&&figure&&img src=&https://pic2.zhimg.com/v2-a9a55e31b91da4db31c43c_b.jpg& data-caption=&& data-rawwidth=&1043& data-rawheight=&438& class=&origin_image zh-lightbox-thumb& width=&1043& data-original=&https://pic2.zhimg.com/v2-a9a55e31b91da4db31c43c_r.jpg&&&/figure&&p&&br&&/p&&p&还有这个？&/p&&figure&&img src=&https://pic1.zhimg.com/v2-f1aaf04f064f8cfe2884be_b.jpg& data-caption=&& data-rawwidth=&640& data-rawheight=&433& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic1.zhimg.com/v2-f1aaf04f064f8cfe2884be_r.jpg&&&/figure&&p&&br&&/p&&p&再来说说苏系坦克的炮塔，从T-64开始，苏系坦克都采用外形低矮的偏心圆形炮塔，外形低矮是为了降低被命中的概率，但是更有意思的是炮塔装甲的分布，下图为偏心圆形炮塔装甲分布图，之后长达三十年的时间里，苏联/俄罗斯一直使用这样的炮塔布局。&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-79f6cb8ebee5b1762eaa7_b.jpg& data-caption=&& data-rawwidth=&500& data-rawheight=&308& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic2.zhimg.com/v2-79f6cb8ebee5b1762eaa7_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&这样的炮塔展现了苏联设计师的两个重要思路，一个是可以有效隐藏炮塔两侧靠后处薄弱的装甲，设计师将两侧靠后的装甲向中心收拢，这样炮塔在水平面-30°至+30°的迎弹面均为正面主装甲，装甲薄弱的地方被有效的隐藏了起来，另外一个优点是在水平面-30°至+30°的迎弹面装甲厚度均匀，以减少弱点。下图为T-80和豹-2的正面-35°至+35°的迎弹面示意图。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-cef00ca9d97fbcc654fe37_b.jpg& data-caption=&& data-rawwidth=&800& data-rawheight=&371& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic3.zhimg.com/v2-cef00ca9d97fbcc654fe37_r.jpg&&&/figure&&p&&br&&/p&&p&T-64之前苏系坦克普遍使用半球形铸造炮塔，图为T-62炮塔装甲物理厚度分布图，不难看出炮塔前部极限厚度也仅为235mm。为了在增强炮塔防御能力的同时尽量控制住重量的上升，从T-64开始基本所有的苏系坦克炮塔都采用复合装甲，炮塔前部装甲内有空腔用于安装低密度复合材料，苏系坦克炮塔装甲的发展，主要是空腔内填入的复合材料的发展。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-a29eaa2370df_b.jpg& data-caption=&& data-rawwidth=&462& data-rawheight=&480& class=&origin_image zh-lightbox-thumb& width=&462& data-original=&https://pic1.zhimg.com/v2-a29eaa2370df_r.jpg&&&/figure&&p&&br&&/p&&p&苏系炮塔最具代表性的复合材料发展历程，T-64B使用陶瓷球阵列充填材料，T-72B使用多层铝板与橡胶交叠而成的间隙夹层材料，T-80U使用带孔的“蜂窝”装甲板，T-90使用类似T-72B的间隙夹层材料，外加轧制装甲钢焊接炮塔。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-034aba5b7dcd_b.jpg& data-caption=&& data-rawwidth=&2101& data-rawheight=&1526& class=&origin_image zh-lightbox-thumb& width=&2101& data-original=&https://pic1.zhimg.com/v2-034aba5b7dcd_r.jpg&&&/figure&&p&&br&&/p&&p&70年代初，T-64B炮塔使用了陶瓷球装甲，图为陶瓷球装甲炮塔示意图，陶瓷球直径约70mm，陶瓷球之间充填玻璃纤维增强树脂，陶瓷球在炮塔中排成两层，通过两次铸造，第一次铸造预制成模块，第二次在炮塔铸造时将模块嵌铸在炮塔内。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-cbd179642acef_b.jpg& data-caption=&& data-rawwidth=&482& data-rawheight=&338& class=&origin_image zh-lightbox-thumb& width=&482& data-original=&https://pic3.zhimg.com/v2-cbd179642acef_r.jpg&&&/figure&&p&&br&&/p&&p&类似的陶瓷球复合装甲至今仍然活跃在防弹材料中，图为陶瓷球轻型防弹板，可以抵御14.5mm高射机枪的射击。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-dada9551110_b.jpg& data-caption=&& data-rawwidth=&3648& data-rawheight=&2736& class=&origin_image zh-lightbox-thumb& width=&3648& data-original=&https://pic4.zhimg.com/v2-dada9551110_r.jpg&&&/figure&&p&&br&&/p&&p&14.5x114mm高射机枪弹对陶瓷球防弹板进行实弹测试。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-ea50eed1c5a9fccf8ed33b61_b.jpg& data-caption=&& data-rawwidth=&800& data-rawheight=&660& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic1.zhimg.com/v2-ea50eed1c5a9fccf8ed33b61_r.jpg&&&/figure&&p&&br&&/p&&p&从后效背板来看，所有射击均未击穿，也侧面证明了陶瓷球防弹板防弹性能还是很不错的，而且装甲质量密度低。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-faf824c09cd9bebb776b1e_b.jpg& data-caption=&& data-rawwidth=&685& data-rawheight=&800& class=&origin_image zh-lightbox-thumb& width=&685& data-original=&https://pic1.zhimg.com/v2-faf824c09cd9bebb776b1e_r.jpg&&&/figure&&p&&br&&/p&&p&T-64BV炮塔LOS分布图。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-aba034b18d86fbe5dcce92_b.jpg& data-caption=&& data-rawwidth=&2106& data-rawheight=&1535& class=&origin_image zh-lightbox-thumb& width=&2106& data-original=&https://pic1.zhimg.com/v2-aba034b18d86fbe5dcce92_r.jpg&&&/figure&&p&&br&&/p&&p&T-64BV炮塔，由于陶瓷球是嵌铸在炮塔内，炮塔外表是光滑的，没有任何焊接的痕迹。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-1a8a2dc4b991ceca2ded9e22fb00912a_b.jpg& data-caption=&& data-rawwidth=&900& data-rawheight=&675& class=&origin_image zh-lightbox-thumb& width=&900& data-original=&https://pic2.zhimg.com/v2-1a8a2dc4b991ceca2ded9e22fb00912a_r.jpg&&&/figure&&p&&br&&/p&&p&70年代末期，T-80B和T-72A使用了石英砂充填物，主要出于两方面考虑，一是研究表明石英砂复合装甲抗弹性能与陶瓷球装甲相比差距不大，且发展前景较好，二是石英砂不需要像陶瓷球那么强调阵列位置，制造工艺简单，仅需要在炮塔铸造时嵌铸在炮塔内即可，节约时间和成本。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-def1e3b3e44d1bb10bceb56d47e89da5_b.jpg& data-caption=&& data-rawwidth=&1280& data-rawheight=&864& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-def1e3b3e44d1bb10bceb56d47e89da5_r.jpg&&&/figure&&p&&br&&/p&&p&T-80B炮塔，炮塔是一次性铸造成型的，从顶部看不到空腔顶板焊缝（炮塔顶盖是单独铸件并焊接的）。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-63dc817b87eed9c30c31f2_b.jpg& data-caption=&& data-rawwidth=&1548& data-rawheight=&1032& class=&origin_image zh-lightbox-thumb& width=&1548& data-original=&https://pic2.zhimg.com/v2-63dc817b87eed9c30c31f2_r.jpg&&&/figure&&p&&br&&/p&&p&T-72A炮塔也是同样的情况，一次铸造成型的炮塔。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-bafa56dae56e9e80e401ae_b.jpg& data-caption=&& data-rawwidth=&695& data-rawheight=&464& class=&origin_image zh-lightbox-thumb& width=&695& data-original=&https://pic1.zhimg.com/v2-bafa56dae56e9e80e401ae_r.jpg&&&/figure&&p&&br&&/p&&p&T-80BV也是一样。