superhacker

Leer más » 2 Comentarios

Lo mejor de mi RSS del 17 al 23 de agosto de 2015: WPML, Shotcut, WordPress 4.3 y batería

¿Qué tal van vuestras vacaciones? Nosotros estamos ya de vuelta al trabajo y con la vuelta a la rutina, como en cada cambio de semana, os traigo un nuevo resumen de lo mejor que he leído esta semana en Feedly, mi lector de canales RSS favorito. Veamos uno por uno.

Comenzamos hablando de cómo configurar WPML para conseguir tener un sitio web con WordPress en varios idiomas: Curso gratuito de WPML de Codection – Configuración inicial WPML No suelo editar muchos vídeos pero cuando tengo que hacerlo siempre uso: Shotcut, un impresionante editor de video – Ubunlog Si eres usuario de WordPress te habrás dado cuenta que ya está disponible la versión 4.3, ¿sabes sus novedades? WordPress 4.3 final ya disponible pero ¿merece la pena? – Ayuda WordPress Y su respectiva nota oficial en inglés en el sitio de WordPress: 

WordPress 4.3 “Billie” – WordPress read more

Leer más » Comentar

WordPress 4.3 mejora búsqueda de usuario y desactiva comentarios en las páginas por defecto

Traducido del artículo: “WordPress 4.3 Improves User Search and Turns Comments Off on Pages by Default” de:

Sarah Gooding julio 7 de 2015

WordPress 4.3 beta 1 fue puesto en manos de los probadores la semana pasada. Los que han estado siguiendo desarrollos 4.3 ya están familiarizados con los titulares de las principales características de esta versión, es decir. los nuevos iconos de sitio, gestión de menú en el personalizador y contraseñas más seguras. Sin embargo, también hay un par de mejoras menos conocidas que tendrán un impacto positivo en millones de usuarios de WordPress. read more

Leer más » 1 Comentario

Red neuronal clásica – Theano

Aquí os dejo con un ejemplo (red_neuronal_clasica.py) muy sencillo y claro para realizar una red neuronal clásica.

import theano from theano import tensor as T import numpy as np from Load import mnist from scipy.misc import imsave def floatX(X): return np.asarray(X, dtype=theano.config.floatX) def init_weights(shape): return theano.shared(floatX(np.random.randn(*shape) * 0.01)) def sgd(cost, params, lr=0.05): grads = T.grad(cost=cost, wrt=params) updates = [] for p, g in zip(params, grads): updates.append([p, p - g * lr]) return updates def model(X, w_h, w_o): h = T.nnet.sigmoid(T.dot(X, w_h)) pyx = T.nnet.softmax(T.dot(h, w_o)) return pyx trX, teX, trY, teY = mnist(onehot=True) X = T.fmatrix() Y = T.fmatrix() w_h = init_weights((784, 625)) w_o = init_weights((625, 10)) py_x = model(X, w_h, w_o) y_x = T.argmax(py_x, axis=1) cost = T.mean(T.nnet.categorical_crossentropy(py_x, Y)) params = [w_h, w_o] updates = sgd(cost, params) train = theano.function(inputs=[X, Y], outputs=cost, updates=updates, allow_input_downcast=True) predict = theano.function(inputs=[X], outputs=y_x, allow_input_downcast=True) for i in range(100): for start, end in zip(range(0, len(trX), 128), range(128, len(trX), 128)): cost = train(trX[start:end], trY[start:end]) print(np.mean(np.argmax(teY, axis=1) == predict(teX))) read more

Leer más » Comentar

Bloqueo

Leer más » 1 Comentario

Un tema bloggero gratuito de WordPress diseñado para mostrar imágenes

Traducido del artículo: “A Free WordPress Blog Theme Designed to Showcase Featured Images” de:

Sarah Gooding, julio 3 de 2015

Resonar es un elegante tema de blog de WordPress, que fue lanzado a mediados de marzo en WordPress.com y ya está disponible para los sitios de WordPress auto hospedados. Este tema hace un gran impacto con su fuerte tipografía y las imágenes destacadas de pantalla completa.
Resonar fue diseñado por Takashi Irie, el mismo diseñador de los temas por defecto Veinte Quince y Veinte Catorce. Los diseños de Irie están también detrás de los populares temas Espied y Ryu.
La página de inicio para Resonar se crea mediante la asignación de un post pegadizo con una imagen destacada grande (idealmente 2000px de ancho y 1500px de alto). Si suele cambiar este post pegadizo, su sitio siempre tendrá un punto focal fresco en la página principal.
Si usted está buscando un tema que ponga de relieve los posts largos, Resonar encaja a la perfección con su estilo único para bloques de citas, citas atractivas e imágenes sobresalientes.
El diseño del blog centrado mantiene el foco en el contenido, pero usted no tiene que sacrificar áreas de widgets para utilizar el tema. Al hacer clic en el icono de puntos suspensivos en el menú principal revelará una amplia barra lateral deslizable, de 576 pixeles de ancho, dónde puede tirar widgets y mostrar un menú de vínculos sociales.
Como Resonar gira en torno a imágenes en pantalla completa, usted tendrá que estar preparado para tener una imagen de 2000px por 1500px para cada post con el fin de mantener el tema luciendo su mejor forma. Eche un vistazo a la demo en vivo en WordPress.com para ver Resonar en acción. Los propietarios de blogs auto hospedados en WordPress, pueden descargar el tema de WordPress.org o instalarlo a través del navegador de temas de administración. read more

Leer más » Comentar

Lo mejor de mi RSS del 10 al 16 de agosto de 2015: Ubuntu, NVIDIA, Spotify y terminal web

Si algo tienen las vacaciones es que suelen pasarse más rápido los días de lo que puedes esperar, y eso que soy de los que también le gusta la rutina. Ya hemos pasado la mitad de agosto y cada día serán más los que vuelvan y menos los que se vayan de vacaciones. Mientras tanto, aquí seguimos semana a semana dando una buena panorámica de un flechazo de las noticias más interesantes aparecidas en el mundo de GNU/Linux, del software libre y de la programación web en general, con especial atención a WordPress, nuestro sistema de gestión de contenidos favorito. read more

Leer más » Comentar

Lasso añade Revisión de la Restauración en tiempo real a WordPress

Traducido del artículo: “Lasso Adds Real Time Revision Restoring to WordPress” de:

Sarah Gooding julio 2 de 2015

Esta semana Nick Haskins lanzó una actualización de Lasso, que introduce revisión en tiempo real de la restauración. Lasso, un plugin diseñado originalmente para mejorar la experiencia de usar Aesop Story Engine (Motor Esopo), es actualmente uno de los intentos de uso fácil y bien apoyado en traer la edición frontend (Son los encargados de maquetar la estructura semántica del contenido (HTML), codificar el diseño en hojas de estilo (CSS) y agregar la interacción con el usuario (Javascript) a WordPress.
El plugin funciona con o sin el Motor Esopo. Lasso aporta un minimalista y discreto acercamiento a la edición que mantiene el enfoque en la creación de contenidos. Haskins espera enviar la versión 1.0 del plugin este otoño, y el código fuente se puso recientemente a disposición de los desarrolladores y probadores en GitHub.
“Nuestro objetivo es simple: ser un editor de frontend que niega el uso del editor de posts de WordPress,” dijo Haskins. “Una de las últimas áreas de entrada en esta empresa eran las revisiones.”
Lasso 0.9.6 permite a los usuarios restaurar las revisiones en tiempo real durante la edición de un post en el frontend. El plugin introduce un nuevo y único enfoque para mostrar las revisiones, la eliminación de la comparación por defecto “estilo diff” a favor de una interfaz de deslizamiento simple. read more

Leer más » Comentar

Regresión logística – Theano

Aquí os dejo con un ejemplo (regresion_logistica.py) muy sencillo y claro para realizar una regresión logística.

import numpy as np import theano from theano import tensor as T from Load import mnist def floatX(X): return np.asarray(X, dtype=theano.config.floatX) def init_weights(shape): return theano.shared(floatX(np.random.randn(*shape) * 0.01)) def model(X, w): return T.nnet.softmax(T.dot(X, w)) trX, teX, trY, teY = mnist(onehot=True) X = T.fmatrix() Y = T.fmatrix() w = init_weights((784, 10)) py_x = model(X, w) y_pred = T.argmax(py_x, axis=1) cost = T.mean(T.nnet.categorical_crossentropy(py_x, Y)) gradient = T.grad(cost=cost, wrt=w) update = [[w, w - gradient * 0.05]] train = theano.function(inputs=[X, Y], outputs=cost, updates=update, allow_input_downcast=True) predict = theano.function(inputs=[X], outputs=y_pred, allow_input_downcast=True) for i in range(100): for start, end in zip(range(0, len(trX), 128), range(128, len(trX), 128)): cost = train(trX[start:end], trY[start:end]) print(i, np.mean(np.argmax(teY, axis=1) == predict(teX))) read more

Leer más » 3 Comentarios

Desgracia

Leer más » 2 Comentarios