顧世淦

顧世淦

2018/10/08

顧世淦（1917 年 4 月 26 日 巳 時 － 1995 年 11 月 19 日 17 時 45 分) [1], [2]。

-----

丁戊甲丁
巳戌辰巳
7868584838281808
丙丁戊己庚辛壬癸
申酉戌亥子丑寅卯

[每逢甲或己年 2 月 1 日交大運]

-----

「法嚴法師俗名顧世淦，祖籍浙江，生於一九一七年三月六日，卒於一九九五年十一月十九日，俗壽七十九載，戒臘九歲。」[1]「法嚴法師，原籍浙江紹興，生于丁巳年(1917)三月初六日巳時，寂于乙亥年(l995)九月廿七日酉時，世壽七十九歲。」「 法嚴法師是在我離開金山第十一天，在十一月十九日下午五時四十五分安詳往生的。」[2]

-----

「法師生長於上海，抗日戰爭不久，轉往重慶中文大學攻讀機械工程。一九四十年，響應政府號召，投筆從戎，成為中國空軍上尉，擔任美國空軍飛虎隊之翻譯人員。因應職責所需，輾轉中國各地及印度、美國，普見眾生苦難，生老病死，悲心自起，乃積極探求人生真諦，深研佛法。一九四七年自空軍退役後返鄉後，於上海淪陷前夕，隨其母赴臺，後就職於農復會二十年，對臺灣的農經建設頗有貢獻。」[2]

-----

Fig. 1. 譯經院舊址，福嚴精舍 [7]。

-----

譯經院：

「他於民國卅七年(1948)抵台，先在高雄某機構服務，後轉入農復會，當時農復會業務多由美國人主持，他在年資已夠而提早退休後，出任沈家楨居士創辦之美國佛教會新竹譯經院副院長，任期十年中譯出「大寶積經」一部為英文本。」[2]

「首先我們應從譯經院的創始人沈家楨老居士介紹起，沈氏出生於虔誠信仰佛教的家庭，早期畢業于交通大學電機系，復獲美國聖若望大學博士，現在美經營大西洋航運公司，為世界航業鉅子之一，除了在美國興建大覺寺，創立美國佛教會外；諸如國內的慧炬月刊，及大專佛教社團獎助學基金大都是沈氏所捐助的；民國六一年又設立這所「美國佛教會駐台譯經院」。沈氏本人自任基金會董事長，另邀請許巍文、李恆鉞、顧世淦，戈本捷四位居士常務董事。在行政組織上，沈氏自行兼任譯經院院長；顧世淦與戈本捷兩位常務董事分別兼任譯經部與行政部的副院長。譯經院成立以後，曾兩次招考譯員，每次只招三位，一共六位。劉奕賜先生就是其中一位，因為劉先生當時不能分身，所以由院方聘為持約譯員，兩年以後才正式參予譯政工作。」[4]

「初稿全部完成之後，顧世淦很客氣，建議請學有專長的專家學者編審，以現代的眼光判斷適用不適用，好不好，有什麼需要更改修正的，我於是請在賓州州立大學任教的張澄基教授擔任此事，張澄基答應了。沒想到張澄基看稿之後，和顧世淦各持己見，爭執半天無法達成協議，我又無法判斷，但因為要出版，總得有人做最後決定，我於是對顧世淦說，既然是你建議張澄基的，那就請張澄基做最後的編審吧，顧世淦也同意了，終於把譯稿決定下來。」[5]

「我這次做『金剛經』磁碟片一事，參考了六十六種經與論，看到各家詮釋不同，深深感到譯者如果不能真懂，兼具信、雅、達的翻譯是極難極難之事。例如張澄基，對佛教有比較深入的瞭解，在西康學密多年，也打坐，真正下過苦工夫，是貢噶老人真正看得起的人物，但他的文字，不論中文英文就不及顧世淦了，但顧世淦在教理上的體會不及張澄基，這是困難所在，今天他們兩位都不在了，所以我才坦白地講。」[5]

「福嚴佛學院是女眾學院，一向借福嚴精舍來辦學。第一屆辦完後，由於人事因緣，曾停辦了好些年。一度精舍還因房舍虛置甚為可惜，而借給譯經院從事經典英譯的文化事業。」[6]