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-a7900cbe7ab135f879fc93_b.jpg& data-caption=&& data-rawwidth=&700& data-rawheight=&466& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&https://pic1.zhimg.com/v2-a7900cbe7ab135f879fc93_r.jpg&&&/figure&&p&&br&&/p&&p&一次铸造成型的炮塔并不一定就是复合装甲，T-72及出口型T-72M就是不折不扣的铁疙瘩。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-8b31c8cf1573e2dcd59850a4bec7a21e_b.jpg& data-caption=&& data-rawwidth=&664& data-rawheight=&362& class=&origin_image zh-lightbox-thumb& width=&664& data-original=&https://pic1.zhimg.com/v2-8b31c8cf1573e2dcd59850a4bec7a21e_r.jpg&&&/figure&&p&&br&&/p&&p&80年代出现的T-72B，采用了全新的间隙装甲，这种装甲由21/6/3mm（钢-橡胶-铝）夹板间隔22mm空气组成，与火炮轴线成54°-55°的角度。这种装甲在西方国家被称为NERA（Non-Energetic Reactive Armour），字面翻译是非含能反应装甲，国内一般称之为响应装甲，或者间隙复合装甲。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-761ab15eaaa643f874ed6c_b.jpg& data-caption=&& data-rawwidth=&1864& data-rawheight=&1315& class=&origin_image zh-lightbox-thumb& width=&1864& data-original=&https://pic1.zhimg.com/v2-761ab15eaaa643f874ed6c_r.jpg&&&/figure&&p&&br&&/p&&p&NERA其工作原理是当射流击穿面板的瞬间， 面板产生一定幅度的弯曲变形，这一动作通过橡胶板传递到内侧铝合金薄片，并推动薄片产生移动。由于膨胀层与射流来袭方向并不垂直，因此铝片有切割射流的趋势。不过在设计T-72B 炮塔装甲时， 军方要求该装甲不但可抵御射流，而且能切割穿杆。因此夹板设计的厚了一些、 空气间隙紧了一些。防穿跟防破这两个难题难以两全，T-72B 坦克炮塔对破甲弹的防护能力并不理想。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-dabdacb280ffbbfdf71fdba8_b.jpg& data-caption=&& data-rawwidth=&800& data-rawheight=&492& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic3.zhimg.com/v2-dabdacb280ffbbfdf71fdba8_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/v2-ef2a4a8ca733d8b306b70d8_b.jpg& data-caption=&& data-rawwidth=&804& data-rawheight=&482& class=&origin_image zh-lightbox-thumb& width=&804& data-original=&https://pic1.zhimg.com/v2-ef2a4a8ca733d8b306b70d8_r.jpg&&&/figure&&p&&br&&/p&&p&T-72B单侧间隙装甲模块，各夹板间焊接有支撑板。在每个空腔中，一组20个30mm的夹板，每个夹板之间焊接3个薄金属板，为相邻夹板提供 22mm空隙。两个空腔都有一个45mm的装甲板，位于装甲模块和腔体的内壁之间。两个腔体的NERA总重量 781公斤。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-e8a020f77451bab9caba_b.jpg& data-caption=&& data-rawwidth=&1409& data-rawheight=&1009& class=&origin_image zh-lightbox-thumb& width=&1409& data-original=&https://pic2.zhimg.com/v2-e8a020f77451bab9caba_r.jpg&&&/figure&&p&&br&&/p&&p&T-72B不再使用以前的一次性嵌铸，而是在炮塔铸造时为NERA预留了位置。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-91a92ee0adb884f54df22b00f0cad517_b.jpg& data-caption=&& data-rawwidth=&1000& data-rawheight=&697& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&https://pic4.zhimg.com/v2-91a92ee0adb884f54df22b00f0cad517_r.jpg&&&/figure&&p&&br&&/p&&p&待NERA装入后加装顶板焊接密封，可以清楚的看到T-72B炮塔顶部空腔顶板的焊缝。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-4c0ebbd2dd79ea43fa7be_b.jpg& data-caption=&& data-rawwidth=&1200& data-rawheight=&779& class=&origin_image zh-lightbox-thumb& width=&1200& data-original=&https://pic1.zhimg.com/v2-4c0ebbd2dd79ea43fa7be_r.jpg&&&/figure&&p&&br&&/p&&p&在NERA同时期应用的还有蜂窝装甲，T-80U使用的蜂窝装甲，使用带预制孔的铸造钢板，正面深孔，背面浅孔，孔内填充聚氨酯，一共两层，孔深略有区别，另夹两层高屈服力装甲钢背板，空隙由聚氨酯填实厚，炮塔空腔顶部加焊顶板。使用蜂窝装甲代替玻璃纤维可以将装甲尺寸减小15％，质量减小30％。与均质钢相比，可以在保持相似的尺寸的同时将重量降低至60％。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-c31dbdd9c7e589cfa81df1e8_b.jpg& data-caption=&& data-rawwidth=&1960& data-rawheight=&1473& class=&origin_image zh-lightbox-thumb& width=&1960& data-original=&https://pic4.zhimg.com/v2-c31dbdd9c7e589cfa81df1e8_r.jpg&&&/figure&&p&&br&&/p&&p&T-80U炮塔，顶部有空腔顶板焊接痕迹。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-9aae1ff6eeafb_b.jpg& data-caption=&& data-rawwidth=&2000& data-rawheight=&1500& class=&origin_image zh-lightbox-thumb& width=&2000& data-original=&https://pic4.zhimg.com/v2-9aae1ff6eeafb_r.jpg&&&/figure&&p&&br&&/p&&p&蜂窝装甲的目前仍在乌克兰T-84 Oplot-M坦克炮塔上使用，这是其为数不多的实物照片。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-ff03fc9f462_b.jpg& data-caption=&& data-rawwidth=&1042& data-rawheight=&1200& class=&origin_image zh-lightbox-thumb& width=&1042& data-original=&https://pic3.zhimg.com/v2-ff03fc9f462_r.jpg&&&/figure&&p&&br&&/p&&p&90年代的T-90A改用焊接炮塔，其炮塔前部仍有巨大的空腔用于安装NERA。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-6a644c56fc49dd34af94e1f876f6efb7_b.jpg& data-caption=&& data-rawwidth=&1024& data-rawheight=&450& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic2.zhimg.com/v2-6a644c56fc49dd34af94e1f876f6efb7_r.jpg&&&/figure&&p&&br&&/p&&p&T-90A炮塔各部位LOS数值。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-d39da3a664efd_b.jpg& data-caption=&& data-rawwidth=&2064& data-rawheight=&2160& class=&origin_image zh-lightbox-thumb& width=&2064& data-original=&https://pic2.zhimg.com/v2-d39da3a664efd_r.jpg&&&/figure&&p&&br&&/p&&p&1995 年，俄罗斯陆军对现役最好的T-80U 与 T-90 主战坦克进行了一系列的抗打击试验。测试表明在没有ERA的情况下，T-90的NERA抗弹性能更优秀。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-2cfeba070f1d7a86aa9521_b.jpg& data-caption=&& data-rawwidth=&2560& data-rawheight=&1533& class=&origin_image zh-lightbox-thumb& width=&2560& data-original=&https://pic1.zhimg.com/v2-2cfeba070f1d7a86aa9521_r.jpg&&&/figure&&p&&br&&/p&&p&有很多人问如何检验坦克被击中时乘员是否能存活，除了后效靶板测试方法外，最真实的就是活体测试，只不过使用的是兔子车长、兔子炮长和兔子驾驶员。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-d40bfabee0f1fc_b.jpg& data-caption=&& data-rawwidth=&1773& data-rawheight=&1197& class=&origin_image zh-lightbox-thumb& width=&1773& data-original=&https://pic1.zhimg.com/v2-d40bfabee0f1fc_r.jpg&&&/figure&&p&&br&&/p&&p&以色列人于80年代初率先使用ERA后，苏联人于83年推出了Kontakt-1（接触-1）ERA，外层是3mm的钢板，中间安放了两个4C20反应块，单个厚度为15mm，结构为夹钝性炸药的薄钢板（抛板+背板），ERA整体尺寸为250X138X103mm，钝性炸药量约为350克。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-a2c4369aaeeac849ab77f76_b.jpg& data-caption=&& data-rawwidth=&1000& data-rawheight=&418& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&https://pic1.zhimg.com/v2-a2c4369aaeeac849ab77f76_r.jpg&&&/figure&&p&&br&&/p&&p&Kontakt-1在安装时有方向性，原理是当射流穿透外壳和抛板后，引爆位于钢板中间的钝性炸药，在炸药爆炸波的推动下，利用爆炸抛出的金属板侧向作用空心装药射流和尾翼稳定脱壳穿甲弹从而实现对射流产生极大地扰动和干扰，急剧降低射流对装甲的侵彻力。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-baa19fbe615f5f_b.jpg& data-caption=&& data-rawwidth=&484& data-rawheight=&180& class=&origin_image zh-lightbox-thumb& width=&484& data-original=&https://pic1.zhimg.com/v2-baa19fbe615f5f_r.jpg&&&/figure&&p&&br&&/p&&p&Kontakt-1一般安装于首上装甲，炮塔前半部及顶部，裙板两侧，根据车型安装方式略有不同。下图为T-64BV首上安装图，一排可以安装13块，首上装甲安装不规则的4排，中部和两侧的安装方式不一样，首下装甲安装一排，ERA与主装甲之间均需要预留空气间隙。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-68a16eb964f87a2f56ded_b.jpg& data-caption=&& data-rawwidth=&2222& data-rawheight=&1875& class=&origin_image zh-lightbox-thumb& width=&2222& data-original=&https://pic4.zhimg.com/v2-68a16eb964f87a2f56ded_r.jpg&&&/figure&&p&&br&&/p&&p&T-80BV首上ERA安装图，仍然是4排，每排最多安装13块，值得注意的是有2块是反向安装的，并且首下取消了ERA，改用一块挡板。裙板上的ERA由安装架固定，仅横向安装一条，ERA与主装甲之间均需要预留空气间隙。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-6db1f7bf1b18fab87d200b_b.jpg& data-caption=&& data-rawwidth=&1280& data-rawheight=&949& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-6db1f7bf1b18fab87d200b_r.jpg&&&/figure&&p&&br&&/p&&p&炮塔的ERA安装方式，由于ERA需要一定的法线角，所以炮塔前部的ERA呈V字型安装，其他部位ERA安装方式与首上相同。值得一体的是T-64BV、T-72AV、T-80BV炮塔都采用了这样的安装方式，除了T-72BV。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-d458a8156882_b.jpg& data-caption=&& data-rawwidth=&1280& data-rawheight=&853& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic2.zhimg.com/v2-d458a8156882_r.jpg&&&/figure&&p&&br&&/p&&p&T-72BV的炮塔前部的Kontakt-1没有采用V字型安装，主要原因是由于著名的“超级多莉帕顿”炮塔太大了，再安装V字型Kontakt-1会造成使用上的不便。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-fbeab7af06_b.jpg& data-caption=&& data-rawwidth=&800& data-rawheight=&533& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic2.zhimg.com/v2-fbeab7af06_r.jpg&&&/figure&&p&&br&&/p&&p&从T-80U开始，使用了全新的Kontakt-5 ERA，Kontakt-5最大的特点是针对 APFSDS 进行了优化设计，加大了单个ERA的尺寸，可以有效对抗尾翼稳定脱壳穿甲弹，同时壳体钢板增厚至15mm，很难被串联HEAT第一级战斗部引爆，可以有效对抗串联HEAT。炮塔前部仍然是V字型安装。继T-80U之后，T-90和T-72B3也采用了Kontakt-5。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-dedd1a29eca5_b.jpg& data-caption=&& data-rawwidth=&1337& data-rawheight=&1658& class=&origin_image zh-lightbox-thumb& width=&1337& data-original=&https://pic3.zhimg.com/v2-dedd1a29eca5_r.jpg&&&/figure&&p&&br&&/p&&p&Kontakt-5使用了新型4C23反应块，相对于Kontakt-1的4C20反应块，尺寸和装药量都得到了提升。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-cbacef92c030ff758f2c16be_b.jpg& data-caption=&& data-rawwidth=&466& data-rawheight=&200& class=&origin_image zh-lightbox-thumb& width=&466& data-original=&https://pic1.zhimg.com/v2-cbacef92c030ff758f2c16be_r.jpg&&&/figure&&p&&br&&/p&&p&Kontakt-5炮塔前部V字型结构与安装方式。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-adbcf0af38_b.jpg& data-caption=&& data-rawwidth=&600& data-rawheight=&608& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic1.zhimg.com/v2-adbcf0af38_r.jpg&&&/figure&&p&Kontakt-5在首上采用嵌入式安装，反应块安装至预制位置后，表面覆盖25mm厚钢板。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-fcf60a9ca93d757dc47402_b.jpg& data-caption=&& data-rawwidth=&796& data-rawheight=&294& class=&origin_image zh-lightbox-thumb& width=&796& data-original=&https://pic3.zhimg.com/v2-fcf60a9ca93d757dc47402_r.jpg&&&/figure&&p&&br&&/p&&p&T-80UD首上Kontakt-5安装图。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-c9bc603cbdbe6909ada719cc604118ef_b.jpg& data-caption=&& data-rawwidth=&1137& data-rawheight=&435& class=&origin_image zh-lightbox-thumb& width=&1137& data-original=&https://pic4.zhimg.com/v2-c9bc603cbdbe6909ada719cc604118ef_r.jpg&&&/figure&&p&&br&&/p&&p&T-90S首上Kontakt-5安装图。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-113e9ba1f67f5bff2b49d_b.jpg& data-caption=&& data-rawwidth=&1200& data-rawheight=&360& class=&origin_image zh-lightbox-thumb& width=&1200& data-original=&https://pic1.zhimg.com/v2-113e9ba1f67f5bff2b49d_r.jpg&&&/figure&&p&&br&&/p&&p&T-90首上Kontakt-5安装从底部的安装孔装入，双层布置，首上有六个工艺孔，方便安装。&br&&figure&&img src=&https://pic1.zhimg.com/v2-92acdffb7afe_b.jpg& data-rawwidth=&1920& data-rawheight=&1080& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic1.zhimg.com/v2-92acdffb7afe_r.jpg&&&/figure&&br&&/p&&p&裙板上也采用嵌入式安装，反应块安装至预制位置后，表面覆盖15mm厚钢板。但只有车体前半部的裙板安装ERA。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-bffdbef6dea0fc1e24db4_b.jpg& data-caption=&& data-rawwidth=&531& data-rawheight=&457& class=&origin_image zh-lightbox-thumb& width=&531& data-original=&https://pic3.zhimg.com/v2-bffdbef6dea0fc1e24db4_r.jpg&&&/figure&&p&&br&&/p&&p&由于装甲工程是一个复杂的系统工程，至于其抗穿数据到底如何，由于没有权威资料，不敢妄加评论，本文仅从结构和原理上为大家讲解。&/p&&p&&br&&/p&&p&最后来介绍下坦克的价格，价格均为1999财年，单位是卢布，价格具有可对比性， 当年美元兑卢布汇率约为25。&/p&&p&T-64B