「美國佛教會的創始人沈家楨老居士于民國六一年在新竹青草湖創辦了譯經院。該院向政府的立案全銜是「美國佛教會駐台譯經院」。譯經院的全部經費都是由沈老居士獨力捐助的。因為沈老居士的事業都在美洲，所以不能親自分身照顧譯經院，去年底，聖嚴法師返國奔東老之喪，乃與他商議，將譯經院改組，由中華佛教文化館與美國佛教會合作來主持譯經院。並且，將院址從新竹遷往北投佛教文化館的下院，這是東初老法師晚年所建之新道場——農禪寺。」[4]

「民國六十二年（一九七三），六十八歲 ● 國曆一月二十四日，應美國佛教會沈家楨居士之請，由美國佛教會駐台譯經院副院長顧世淦陪同，經日本東京飛美靜養。途經日本，晤聖嚴、清度二法師，及吳老擇、梁道蔚二居士。抵美後，住長島菩提精舍靜養，由日常法師隨侍左右。」[8]

-----

「一九七八年赴美，更是全心致力於經典之翻譯。初時定居於舊金山，後於一九八六年，在妙境法師座下剃度出家。自此掛單於拉菲葉山之法王寺，後以病苦體弱，遷回舊金山，二年前法體更見敗壞離散之相，再遷到Freemont市方便照顧。法師雖久於病中，但是廣度有情之願力未嘗或輟，仍然屢屢抱病弘法，誨人不倦，殊堪感念。」[2]

妙境「法師先後主持，香港東林念佛堂，美國法王寺及美國法雲寺道場，統理大眾，弘揚正法，一本樸質風格，解行并重，實事求是。」[9]

-----

翻譯兩三事：

「在空軍翻譯期間，他主要負責英譯情報、漢譯公文、提高軍人文化水平，1942年7月4日，結束空軍翻譯服役。在訓練班招待會歡迎美國志願空軍大隊長陳納德上校，黃仁霖致歡迎詞，當說到「三民主義」時，中央大學顧世淦同學直譯為「nationality,people 's sovereignty,people's livelihood」（民族、民權、民生），陳納德聽不懂，許淵沖便譯成「of the people,by the people,for the people」(民有、民治、民享)，用林肯的話解釋孫中山的話，賓主恍然大悟。」[10]

「顧居士在我家見有兩本英文佛學雜誌，一本是鍚蘭出版的「佛陀之光」，一本是印度出版的「摩訶菩提」，要借去一閱，這兩本刊物，尤其是「佛陀之光」，世界各地的佛教消息特別多，「摩訶菩提」則佛學論述尤佳，他讀後發心要為樹刊的國際佛教動態，譯載兩刊的消息，同時發現有佳作時亦願翻譯後交我們發表。」[2]

「此外，早年在台灣有一位學者顧法嚴居士，後來在美國出家，他曾經從導師的著作中，翻譯出兩篇文章介紹給西方的讀者，一是〈從人到成佛之路〉──"The Road from Man to Buddha"，2另一是〈學佛之根本意趣〉──"The Basic purpose of Following the Buddha"。3另外，顧居士也曾英譯了幾章導師的《中觀今論》。」[11]

-----

佛陀的啟示：

「佛所說的四念處因為很微妙的原因﹐不止是在中國失傳了﹐就連在自封是原始佛教正統的南傳佛教系統中﹐都曾經失傳了上千年。今天南傳佛教系統中的四念處修行方法﹐是得力於近代一位緬甸的高僧烏巴金。是他在四念處失傳了近二千年後﹐重新又拾回了這一個法門。今天我們所看到教四念處或覺觀的團體﹐皆直接或間接源于高僧烏巴金。我和李元松之所以會見到四念處﹐也都是間接受惠﹐因為我們都深讀了一本書﹐也就是一位斯里蘭卡的學者羅侯羅所寫的『佛陀的啟示』。李元松讀的是顧法嚴翻譯的中譯本﹐而我讀的是英文原本。但這位斯里蘭卡的學者也是受到高僧烏巴金的影響。」[12]

「「佛陀的啟示」重點，是闡明南傳佛教最簡明有力的一部書，立論嚴謹，據典明實，深入淺出，把許多隱晦、枯澀的課題說得生動有趣，深為廣大讀者喜愛。」[2], [13]

-----

「公元1971年，曾銀湖20歲，大學機械系二年級學生，面對必須補考的微積分和失意的愛情，形容枯槁，神情憔悴地品嘗著身、心痛苦的滋味。這時，他很幸運地閱讀了由錫蘭比丘博士羅日侯;羅化普樂所著述的「佛陀的啟示」（顧法嚴譯）一書。書中提到有人問佛陀，為什麼佛陀的弟子們過著簡單平靜的生活，每天只吃一餐，卻如此神情煥發？佛陀回答說：「他們不悔既往，不冥索將來。他們生活在現前的時間中，因此他們都神采奕奕。愚蠢的人又冥索未來又追悔過去，就像碧綠的蘆葦在驕陽中被刈斷一般，一下子就枯萎了。」全書以四聖諦為宗旨，說明八正道，也概要地介紹了在一切時中都要保持念念分明的方法。」[15]

「先從善盡自己的責任與義務，與照顧好身旁的人開始。李老師的這項教導，後來在閱讀印順法師所著「佛法概論」中第十九章「菩薩眾的德行」（註一）得到了印證：「…新的社會---淨土中，有菩薩僧，大多是沒有出家聲聞僧的；…佛的真身，是現在家相的。…菩薩行的真精神，是『利他』的。…應參與社會一切正常生活，廣作利益有情的事業。如維摩詰長者的作為，…依自己所作的事業，引發一般人來學菩薩行。」」[16]

「此外，李老師亦非常注重民主的精神和經驗主義的立場，鼓勵學習者勿因尊敬師長而不提問，應該有疑就問！甚至到了圓寂前數分鐘，仍鼓勵弟子對於教誡不明之處提問。同時，凡是未親自經歷或驗證的事物，不要急著「相信」，應暫時存疑，等到親自「見」到了，再生起信心。此二點與顧法嚴居士翻譯的「佛陀的啓示」中第一章「佛教的宗教態度」（註二）記載佛陀對弟子及迦摩羅人的教誡無二無別。」[16]

-----

References

[1] 懷念法嚴法師 _ BAUS Wisdom Journal 美佛慧訊
http://www.bauswj.org/wp/wjonline/%E6%87%B7%E5%BF%B5%E6%B3%95%E5%9A%B4%E6%B3%95%E5%B8%AB/
 
[2] 山居雜記 _ BAUS Wisdom Journal 美佛慧訊
http://www.bauswj.org/wp/wjonline/8553/

[3] 美佛會 - 美佛慧訊 - 我為什麼出家
http://www.bauswj.org/baus/newsletter/2002/nl80_why_left_home.html

[4] 譯經院的過去、現在與未來
http://www.chibs.edu.tw/ch_html/projects/Leezhifu/html/journal/j032.htm 

[5] 訪沈家楨居士談新竹譯經院
https://www.yinshun.org/Enlightenment/1997/1997may/1997may4.htm

[6] 三年新竹山居歲月——我在福嚴教學時代的所遇、所學、所思
http://www.hongshi.org.tw/writings.aspx?code=21CAC65B3E1544A82681FBBEDA94F30C
 
[7] 台語與佛典  到福嚴精舍禮佛
http://yifertw.blogspot.com/2018/08/blog-post_11.html

[8] 印順導師略譜
http://www.yinshun.org.tw/A03-0-101.htm

[9] 佛教界的耆老，妙境長老。昨天（4月17日）晚上示寂於苗栗的法雲寺。
http://www.buddhaspace.org/threadread.php/board=BudaInfo&nums=72

[10] 許淵沖 - 維基百科，自由的百科全書
https://zh.m.wikipedia.org/zh-mo/%E8%A8%B1%E6%B7%B5%E5%86%B2

[11] 導師的著作與思想在美國弘傳的現況 李祖鵠（美國印順導師基金會董事）
http://www.hongshi.org.tw/writings.aspx?code=A7CE6B0440983C61ABC1C4203A256EE9

[12] 佛法現代化的先行者 - 李恆鉞教授 - 四念堂隨筆 - udn部落格
http://blog.udn.com/4mindfulhall/7182418

[13] 佛陀的啟示
https://book.bfnn.org/books/0535.htm

[14] 佛陀的啟示讀後                     釋開普
http://www.buddhismmiufa.org.hk/buddhism/special/BuddhismIntro.htm

[15] 三十五、曾銀湖 _ 向群港台新馬泰日美佛教大學和寺院
https://scbbb.wordpress.com/2011/07/26/%E4%B8%89%E5%8D%81%E4%BA%94%E3%80%81%E6%9B%BE%E9%8A%80%E6%B9%96/

[16] 我到象山淨苑的因緣（徹見）
https://www.modernpureland.org/webc/html/about/show.php?num=263&page=18