（ 6 075 000 p）&/p&&p&T-64BV
（6 250 000 p ）&/p&&p&T-72A
（5 400 000 p）&/p&&p&T-72B
（5 780 000 p） &/p&&p&Т-80BV
000 p）&/p&&p&T-80U
（9 020 000 p）&/p&&p&T-62M
（1 740 000 p）&/p&&p&T-62A
（1 750 000 p）&/p&&p&T-55M
（1 690 000 p）&/p&&p&T-55AM
（1 740 000 p）&/p&&p&T-55
（1 340 000 p）&/p&&p&T-54B
（892 000 p）&/p&&p&BMP-3
（7 100 000 p）&/p&&p&BMP-2
（1 905 000 p）&/p&&p&BMP-1
（1 280 000 p）&/p&&p&BTR-80
（ 980 000 p）&/p&&p&&br&&/p&&p&感谢阅读。&/p&&p&-end-&/p&
冷战时期苏联的装甲洪流让西方国家感到恐惧，苏联坦过，当然克独特的布局，尤其是60年代开始复合装甲的出现更是令这种恐惧上升到了极致。本文就来说说苏联坦克装甲的发展历程，本文由外文资料收集整理而成，受本人水平和所用资料的限制，可能存在错误，欢迎…
&figure&&img src=&https://pic1.zhimg.com/v2-82f2ee2c59a843b7ca0b0abbdeaa8923_b.jpg& data-rawwidth=&357& data-rawheight=&333& class=&content_image& width=&357&&&/figure&这篇也属于 《神经网络与深度学习总结系列》，最近看论文对Dropout这个知识点有点疑惑，就先总结以下。（没有一些基础可能看不懂，以后还会继续按照正常进度写总结）&br&&p&&b&是什么？&/b&&/p&&p&假设我们要训练这样一个神经网络&figure&&img src=&https://pic7.zhimg.com/v2-a14edf4bb8a36f40a568812_b.jpg& data-rawwidth=&366& data-rawheight=&341& class=&content_image& width=&366&&&/figure&&/p&&p&输入是x输出是y，正常的流程是：我们首先把x通过网络前向传播然后后把误差反向传播以决定 如何更新参数让网络进行学习。使用dropout之后过程变成：&/p&&br&1. 首先随机（临时）删掉网络中一半的隐藏神经元，输入输出神经元保持不变（下图中虚线为部分临时被删除的神经元）&br&&figure&&img src=&https://pic1.zhimg.com/v2-82f2ee2c59a843b7ca0b0abbdeaa8923_b.jpg& data-rawwidth=&357& data-rawheight=&333& class=&content_image& width=&357&&&/figure&&br&&br&2. 然后把输入x通过修改后的网络前向传播，然后把得到的损失结果通过修改的网络反向传播。一小批训练样本执行完这个过程后就按照随机梯度下降法更新（没有被删除的神经元）对应的参数（w，b）。&br&&p&3. 然后继续重复这一过程：&/p&&ul&&li&恢复被删掉的神经元（此时 被删除的神经元 保持原样，而没有被删除的神经元已经有所更新）&br&&/li&&li&从隐藏神经元中随机选择一个一半大小的子集 临时删除掉（备份被删除神经元的参数）。&/li&&li&对一小批训练样本，先前向传播然后反向传播损失并根据随机梯度下降法更新参数（w，b）
（没有被删除的那一部分参数得到更新，删除的神经元参数保持被删除前的结果）&/li&&/ul&&p&不断重复这一过程。&/p&&br&&p&dropout 的过程好像很奇怪，为什么说它可以解决过拟合呢？（正则化）&br&&/p&&ul&&li&取平均的作用：
先回到正常的模型（没有dropout），我们用相同的训练数据去训练5个不同的神经网络，一般会得到5个不同的结果，此时我们可以采用 “5个结果取均值”或者“多数取胜的投票策略”去决定最终结果。（例如 3个网络判断结果为数字9,那么很有可能真正的结果就是数字9，其它两个网络给出了错误结果）。这种“综合起来取平均”的策略通常可以有效防止过拟合问题。因为不同的网络可能产生不同的过拟合，取平均则有可能让一些“相反的”拟合互相抵消。dropout掉不同的隐藏神经元就类似在训练不同的网络（随机删掉一半隐藏神经元导致网络结构已经不同)，整个dropout过程就相当于 对很多个不同的神经网络取平均。而不同的网络产生不同的过拟合，一些互为“反向”的拟合相互抵消就可以达到整体上减少过拟合。&/li&&li&减少神经元之间复杂的共适应关系： 因为dropout程序导致两个神经元不一定每次都在一个dropout网络中出现。（这样权值的更新不再依赖于有固定关系的隐含节点的共同作用，阻止了某些特征仅仅在其它特定特征下才有效果的情况）。 迫使网络去学习更加鲁棒的特征 （这些特征在其它的神经元的随机子集中也存在）。换句话说假如我们的神经网络是在做出某种预测，它不应该对一些特定的线索片段太过敏感，即使丢失特定的线索，它也应该可以从众多其它线索中学习一些共同的模式（鲁棒性）。（这个角度看 dropout就有点像L1，L2正则，减少权重使得网络对丢失特定神经元连接的鲁棒性提高）&/li&&/ul&&p&（还有一个比较有意思的解释是，Dropout类似于性别在生物进化中的角色：物种为了生存往往会倾向于适应这种环境，环境突变则会导致物种难以做出及时反应，性别的出现可以繁衍出适应新环境的变种，有效的阻止过拟合，即避免环境改变时物种可能面临的灭绝。
当地球都是海洋时，人类是不是也进化出了再海里生活的能力呢？）&br&&/p&&br&&p&参考：&/p&&p&&a href=&https://link.zhihu.com/?target=http%3A//neuralnetworksanddeeplearning.com/chap3.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Neural networks and deep learning&/a&&br&&/p&&p&&a href=&https://link.zhihu.com/?target=http%3A//www.cnblogs.com/tornadomeet/p/3258122.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep learning：四十一(Dropout简单理解)&/a&&/p&
这篇也属于 《神经网络与深度学习总结系列》，最近看论文对Dropout这个知识点有点疑惑，就先总结以下。（没有一些基础可能看不懂，以后还会继续按照正常进度写总结） 是什么？假设我们要训练这样一个神经网络输入是x输出是y，正常的流程是：我们首先把x通过…
&p&本文收录在&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&无痛的机器学习第一季&/a&。&br&&/p&&p&&br&&/p&&p&有关CNN的故事还有很多，前面我们花了一定的篇幅，讲了有关初始化算法的事情，接下来我们将换一个方向，去看看众位大神在网络结构方面做出的杰出贡献。接下来我们就来看看这一路大神们的杰作之一——Dropout Layer。&/p&&p&在训练过程中，Dropout Layer会丢弃一定数量的信息，只让部分数据发挥作用。而且，由于采用随机丢弃的方式，每一次进行前向后向计算时，丢弃掉的数据都会有所不同。这样，模型每一次的前向后向计算的表现都会不同。&/p&&p&而在预测过程中，Dropout Layer将打开所有的参数，让所有的参数发挥作用。这样就相当于把所有的参数的作用同时发挥出来，让模型有点ensemble的效果。&/p&&p&关于Dropout能产生的效果，我们这回来做一个比较激进的实验。&/p&&h2&半字识别&/h2&&p&这次做的实验的主角还是我们熟悉的MNIST，当然，为了让这个实验变得足够刺激，我们要给这个实验加点料。那么要加什么料呢？&/p&&p&我们保持60000张训练数据不变，而将10000张测试数据的上半部分重置成0。那么看上去每一个数据都少了一半，就像这样：&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/b54062bae454485dedc8d7b3208cba0c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&203& data-rawheight=&475& class=&content_image& width=&203&&&/figure&&p&这样：&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/c68b0914c5fefab46ca1ed6f59d0d55f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&203& data-rawheight=&478& class=&content_image& width=&203&&&/figure&&p&和这样：&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/31cb5df322a41c6f90550d4_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&203& data-rawheight=&474& class=&content_image& width=&203&&&/figure&&p&好了，下面以我们人类的眼光，当我们看完了那些正常的数字后，再来看这些数字，是不是有种蛋疼的感觉？神经病啊……&/p&&p&（P.S. 没奖竞猜上面三个数字是啥，快来猜啊～）&/p&&p&（P.P.S 其实我选择得这几个图好算正常了，兄弟～）&/p&&p&好了，这种人类都觉得蛋疼的问题，交给计算机恐怕也是凶多极少了。这个问题实际上也算是分类问题中遇到的一个十分经典的问题——occlusion。如果我们遮挡了一个东西的一部分，你还能认出它来么？对于人来说，只要不是遮挡住最关键的信息，人类是可以通过局部的信息识别出一个整体的物体的。能做到这一点，说明人类具有利用部分信息进行分析推断的能力。如果希望计算机拥有人的智能，那么它最好也可以拥有这样的能力。&/p&&p&我们先来看看我们之前一直使用的以ReLU做非线性函数的模型的表现（这回我们不黑ReLU了）：&/p&&p&acc = 0.4358&br&&/p&&p&识别率不到一半，不过也算它尽力了。实际上在训练的过程中，某些轮次的测试集精度比这个数还要高一些，但是有时候会出现越训练效果越差的情况。这里面的根本原因是训练集和测试集实际上并不是同样的数据分布和信息容量。&/p&&p&因为我们在训练的时候使用了全部的数据信息，那么在识别的时候每个位置都会被当作识别的特征加以训练；而到了测试部分，我们只有一半的数据，也就是说我们曾经发现的很有把握的特征突然消失了，对于模型这样的耿直boy必然是一脸蒙逼。&/p&&p&这就好比我们在做数学题时，一个公式所需要的关键参数丢失了，我们还怎么把公式求出来？巧妇难为无米之炊啊……&/p&&p&这时候聪明的同学一定想到了，有舍才有得！既然你测试数据只有一半，那我把训练数据也变成只有一半，大家的信息一致，模型用起来一定会舒服不少！于是我们得到了下面的结果：&/p&&p&acc = 0.9044&/p&&p&果然比之前的结果高了不少，模型同学你真的是太耿直了，以后都不敢给你出超纲题了……&/p&&p&这里面倒是也可以说明另一个问题，如果训练过程的数据特性和测试过程的数据特性不同，模型的结果可能会有很大的问题。如果能发现问题并想出自断一半数据的方案固然是好，但是如果没有条件发现这样的情况呢？&/p&&p&这时候，我们不妨用dropout的思想来解决，由于每次训练时我只利用一部分信息，那么我天然就具备了只使用部分信息进行推断预测的能力，这样就更容易和测试数据的形式贴近了。&/p&&p&下面我们就在ip1层的后面加上Dropout Layer，并测试dropout_ratio从0到0.9的效果，最终的结果如下图所示：&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/73c8ec5796493bcafc3ace_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&712& data-rawheight=&315& class=&origin_image zh-lightbox-thumb& width=&712& data-original=&https://pic2.zhimg.com/73c8ec5796493bcafc3ace_r.jpg&&&/figure&&p&图中的l0表示dropout_ratio为0.0的accuracy，l9表示dropout_ratio为0.9的accuracy。从图中的结果来看，守着所有特征不放的模型精度最差，而dropout最厉害的模型表现最好。这么看来，“割一路更好打”这个战术似乎还是有点道理啊！&/p&&p&不过在这个例子中dropout_ratio=0.9的表现最好也是比较特殊的，因为MNIST的输出类别相对较少，即使dropout_ratio达到0.9也依然能够保证剩下的信息是足以识别这十个数字的，对于一些类别较多，问题较复杂的情况，丢掉这么多信息恐怕会因为必要信息不足导致识别精度下降。&/p&&p&介绍Dropout的论文中提到，Dropout有两种好处：&/p&&ul&&li&一定程度上减轻过拟合的情况&br&&/li&&li&使得模型具有多模型融合的效果&br&&/li&&/ul&&p&&br&&/p&&p&从上面的实验中，相信我们可以体会到其中一二。&/p&&p&但是——&/p&&p&让训练集合和测试集合的数据保持一致性——这件事情比加不加dropout层要重要得多。&/p&&p&所以，dropout到底该怎么加呢？&/p&&h2&广告时间&/h2&&p&更多精彩尽在&a href=&https://link.zhihu.com/?target=https%3A//item.jd.com/.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《深度学习轻松学：核心算法与视觉实践》&/a&！&/p&
本文收录在。 有关CNN的故事还有很多，前面我们花了一定的篇幅，讲了有关初始化算法的事情，接下来我们将换一个方向，去看看众位大神在网络结构方面做出的杰出贡献。接下来我们就来看看这一路大神们的杰作之一——Dropout Layer。在训…
&figure&&img src=&https://pic1.zhimg.com/v2-16c57a6462480bbe3d8e_b.jpg& data-rawwidth=&424& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&424& data-original=&https://pic1.zhimg.com/v2-16c57a6462480bbe3d8e_r.jpg&&&/figure&&p&我辟个谷，六天零两顿，喝水，吃极少的东西。&/p&&p&第一次听到身边的人说起辟谷，是在佛学院。我在佛学院上课的时候，经常遇到了一些奇奇怪怪的活动实践者。有一次，当我介绍意志力科学的时候，一个学僧跟我说，他正在辟谷，已经第5天了。辟谷啊！我的好奇心一下子被激发了。于是我详详细细地询问了他辟谷的过程。他说辟谷有全辟谷和半辟谷，他做的是只喝水和吃少量水果的半辟谷。我问他感觉咋样，他说刚开始有点虚弱，现在情绪很好，很有活力。我敬佩地问他：“那你辟谷的目的是什么？”他一脸庄重地说：&/p&
&p&“减肥。”&/p&
&p&第二次听身边的人说辟谷，是轻松冥想的创始人「学霸猫」同学。那天她朋友张不等同学在做一个叫「阳澄不等」的螃蟹品牌，组织了一个规格颇高的蟹宴，邀请我们去。学霸猫同学刚从缙云山上的辟谷营回来，正一腔热血地想当中国最有学问的女道士，滔滔不绝地跟我家道家服气的奥义，一点不像几天没吃的样子。&/p&
&p&那天晚宴，她就坐我旁边。厨师一道道上菜：橙香蟹肉沙拉、黄金蟹粉佐法棍、清汤蟹粉狮子头、清蒸大杂蟹。每个菜都配了一款名酒。我一边品尝一边斜眼乜她，只见她面带微笑、假装镇静地细嚼一颗花生，这就是她今天的晚餐。&/p&
&p&所以我对辟谷的总体印象就是神神叨叨的东西。虽然我对辟谷也有好奇，但我既不想减肥也不想修仙，而且这么热爱美食，辟谷这东西应该跟我无关。&/p&
&p&决定辟谷纯属偶然。经常有来访者跟我说，每周一小时的咨询时间太少了，其他这么多时间，还要回到原来的生活环境中，这样改变很难发生。我觉得这个抱怨多少有些道理。我心里一直颇向往那种传统的沉浸式的森田疗法：对那些被自己想法困扰，总担心自己有问题的人，先来一段静卧疗法，睡个四天到一周，什么也不让干，每天卧床睡觉想事，不想多想都不行。再来段轻工作疗法，允许到户外做点事。然后是重工作疗法，干些重体力活，劈材拉锯挖坑。虽然要干活，相比于无所事事，已经够来访者感恩戴德了。最后才慢慢读书看报，回归生活。&/p&
&p&所以有一天，有个来访者问我有没有那种咨询以外的训练时，我马上想到了森田疗法。传统体验式的森田疗法在国内还没有，其实日本也很少——现代人哪受得了无所事事一两个月。内观禅修训练营和辟谷训练营倒有不少。内观疗法我知道，我自己接受过八天封闭式的正念禅修培训，知道有些效果。但辟谷我并不了解。辟谷训练营会是一种什么样的体验？会对那些有神经症症状的来访者有用吗？&/p&
&p&我自己没体验过的东西，没法推荐给来访者。想来想去，得了，我不如自己先辟个谷试试看。于是向学霸猫咨询辟谷信息。她爱理不理地丢过来一个辟谷训练营的信息。正好杭州就有，加了道长的微信。道长说，四天住宾馆，三天在家修行，双人间，要住单间再加800。修行期间穿道袍，学习服气练功等课程。可是一来我不打算上山当道士，对服气这类课程的兴趣不大，二来住四天宾馆影响工作，而且课程价钱也有些小贵。再一打听，有个微信群也在做辟谷，还卖一些药材，还能提供辟谷的指导。干脆就先尝试下这种「云辟谷」吧。&/p&
&p& 第0天&/p&
&p&任何一件事情，最开始你会想得很好很有趣，当你临近要做时，你的心里都会生出很多疑虑，让你怀疑这件事的价值和动机。疑虑的背后，有对未知事物的恐惧。真要辟谷了，我就不断想，你又不想修仙、又不想减肥，辟谷干嘛啊？你对未知的东西越恐惧，你的怀疑就越强烈。&/p&
&p&为了减轻不确定的焦虑，我决定先查查别人的辟谷心得。别人的辟谷心得基本上可以归纳为：事情总是有两面性的。一会儿有人说辟谷能够激活你的免疫系统，让你的身体在燃烧脂肪的模式下运行，既能减肥还能延年益寿……还没等你欢欣鼓舞，马上又看到有人说，辟谷会破坏基础代谢，让身体代谢功能紊乱，而且体重还会反弹。严重的，还会活活饿死……&/p&
&p&看了半天，笑了。这不是典型的小马过河的故事嘛？有人说好有人说不好，说好的大都是体验派（其中有不少是信中医和道教理论的），而说不好的大都是科学派，对中医道教之类的事很不屑。众说纷纭，看来只有我自己试试才会知道了。&/p&
&p&跟身边的人说要辟个谷，大家都是一种默契的哑然失笑。我问他们笑什么，他们也说不出来，只是觉得这不是一件正经事。但倒是没有人反对，连我妈都觉得，辟吧，反正我饿不过一天。我自己也没觉得我能饿几天，想到时候饿了再说。&/p&
&p&有个朋友好奇心爆棚，听说我要辟谷，决定跟着一起（当然我也稍微怂恿了一下）。&/p&
&p&问我要做什么准备，我说没什么准备，开饿就是了。其实我没跟她说的是，我也不确定明天会不会真辟谷，我是随时准备放弃的啊。&/p&
&p& 第1天&/p&
&p&云辟谷微信群就是做辟谷套装生意的。花600块钱买了一套。有黄精、红糖、芝麻丸之类的。前三天是只和黄精泡的水，第四天才会吃点芝麻丸之类的东西。&/p&
&p&她那还在群里教了些吐气之法，我没理。想起有个辟过谷的人说，辟谷是一定要去道场的，像我这种不练功的辟谷法，不能叫辟谷，只能叫挨饿，是被道家的辟谷界所不齿的。所以我也可能是辟了个假谷，这篇文章也应该叫挨饿日记。&/p&
&p&早上起来，肚子有些饿，照例想吃早餐，哦，对了，今天辟谷，没早餐了。小小的失落。肚子饿了，其实心里是慌张的。还没辟谷，一开始就饿了，这能行吗？&/p&
&p&喝了点辟谷套餐里的黄精水，肚子一直很饿，空空的、咕咕叫的肚子一直在提醒你是不是忘了什么事。&/p&
&p&很饿，但是所幸，很饿的感觉一直没有变成更饿。&/p&
&p&像饿这一类感觉，大部分人焦虑的，其实不是它本身，而是对它会变得更糟糕的预期。想想现在都这么饿了，那要饿起来可不是会变得更尖利、更难以忍受。这种尖利的感觉越不来，你就越担心它的到来，你会变得越焦虑。&/p&
&p&可是并没有。从早上开始，饿就一直是那么一点点。甚至当你熟悉它以后，它还变淡了一些。&/p&
&p&这让我想起以前看到美国特工训练，为了让他们能够忍受严刑拷打而不泄密，就是让他们熟悉各种疼痛，一直到极限，让他们了解疼痛是有极限的，就这个极限了，接下来也不会更疼了。&/p&
&p&如果有人告诉身处困境中的人，现在就是你最糟糕的时候了，无论你怎么难过，你的生活也不会变得更糟糕了，这会让生活变得更容易忍受些吗？&/p&
&p&晚上睡觉的时候，身体会出虚汗，我知道身体在焦虑，它不知道发生了什么。也许我的头脑会在梦里告诉它吧。&/p&
&p& 第2天&/p&
&p&辟谷其实还是有些好处的。它能让人的感觉变得灵敏。至少嗅觉是这样。早上走在大街上，我老远就闻到了葱花饼的味道，整条街都是。不止是葱花饼，早上、中午、晚上的饭点，空气中到处弥漫着食物的香味，从来没有这么浓郁过。&/p&
&p&第二天的焦虑有些加重了，出了更多的汗，好像身体一直不愿意接受这个事实。脖子很僵硬，也有些疼。身体有些虚弱，整个心情都是那种失恋了的、淡淡的忧伤。看到饭点别人去吃饭的时候，觉得自己被这个社会放逐了。可又一想，放逐你的，不就是你自己吗？&/p&
&p&有人问：那你有没有想过生吞前女友？&/p&
&p&我说：没有。那是失恋了好几年的前女友。你知道失去了她，你知道跟她在一起不可能了。你甚至不想跟她在一起。但你仍然难过。&/p&
&p&晚上回家要经过街边的一连串的美食店：现烤牛奶面包、奶油法棍、小龙虾、烧烤摊的烟熏味、水果店的榴莲香……每家都熙熙攘攘、欢声笑语。而你，只能寂寞地走开，与整个世界格格不入了。那一刻，我有一个感觉，食物不是别的，它就是把我们与这个社会相联系的纽带。&/p&
&p&第3天&/p&
&p&这一天是非常重要。因为要去咨询，一整天。对于辟谷期间，能不能正常工作，我是有犹豫的。在我的印象里，辟谷就是有一口气没一口气的病怏怏的坚持。所以在辟谷之前，我一直犹豫要不要取消咨询。万一状态不好，对不起来访者。可一来咨询一星期前已经都约好了，取消很不方便，二来我跟辟谷群的指导者反复确认，她们都跟我保证说肯定没问题。但我仍然担心了好几天。并做好了万一精力不济，取消咨询的准备。&/p&
&p&我根据辟谷的配方给自己泡了杯黄精水，加了块红糖，也在书包里放了一小块红糖。万一大脑需要的热量不够，至少红糖水可以给大脑补充所需要的热量。&/p&
&p&早上坐顺风车去诊室，一种感觉是，想象中有挑战的一天终于变成了现实。但是，它一点都没有想象中的那么沉重和可怕，相反，它变得非常生动。&/p&