李恆鉞

李恆鉞

2018/09/17

李恆鉞（1910 年 － 1998 年 8 月 20 日）[1]-[4]。

-----

Fig. 1. 圖左起為：李恆鉞居士、聖嚴法師、仁俊長老、敏智長老、東初老人、通如法師 [12]。

-----

懷念：

「到了今年春天，我回臺灣期間，聽說李教授患了癌症，但又據說，他見到前去探病的訪客，談起他的病情，好像是在介紹另外一個人所害的病，一點也沒有為病擔心、為病所苦的表情，大家讚歎他畢竟是一位數十年浸淫於中觀學的智者。我於今年四月二十日由東方返抵紐約，五月二十四日便帶著三位僧俗弟子，到他紐澤西州的家中探望，他跟他的兩位小姐生活在一起，特地由他的小姐從樓上把他請到樓下，已是病得骨瘦如柴，舉步艱難，兩眼深陷，牙齒全脫，說話的聲音也相當微弱。記得去（一九九七）年十一月十五日，我到紐澤西州羅格斯大學演講那天，他還精神碩健地坐在臺下跟我在臺上高聲對話，使全場四百位聽眾都能聽得清清楚楚。時隔短短半年，竟然有如此大的變化，真是「無常迅速」！」[4]

-----

向知識分子介紹佛教：

「周宣德居士受到加拿大詹勵吾居士資助，成立了「慧炬學社」，鼓勵青年寫作，結緣佛教書籍，如李恆鉞居士的《向知識分子介紹佛教》等，印行了不止數十萬冊，分送給青年閱讀，提供獎學金，鼓勵撰寫心得，藉此帶動青年學佛。」[5], [21]

「一年多後，到民國四十年（一九五一），貧僧到了新竹青草湖擔任教務主任。這是因為創辦人大醒法師中風臥床不起，不能語言，住持無上法師是一位頭陀苦行的行者，對教育他也不敢聞問，就全權給我負責。大概有六十名學生，四眾弟子都有，我請心悟、心然兩位法師，一位擔任佛學教師，一位擔任佛教史教師，我教授國文。其它的世俗學科，皆由當時石油公司研究所幾位科學家，如：李恆鉞《向受過現代教育的人介紹佛教》的作者、程道腴等人教授。」[6]

新竹佛教居士林：

「居士方面，早期李恆鉞、許巍文成立佛教居士林，關世謙居士也居住在新竹市，科學園區又近在咫尺，只可惜新竹的學佛風氣都只在風前燭時明時滅的狀態，有待眾人的努力了！」[7]

「民國四十年代初以李恆鉞、許巍文等一批學佛弟子，初期在其所服務單位新竹工業研究所附近研習佛法，後因聞法者日增場地不敷使用，而商借北門鄭氏家廟為研習處，但因交通的問題而有移借市中心之議，經介紹而與證善堂結緣，就地弘法。講經數年後，學佛會取名為「新竹佛教居士林」，林址亦設在證善堂內，從此居士林與證善堂結下法緣近五十年。」[8]

「讀完大方的文章－《校門外的回憶(四) ---西門街的童玩糖果店》，讓我想起了我們家族維護的佛寺「證善堂」，這座佛寺建於清光緖十九年（1893年），它坐落在我們西門街家的後面，因為屋舍已經太老舊，所以已經重新改建，那裡只供奉佛菩薩。「證善堂」裡，沒有供奉其他民俗信仰的神明，這和瓊林家的宗祠「鄭氏家廟」也不一樣。 」[9]

「證善堂每星期六晚上和星期日早上，固定由當時是工研所副所長和清大代校長的李恆鉞教授講授佛法。有一年，我們有幸請到佛學巨擘「印順導師」來講經一年。」[9]

「左邊這張「證善堂」的照片裡，只展現了「證善堂」三分之二的外觀，那是因為「證善堂」重建以後，前面的庭院沒有以前那麼寬大，外加一個蓮花池，照相時，我只能照到證善堂全景的三分之二。照片裡沒有顯示的右邊的匾額上寫著「般若」，左邊的匾額上寫著「禪定」。正規的寺或廟都有三個前門，普通信衆應該都是走邊門，以示禮貌。」[10]