&p&结果，没有任何问题。我的头脑非常的敏捷和专注，跟以前没有任何差别，甚至，我自己觉得，还比以往灵敏了一点。也许是因为喝了红糖水，也许是身体没了消化食物的负担，但我觉得更可能的原因，是咨询的情境，让你自然地全身投入。当来访者抛来一个表情、一段对话、一个问题，你需要迅速而敏锐地做出反应。在这个过程中，我连饥饿也意识不到了。直到下午最后一个咨询，我都没感到疲惫，只感觉到轻松。&/p&
&p&但我还是露出了破绽。当一个抑郁的来访者说他觉得生活没意思时，我本能地问他：「你最爱吃的东西是什么？」&/p&
&p&他楞了一下，说：「红烧肉。」&/p&
&p&我说：「谁会帮你做红烧肉呢？」&/p&
&p&他说：「我妈妈。以前寒假，每年回家，我妈妈都会问我爱吃什么。我说红烧肉，她就会上街给我买。我妈烧的红烧肉晶莹透亮，特别好吃。她每次都会跟我说，不要多吃，只能吃三块。可每次我吃了三块，说还想要，她又会笑眯眯地给我夹。」&/p&
&p&我看到的他的眼光柔和了。我和他同时咽了下口水。&/p&
&p&在那一刻，我坚信美食疗法是有效的。美食背后，也有关系在。很难想象，一个能享受美食、分享美食的人，会觉得人生没有意义。&/p&
&p& 第4天&/p&
&p&我成仙了。早上空腹喝了杯竹盐水，排了宿便，整个人都轻了。精力非常充沛。不是那种磕了药的兴奋，也不是对食物毫无兴趣的厌食，是非常自然的清明和平静。一点饿的感觉都没有了。&/p&
&p&这才知道，辟谷根本不需要病怏怏的忍受。我猜是因为身体适应了新的能量模式，找到了新的能量来源。我身体的脂肪开始供能了，同时，消化系统又不增加额外的消化负担了。&/p&
&p&这太神奇了。原来连我们每天习以为常的身体，它并非只会一种运行模式。 &/p&
&p&原来饿不是一个生理反应，而是一种社会建构。&/p&
&p&原来我们每天如此重视的一日三餐，顺应的不是人的生理需要，而是一种社会习俗。&/p&
&p&原来我们每天都在摄入远远超过我们身体需要的能量，这些能量被堆积起来，无处利用，最后变成了身体的垃圾，而我们却认为，这是必须的。&/p&
&p&辟谷的时候，人对食物的认识是不同的。第四天，我开始在早餐的时候吃两颗芝麻丸，芝麻丸不大，但是非常香。记得以前学习正念，一个经典的练习是以非常细致的方式吃葡萄干，全心体验葡萄干香气和味道。辟谷的时候，以正念的方式对待食物几乎是一种本能。芝麻丸是炒过的，很香，入口即化。也许是因为吃得细致，你还不觉得少。&/p&
&p&弘一法师也曾断过食。在《断食日记》中，他写了辟谷几天后的体会：&/p&
&p&「无梦、无挂、无虑、心清、意静、体轻。饮食，生理上之习惯而已。」&/p&
&p&谁会想到，改变饮食习惯，克服本能的焦虑背后，还有这样的天地呢。&/p&
&p&当然我也怀疑，是不是我的心理防御机制终于找到了对饿的一种扭曲解释，美化了它，就像斯德哥尔摩综合症一样？我觉得不是。就是感觉神清气爽，没什么拧巴的感觉。它纯粹是身体适应了新模式，把自己从前两天的焦虑中解脱出来了，就像汽车换上了新的档位。如果前几天我的身体还在暗暗嘀咕：「特么瞎折腾什么，拿我做实验！」今天它对我微笑了。&/p&
&p& 第5天&/p&
&p&没第4天感觉那么好，但仍然感觉不错。肚子里偶尔会有一些不舒服。很轻微，身体显然已经适应了。我没称体重，家里的体重计坏了（我怀疑是我太太故意搞坏的，没坏的时候她经常对着体重计唉声叹气，坏了以后她心情好了很多）。但感觉肚子明显小了很多。&/p&
&p&今天参加朋辈督导，香港的家庭治疗师Miachel尝试用早餐的问题来了解一个人的人际关系。他问了四个问题：&/p&
&p&「今天的早餐吃了什么？」&/p&
&p&「这是你平时会吃的吗？」&/p&
&p&「今天吃的早餐是谁帮你准备的？谁来决定吃什么？你们怎么商量决定的？」「你的早餐会让你想起哪些人？它怎么反映了你和他们的关系？」&/p&
&p&我想起来了，辟谷这几天，我妈妈和我老婆其实有些担心的。每天她们都会问我感觉怎么样。但她们并没有因为担心就阻拦我，和很多其他的事一样，她们只是在背后默默支持我，这个不让人省心的儿子和老公。&/p&
&p& 第6天&/p&
&p&谁能定义辟谷？是道士、中医、营养师、科学家还是我们自己？假如你在辟谷间吃了一些东西，那还能算辟谷吗？吃什么、吃多少算呢？&/p&
&p&辟谷的方式各有不同。通常是道士组织的、野外的集中训练营，不仅辟谷，还要练习服气、吞津。高深的道家理论认为，人能够通过这样的练习把自己变成向植物一样的光合体，直接为自己合成能量。还有些跟中医理论结合，根据你的生辰八字分析你是「土型体质」、「水型体质」还是「火型体质」，把你在辟谷期间的反应解释成身体在冲病灶，并告诉你可以通过艾灸之类的方法治。其实我参加的那个「云辟谷」，群主是要求我们不洗澡的，但我觉得她一定疯了。七天不洗澡可比七天不吃饭难多了。当然也有科学理论认为，辟谷本质上是「生酮饮食」的一种，就是通过减少对糖分的摄入量，让身体变成脂肪供能模式。&/p&
&p&至于我们在家辟谷，什么理论都不信，就参考下人家辟谷食谱（原来辟谷也有食谱）的，人家都说，那不叫辟谷，叫挨饿。&/p&
&p&这个云辟谷组织说的是第四天开始，可以吃几颗芝麻丸。不过学霸猫同学那个道士组织的辟谷到第四天的时候，是允许吃几颗枣和几颗花生的。所以我吃了两颗红枣一个核桃，不知怎么在群里提了一句，遭到了群主断然喝止：「你怎么能吃套餐外的东西呢？到时候影响破坏身体修复机能，谁担当得起。」她说得我像是中了歪魔邪道，吓得我缩了脖子。那个跟我一起辟谷的朋友也发了篇文章，说想了解辟谷原理，找了几本书看，结果都是「辟谷包治百病」路数的，就随意吐槽了几句，也遭到群主的大力喝止：「心诚则灵，你既然选择了辟谷，就请尊重传统。」&/p&
&p&其实这些喝止是非常有效果的。我明明知道她是把辟谷当作生意来做的，毕竟那那600多的辟谷套餐，市值估计超不过300。我心里一直都在嘀咕「身体修复机能」这件事，并且生出了一些隐隐的不安。&/p&
&p&你看，定义不仅影响你的观点，还影响你的感觉。&/p&
&p&那么该怎么定义辟谷呢？那个跟我一起辟谷的朋友觉得辟谷是一个亲手制造的小型奇迹。我自己眼中的辟谷，也应该是郑重的，但又不是那么死板和教条。它应该带点对身体的好奇，又有对我们习以为常的生活的反思。它是一种仪式，一种修习，修习的是我们久违了的，节制的美德。&/p&
&p& 第7天&/p&
&p&我决定放弃了。在周日晚上最后一顿，我跟我妈说，要么煮点小米粥，喝点米汤。我捞了点小米粥上的米油，喝了小半碗，心满意足得像个光荣的逃兵。&/p&
&p&所以我辟谷的时间不是七天，是七天还差一顿。差的那一顿，是我给自己留的那一点遗憾。&/p&
&p&饿还是不饿。但对食物思念，变成了回归正常生活的思念。当我一遍遍看知乎上那个「深圳有哪些深藏不露的美食」的美食帖，并开始搜索「杭州有哪些深藏不露的美食」的帖子时，我觉得我该重新吃东西了。对食物的思念变成了一种乡愁。乡愁难耐，我想回家了。&/p&
&p& 7天以后……&/p&
&p&才离开一周，熟悉的家乡就变得陌生了。并没有常有红烧肉、螃蟹或者麻辣小龙虾，复食的一周，我都只能吃小米粥加大白菜了，水煮的。要早知复食以后得吃一星期这个，估计辟谷的人得减一半。但如果你不辟谷，你可能不会感受到，水煮白菜是很香很甜的。&/p&
&p&辟谷以后，至少短暂的一段时间，人跟食物的关系是不一样的，久别重逢的人总是容易对彼此格外珍惜。至于后来他们又吵架了、相爱相杀了，那又是另一个故事了。&/p&
&p&辟谷是一段节制的、简单的生活。即使辟谷完了以后的一段时间内，这种节制仍然会伴随着你。某天中午，喝了一杯豆浆，吃了一个香蕉两颗红枣，却感到异常地丰盛和满足。即使辟谷完了，我也吃得很少。我只是细细地咀嚼和消化食物。&/p&
&p&节制的生活让人自由。因为你对外界的依赖少，你所受的限制自然也少。因为你的欲望少了，理性所受的干扰自然也少。&/p&
&p&辟谷会对改善人的心理健康有用吗？我猜应该是会有的。尤其如果这是在一个安全又远离日常生活的辟谷营里。对节制的练习、对限制我们身心的规则的探索和突破、目标的设置与达成、共同修行的人所构成的目标共同体，都能帮助我们产生一些新的经验。更重要的是，它让我们拉开一段距离看我们的生活。就像梭罗隐入瓦尔登湖，辟谷是面向食物的隐居。&/p&
我辟个谷，六天零两顿，喝水，吃极少的东西。第一次听到身边的人说起辟谷，是在佛学院。我在佛学院上课的时候，经常遇到了一些奇奇怪怪的活动实践者。有一次，当我介绍意志力科学的时候，一个学僧跟我说，他正在辟谷，已经第5天了。辟谷啊！我的好奇心一下…
&figure&&img src=&https://pic1.zhimg.com/v2-2f0e2169d42eab1ef3aaed_b.jpg& data-rawwidth=&640& data-rawheight=&458& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic1.zhimg.com/v2-2f0e2169d42eab1ef3aaed_r.jpg&&&/figure&&p&- 文｜小饭桌新媒体记者 徐传达 -&/p&&p&- 编辑丨何斌 -&/p&&br&&p&中国的垃圾分类市场有多大？ &/p&&p&据中国产业研究报告显示，2014年中国十大再生资源回收的总量超过2.45亿吨，总价值超过6500亿。其中，废纸、废塑料、废弃电子电器产品、废弃家具、废纺织品等占比较高，仅废纸一项回收总量就有8千万吨，总价值约1120亿元。 &/p&&p&不少公司看到了机会。&strong&有的主打单品类，往精细化和专业化角度发展&/strong&，如爱回收、有得卖主打3C产品回收，奢回收主打二手奢侈品回收；&strong&也有一些开始将收废品作为线下流量入口，展开家电维修、生活用品宅配等利润更高的服务&/strong&，如再生活、九贝壳等。&/p&&p&桂博文同样也看到了这块市场的巨大潜力。不过与上述主要从to C方向切入所不同的是，桂博文和她的笨哥哥回收选择从B端切入。桂博文认为，“传统的C端回收模式频次低、货品质量差，&strong&相比之下B端优势明显，体量大、质量上乘、回收容易&/strong&。”目前，笨哥哥回收主要的B端货源有诸如物美、欧尚、京客隆等大型超市，小米、富士康等硬件工厂，写字楼、软件园等大型办公场所，以及酒店、小区物业等生活场所。&/p&&figure&&img src=&http://pic2.zhimg.com/v2-82842bfd8c4fbaae2f5e5_b.jpg& data-rawwidth=&640& data-rawheight=&426& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&http://pic2.zhimg.com/v2-82842bfd8c4fbaae2f5e5_r.jpg&&&/figure&&br&&p&笨哥哥回收的主要品类是毛利相对较高的废纸，涵盖前端回收、中间打包处理、卖给造纸厂的全流程。目前，我国的废纸利用率相比较其他废品会更高，日常生活中约有70~80%的纸都是再次回收利用的；另外废纸的品类较少，常见的生活用纸、工业用纸、办公用纸等约30种，分类处理相对简单。&/p&&p&在具体的终端回收策略上，笨哥哥回收采用“众包模式”：笨哥哥通过先与B端建立合作关系，再把具体的业务就近分配给和笨哥哥有合作的废品回收一线工作者，这些一线工作者收到废品后再直接卖给笨哥哥回收平台。&/p&&p&之所以能够与废品回收一线工作者建立长期合作关系，桂博文认为笨哥哥平台有自己独特的优势，“一是能增加他们的收入。传统的一线回收人员由于渠道单一，收到的废品量小、质量差、四处奔波的时间长等。笨哥哥通过系统进行基于位置的匹配，提高效率的同时也增加了这些一线回收人员的收入；二是懂得他们的圈子文化，知道他们聊什么、需要什么。”据透露，&strong&目前北京地区与笨哥哥有合作的一线废品回收人员超过6000人&/strong&。&figure&&img src=&http://pic3.zhimg.com/v2-8e6a71c8c8b6befbf76c581c4520f60a_b.jpg& data-rawwidth=&640& data-rawheight=&426& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&http://pic3.zhimg.com/v2-8e6a71c8c8b6befbf76c581c4520f60a_r.jpg&&&/figure&&/p&&br&&p&为了缩减传统废品回收“三轮车-大货车-回收中心-打包站-造纸厂”的冗长链条，笨哥哥平台采用自建物流、仓储、回收站的方式。目前笨哥哥在北京有5家工厂，分别在大兴、丰台、石景山等北京郊区，每个工厂4-6名工人，一天处理150-200吨左右的废品。&/p&&p&&strong&笨哥哥回收成立于2016年8月，当年12月获得真格基金、富士康投资的2000万元Pre-A轮。&/strong&&/p&&p&目前团队有50多人。CEO桂博文毕业于卡内基梅隆大学，曾在华尔街Blackrock担任项目经理，回国后加入蜜芽国际业务总经理，也曾创业做过跨境电商。联合创始人方轶奇曾担任欧尚北京区总经理，联合创始人张名国则在回收行业待了20年。&/p&
- 文｜小饭桌新媒体记者 徐传达 -- 编辑丨何斌 - 中国的垃圾分类市场有多大？ 据中国产业研究报告显示，2014年中国十大再生资源回收的总量超过2.45亿吨，总价值超过6500亿。其中，废纸、废塑料、废弃电子电器产品、废弃家具、废纺织品等占比较高，仅废纸一…
&figure&&img src=&https://pic2.zhimg.com/v2-7d68a7ddcaaa_b.jpg& data-rawwidth=&1122& data-rawheight=&612& class=&origin_image zh-lightbox-thumb& width=&1122& data-original=&https://pic2.zhimg.com/v2-7d68a7ddcaaa_r.jpg&&&/figure&&h2&&b&&u&0. 前言 - 我为什么要写这一系列文章？&/u&&/b&&/h2&&p&自从上个月回答了【&a href=&https://www.zhihu.com/question//answer/& class=&internal&&如何看待「机器学习不需要数学，很多算法封装好了，调个包就行」这种说法？&/a&】以后，我收到了很多朋友的评论和私信，希望我能谈谈新手如何快速入门机器学习。&br&&/p&&p&为了给大家一个比较客观公正的建议，我特地去买了几本广受好评的机器学习入门书籍：&/p&&ol&&li&An Introduction to Statistical Learning with Applications in R - Gareth J. &i&et al.&/i& &/li&&li&Python Machine Learning - Sebastian Raschka&/li&&li&Programming Collective Intelligence (集体编程智慧) - Toby Segaran&/li&&li&机器学习 - 周志华&/li&&li&统计学习方法 - 李航&/li&&/ol&&br&&p&&b&最近我阅读了上面的书籍，想和大家分享一下我的主观评价。在每本书的总评后，我会对每一本书分章节进行一个梳理，并提供一些自己的感悟，希望能对大家的入门带来一些帮助。&/b&&/p&&p&&b&这一系列的文章形式为阅读笔记，需要结合教材一起阅读。我对知识点的顺序进行了一些调整，将相关的内容合并到了一起。&u&有疑问的小伙伴可以评论或者私信我&/u&。&/b&&/p&&p&&b&作为系列文章的第一篇，我会先带着大家梳理 ISL的第1，2章。&/b&&/p&&h2&&b&&u&1. 综合评价 - ISL&/u&&/b&&/h2&&p&相信正在机器学习苦海中遨游的朋友们肯定都听过大名鼎鼎的The Element of Statistical Learning, 这本频率学派的统计学习“圣经”被大家叫做ESL。据说百分之九十五的人读完前三章就放弃了，因为书中大量的数学公式和矩阵推导。我手头的09年的第二版有厚厚的700多页，像一块砖头。&b&虽然这本书叫做统计学习而不是机器学习，但大量的模型和理念在两个领域是想通的。因此在文中我也会大量使用统计学习的思路和约定俗成，而不是纯粹的机器学习&/b&。&/p&&p&ISL正是基于满足更广大阅读人群的目的而推出的。ISL是ESL的入门版，不仅大量的去除了繁复的数学推导，还加入了R编程的部分，方便大家可以尽快上手。在序言中，ISL作者也分享了他对于统计学习的看法：作者认为大家可以循序渐进，不必追求一口吃成个胖子，也没有必要在入门时就追求完全掌握ESL这种进阶书籍。&/p&&p&&u&&b&ISL的优点&/b&&/u&：&/p&&ol&&li&在去掉了大量的数学推导的部分，仅保留了统计学习的核心观点。完整阅读该书可以保证读者对统计学习的思路有一个基本的了解。&/li&&li&每章都辅以配套的R练习题，读者可以在掌握理论后迅速在数据上进行实践。&/li&&li&ISL的电子版是免费的：&a href=&http://link.zhihu.com/?target=http%3A//www-bcf.usc.edu/%7Egareth/ISL/ISLR%2520First%2520Printing.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&点击下载&/a&，纸质版不知道国内引进了没有。&/li&&li&书的结构安排合理，使读者有循序渐进之感。全书共十章，算上练习题后也不过400页--初学者不会望而生畏。700页的ELS和1000页+的MLAPP感到非常惭愧:)&/li&&/ol&&br&&u&&b&ISL的缺点&/b&&/u&：&br&&p&1. 缺失了一些重要的机器学习章节。但考虑到这本书叫做统计学习导论，勉强可以理解。&/p&&ul&&li&比如神经网络及衍生的深度学习等。&br&&/li&&li&对于非监督学习，只有一章。&br&&/li&&li&对于一些基础的理论没有涉及，如VC维等。&/li&&/ul&&br&2. 代码和实验都是基于R，工业界比较常用的还是Python。但考虑到R和Python都很简单，且大部分时候都有现成的Library，瑕不掩瑜:)&br&&p&3. 为了避开过多的数学部分，导致部分重要理论显得不能自洽。我理解作者是为了照顾读者的阅读感，但对于数学部分的保留显得该书引入公式非常突兀。个人感觉可以至少加上从何处引入该公式，让有能力的读者可以在课后继续阅读。&/p&&p&4. 统计学习更强调一个结果是否显著，而机器学习更在意结果是否有效，统计学习的严谨性可能会使某些读者觉得有吹毛求疵之感。&/p&&p&&b&综合评价下来该书是一本不可多得的好书，建议大家都入手一本。如果囊中羞涩，也可用电子版，内容完全一样:)&/b&&br&&/p&&h2&&b&2. 书籍导读 - Chapter 1 - Introduction&/b&&/h2&&p&ISL的第一章更像是前言，并未涵盖太多的内容。&u&第1-5页&/u&主要介绍本书中所使用的数据集(工资，股票，基因三个数据集)，同时捎带着提及了一些基础概念，如监督学习和非监督学习。&/p&&p&&u&第5-6页&/u&讲了统计学习的历史，还顺带提及了一句自从机器学习火了以后，统计学习才成了统计学的一个重要分支。其实从侧面页描述了一个统计学习和机器学习的不同点，那就是机器学习的侧重点还有强化学习等，但统计学习的重点主要就是传统的监督和非监督学习。&/p&&p&&u&第一章的6-9页&/u&作者谈及了写ISL的初衷，也就是为了将统计学习带到更广大的受众群中。作者提到了写作该书时的四个基本原则，也是很有趣的观点：&/p&&ul&&li&很多统计学习算法可以应用到跨领域学科中，这些算法大有可为。&/li&&li&统计学习算法不该被当做“黑箱”模型，在使用时也要多加评估。任何算法都有擅长和不擅长的领域，切勿以偏概全。&/li&&li&&b&虽然我们应该理解模型的本质，但我们不该要求每个人都像数学家一样的对模型有深度了解&/b&。&/li&&li&在理解了模型的意义后，我们期待读者可将其应用到不同领域。&/li&&/ul&&br&&u&9-13页&/u&包括了本书的数学符号规范，目标读者群，以及所使用的数据集。&h2&&b&3. 书籍导读 - Chapter 2 - Statistical Learning&/b&&/h2&&p&这一章开始介绍了很多统计学习的基本概念，比如predictor和response，这些概念相对应机器学习中的attributes和label。同时作者在这一章介绍了很多贯穿全书的重要思想。&/p&&p&&b&2.1. What is Statistical Learning? 15-20页 & 2.2. Assesing Model Accuracy - 29-42页&/b&&/p&&p&2.1.1. 首先作者给出了一个基本公式&img src=&http://www.zhihu.com/equation?tex=Y+%3D+f%28X%29+%2B%5Cepsilon+%5Cqquad+%282.1%29%0A& alt=&Y = f(X) +\epsilon \qquad (2.1)
& eeimg=&1&&来表示一种变量间的映射关系。在此作者点明了统计学习的本质就是估计(estimate)一个映射函数&img src=&http://www.zhihu.com/equation?tex=%5Chat%7Bf%7D%28X%29& alt=&\hat{f}(X)& eeimg=&1&&，从而将X映射到Y。此处我们可以暂时肤浅的理解为X就是你要学习的特征，而Y是相对应的预测。&/p&&p&举例，你想通过一个人的年龄，性别，学历来预测Ta的收入，那么此处的X就是年龄，性别，和学历信息，而Y就是相对应的收入。通过很多个例(很多人的信息与他们的收入)，也叫做训练数据。我们希望从训练数据中学到一个映射函数&img src=&http://www.zhihu.com/equation?tex=%5Chat%7Bf%7D%28X%29& alt=&\hat{f}(X)& eeimg=&1&&使我们得到精确的(年龄，性别，和学历)与收入Y之间的关系，从而达到预测的目的。&/p&&br&&p&但很不幸，此公式中的&img src=&http://www.zhihu.com/equation?tex=%5Cepsilon+& alt=&\epsilon & eeimg=&1&&(噪音)是一个独立于X且均值为0的随机误差，这个随机误差植根于数据本身(intrinsic noise)，无法由优化映射函数可以克服。&b&这也解释了为什么通过学习我们只能估计映射函数&img src=&http://www.zhihu.com/equation?tex=%5Chat%7Bf%7D%28X%29& alt=&\hat{f}(X)& eeimg=&1&&，而不能说得到了准确的&img src=&http://www.zhihu.com/equation?tex=f%28X%29& alt=&f(X)& eeimg=&1&&，因为我们无法规避噪音对学习模型的影响&/b&。如果一个人告诉你他训练出了百分之百准确的模型，这人大概是民科跑不了！&/p&&p&统计学中的约定俗成，如果一个值或者一个函数是估计值，我们要加上“&img src=&http://www.zhihu.com/equation?tex=%5Chat%7B%7D& alt=&\hat{}& eeimg=&1&&”来区别对待。这也是为什么上文中大部分的函数上方均有&小帽子&。&br&&/p&&p&如何评估和选择统计学习模型是个很大的话题...涉及了很多领域。我们最常说的一句话是--这取决于你用了什么模型处理了什么数据。比较常见的评估标准有模型准确率(Accuracy), 召回率(Recall)，精度(Precision)，ROC曲线等。在不同的情况下，评估标准各不相同。再继续深入之前，想先介绍两个有趣的定理:&/p&&ul&&li&&b&没有免费午餐定理(No free lunch theory)&/b&：从周志华老师的书中引述他引述Wolpert的一段话。“no free lunch直译为“没有免费的午餐”，意思是没有付出，就没有收获。Wolpert and Macready在1997年提出了No Free Lunch Theorems（没有免费的午餐理论），该理论用于比较两种优化算法之间的关系，即如何确定一种算法比另外一种算法好”。 --《机器学习》。这句话用人类能听懂的语言说就是...&b&没有任何一种算法模型可以在所有可能数据集上表现最优&/b&。&b&在选择模型时，要根据问题定义和数据特定选择最适合的算法，在很多情况下深度学习并不比线性回归更好用。因此不要迷信算法，要先了解问题和数据，再开始准备模型。&/b&&br&&/li&&li&&b&奥卡姆剃刀定理(Occam's razor)&/b&：颇有哲学意味的定义为“如无必要，勿增实体”。用通俗的语言来说，如果两个模型A和B对数据的解释能力完全相同，那么选择较为简单的那个模型。&b&奥卡姆剃刀定理对于机器学习的意义在于它解释了机器学习中常常遇到一个现象：过拟合(over-fitting)，同时给出了一种模型选择的方向&/b&。就像上文提到的，如果简单的线性回归和复杂的深度学习在某个问题上的表现相似，那么我们应该选择较为简单的线性回归。但读者应该注意，奥卡姆剃刀定理只是一种对于模型选择的指导方向，不同的选择方向如第八章会说到的集成学习(Ensemble Learning)就给出了近似相反的选择标准。现实世界是非常复杂的，切勿滥用。&/li&&/ul&&br&在第二章中，ISL主要介绍了一种常用语回归问题评估模型表现的方法(&u&29-33页&/u&)，即计算均方误差(Mean Sqaured Errors)，也叫做MSE。这个评估方法非常的简单粗暴，假设我们有相对应的一组数据&img src=&http://www.zhihu.com/equation?tex=%5BX_0%5E2%2CY_0%5D& alt=&[X_0^2,Y_0]& eeimg=&1&&，其中&img src=&http://www.zhihu.com/equation?tex=X_0%5E1& alt=&X_0^1& eeimg=&1&&是人的年龄=30岁，&img src=&http://www.zhihu.com/equation?tex=X_0%5E2& alt=&X_0^2& eeimg=&1&&入职时间=3年，&img src=&http://www.zhihu.com/equation?tex=Y_0& alt=&Y_0& eeimg=&1&&代表她的实际月收入为4500。此时你有一个经过训练的映射函数&img src=&http://www.zhihu.com/equation?tex=%5Chat%7Bf%7D%28X_0%29+%3D+100X_0%5E1%2B20X_0%5E2%2B1500& alt=&\hat{f}(X_0) = 100X_0^1+20X_0^2+1500& eeimg=&1&&,带入&img src=&http://www.zhihu.com/equation?tex=%5BX_0%5E2%2CY_0%5D& alt=&[X_0^2,Y_0]& eeimg=&1&&后会发现&img src=&http://www.zhihu.com/equation?tex=%5Chat%7Bf%7D%28X_0%29+%3D+4560& alt=&\hat{f}(X_0) = 4560& eeimg=&1&&，比真实值&img src=&http://www.zhihu.com/equation?tex=Y_0& alt=&Y_0& eeimg=&1&&(也就是4500)大了60。由此补充MSE的定义：&img src=&http://www.zhihu.com/equation?tex=%5Cbegin%7Bsplit%7D%0AMSE+%26%3D+Ave%28Y_0-%5Chat%7Bf%7D%28X_0%29%29%5E2%5C%5C%0A+%26%3D+%5Cfrac%7B1%7D%7BN%7D%5Csum_%7Bi%3D1%7D%5E%7BN%7D%7B%28Y_i-%5Chat%7Bf%7D%28X_i%29%29%5E2%7D+%0A%5Cend%7Bsplit%7D& alt=&\begin{split}
MSE &= Ave(Y_0-\hat{f}(X_0))^2\\
&= \frac{1}{N}\sum_{i=1}^{N}{(Y_i-\hat{f}(X_i))^2}
\end{split}& eeimg=&1&&&p&我们将上面的例子中的&img src=&http://www.zhihu.com/equation?tex=%5Chat%7Bf%7D%28X_0%29+%3D+4560& alt=&\hat{f}(X_0) = 4560& eeimg=&1&&和&img src=&http://www.zhihu.com/equation?tex=Y_0%3D4500& alt=&Y_0=4500& eeimg=&1&&带入MSE得到&img src=&http://www.zhihu.com/equation?tex=MSE+%3D+%5Cfrac%7B1%7D%7B1%7D%E2+%3D+3600& alt=&MSE = \frac{1}{1}(60)^2 = 3600& eeimg=&1&&。如果我们还有其他的数据，如另一个人的年龄、入职时间，及收入，假设我们算出对于这个人来说她的误差值为20，那么综合两人的数据我们对于映射函数&img src=&http://www.zhihu.com/equation?tex=%5Chat%7Bf%7D%28X%29& alt=&\hat{f}(X)& eeimg=&1&&的评估值就会&img src=&http://www.zhihu.com/equation?tex=MSE+%3D+%5Cfrac%7B1%7D%7B2%7D%%29%5E2+%3D+3200& alt=&MSE = \frac{1}{2}(60+20)^2 = 3200& eeimg=&1&&。&b&在有大量数据的情况下MSE会趋近于映射函数的真实表现&/b&。&/p&&br&&p&&b&量化评估的意义在于你可以直观的对比两个映射函数在训练数据集上表现，也叫做拟合程度，这是我们选择模型的重要依据。当然，量化评估的方法不仅仅有MSE一种。&/b&在后面的章节中我们还会学习为什么不能在仅仅用训练数据来评估一个模型的优劣。&/p&&br&&p&在第二章的结尾(&u&37-42页&/u&)，作者介绍了两种常见的学习模型：贝叶斯分类器(Bayes Classifier)和K-近邻分类器(K-Nearest Neighbors)。作为家喻户晓的两种分类器，我就不浪费篇幅再赘述。但此处值得一提的是，ISL提到了一个重要的观点，在大数据量的前提下KNN的表现与最优的贝叶斯分类器相近。等到有机会的时候我会分析一下“对于数据的假设条件”在机器学习中的意义，到时候会分fe为什么它们会有相似的表现。&/p&&p&------------------------------------------------------------------------------------------------------------------------&/p&&br&&p&&b&2.2.2 The Bias-Variance Trade-off - 33-36页&/b&&br&&/p&&p&从18-20页，作者通过公式(2.3)说明了&b&机器学习中面临的根本问题：Variance and Bias Tradeoff，即泛化误差(Generalization Error)由Bias (偏差)和Variance(方差)共同决定，鱼和熊掌不可得兼。注意，这种“漂亮的推导”仅当我们使用MSE的时候才能看到，大部分的评估函数无法推得下式这种简洁的形式。&/b&&/p&&p&为了清楚明晰，我补上了书中省略的公式推导部分（稍后补上）...&/p&&br&&img src=&http://www.zhihu.com/equation?tex=%5Cbegin%7Bsplit%7D%0AE+%28Y-%5Chat%7BY%7D%29%5E2+%26+%3D+E%5Bf%28X%29+%2B+%5Cepsilon-+%5Chat%7Bf%7D%28X%29%5D%5E2+%5Cqquad++%5Cqquad+%282.3%29%5C%5C%0A+%26+%3D+%5Bf%28X%29-%5Chat%7Bf%7D%28X%29%5D%5E2%2BVar%28%5Cepsilon+%29%5C%5C%0A+%26%3D+Bias%5E2+%2B+Variance+%2B+Variance%28%5Cepsilon%29%0A%5Cend%7Bsplit%7D& alt=&\begin{split}
E (Y-\hat{Y})^2 & = E[f(X) + \epsilon- \hat{f}(X)]^2 \qquad
\qquad (2.3)\\
& = [f(X)-\hat{f}(X)]^2+Var(\epsilon )\\
&= Bias^2 + Variance + Variance(\epsilon)
\end{split}& eeimg=&1&&&p&定义 &img src=&http://www.zhihu.com/equation?tex=%5Cbar%7Bf%7D%28X_T%29+%3D+E_T%5B%5Chat%7Bf%7D%28X_T%29%5D& alt=&\bar{f}(X_T) = E_T[\hat{f}(X_T)]& eeimg=&1&&&br&&/p&&img src=&http://www.zhihu.com/equation?tex=%5Cbegin%7Bsplit%7D%0AE+%28Y-%5Chat%7BY%7D%29%5E2+%26+%3D+E%5Bf%28X_T%29+-+%5Chat%7Bf%7D%28X_T%29%5D%5E2+%2B+Var%28%5Cepsilon+%29+%5C%5C%0A%26+%3D+E%5Bf%28X_T%29-%5Cbar%7Bf%7D%28X_T%29%2B%5Cbar%7Bf%7D%28X_T%29+-+%5Chat%7Bf%7D%28X_T%29%5D%5E2++%2B+Var%28%5Cepsilon+%29+%5C%5C%0A+%26+%3D+%5BE_T%28%5Chat%7Bf%7D%28X%29%29+-f%28X%29%5D%5E2+%2B+E_T%5B%5Chat%7Bf%7D%28X%29+-+E_T%28%5Chat%7Bf%7D%29%5D%5E2%2B+Var%28%5Cepsilon+%29%5C%5C%0A+%26%3D+Bias%28%5Chat%7Bf%7D%29%5E2+%2B+Variance%28%5Chat%7Bf%28X_T%29%7D%29%2B+Var%28%5Cepsilon+%29%5C%5C%0AExp%5C%3ELoss+%26%3D+bias%5E2+%2Bvariance%2Bnoise%0A%5Cend%7Bsplit%7D& alt=&\begin{split}
E (Y-\hat{Y})^2 & = E[f(X_T) - \hat{f}(X_T)]^2 + Var(\epsilon ) \\
& = E[f(X_T)-\bar{f}(X_T)+\bar{f}(X_T) - \hat{f}(X_T)]^2
+ Var(\epsilon ) \\
& = [E_T(\hat{f}(X)) -f(X)]^2 + E_T[\hat{f}(X) - E_T(\hat{f})]^2+ Var(\epsilon )\\
&= Bias(\hat{f})^2 + Vari