「由於李恆鉞居士時任工研所副所長及清華大學代校長，公務繁忙，終於在民國五十年代中期離開居士林，但十多年在證善堂的弘法為居士林奠定深厚的佛法基礎。李恆鉞居士因公離開居士林後，許巍文等居士繼續敦請教界法師前來講經弘法，並增加了念佛共修，以持誦《佛說阿彌陀經》為常課，這一念佛共修前後延續至今約四十年未曾中止。」[8]

電晶體：

「本校電子研究所在教授張瑞夫、李恆鉞、副教授溫鼎勳、電研所學生的共同研究努力下，於1965年5月成功自製矽平面式電晶體，為台灣電子工業開創新紀元。該半導體實驗室所製的電晶體品質，要比一般電晶體收音機所用者為高。當時一般所用原料是「鍺」，交通大學則是用「矽」。電流放大五十餘倍，截止頻率約為每秒五億週。台灣當時普通電視機及收音機所用的電晶體截止頻率都在二億以下。」[11]

-----

Fig. 2. 左二，李恆鉞教授。中，「淨海法師」，也是「玉佛寺」的創辦人 [10]。

-----

佛青會的創始人兼指導老師：

「他說來到美國的早期，曾給一群美國人講佛法，就有人問他是否已經開悟。他因一向都習慣於扮演中國在家弘法者的陪襯角色，就回答自己只是向他的師父印順法師學法的一個小學生，從不以為自己已經開悟。那人接著就問他，你向師父學法學了多久？他就回答已經有三十多年了。結果這位美國人就說，我還是不要向你學習佛了。因為我可不希望像你一樣，學了三十多年都還沒有開悟。你最好還是關了這個佛法研習班，不要再浪費自己和大家的時間了。李教授說自己聽了只是沈默，但倒也承認這位美國人有他的道理。」[13]

「由李教授主講﹐趙守仁帶領討論。一時吸引了不少紐約地區對佛法有興趣的華人青年。這就是世界佛教青年會的前身。趙守仁當時為了吸引初機﹐還慈悲地特別透過管道在世界週刊上開闢了一個專欄﹐叫電腦算命﹐用趙干銘作筆名。他本人雖然學過算命﹐但他寫專欄的目的卻不在算命﹐而是要宣揚李恆鉞教授的佛法。趙守仁本人為了做這件事﹐下了極大的功夫﹐也花了很多時間。可以說世界佛教青年會早期的成長﹐在法上是依據李教授的理念﹐但在組織上﹐是趙守仁夫婦精心經營與策劃的。」[14]

「或者我回台灣，或者不在紐約，長老便來代我講經。我在美國時期，能夠這樣相助，代我講經的長者，除了仁俊長老，還有一位李恆鉞長者，他們都是印順長老的弟子。因此，即便我不在紐約，東初禪寺仍是照常維持每週日的定期講經。」[15]

「是日大覺寺觀音殿及地下室有十幾位外籍人士，他們也每週來寺集會一次，或靜坐、或聽講，由李恆鉞居士主持。以英語為他們說佛法。李居士前在台灣服務於新竹科學園區，與現在休斯頓的許巍文博士同事，加上嘉義溶劑廠長戈本捷、台北農復會顧世淦（即後來在美出家的法嚴法師）等，他們幾人都是對佛法有深入研究的高級知識分子，經常聚在一起研究討論佛學，並譯著、出版佛學書籍；這幾位居士均曾在拙編的菩提樹雜誌上發表過很多著述或譯作。恆鉞居士闔家移民來美後，在紐澤西州一家醫院為針灸醫師，稍有餘暇，即宏揚佛法，今已高壽生西矣。」[16]

「佛青會過去的導師是李恆鉞教授，在李教授往生後，為什麼邀請一位出家人作指導老師﹖如此做難道不會傷害佛青會本有的思想自由的學風﹖難道不是自找麻煩﹖自找發展的限制﹖這樣做是不是很笨﹖很蠢﹖我在幾年前就在佛青會提出禮請宏印法師擔任指導老師的建議，直到今年才因緣俱足而得到法師的慈允。但在提出後，我的確感覺到有會員有這樣的疑問，只是沒有說出來。如今法師既然慈允了，我覺得有需要作一個說明。這樣才能使得佛青會在這樣殊勝的因緣下更能成長，茁壯。」[17]

「我想至今我仍沒有完全同意李教授的佛法思想，而李教授在生前，也顯然知道得很清楚。但他從沒有要求我改變自己的看法，反而以長者之尊一再地對我表達支持與肯定。從這個角度來看，我以為李教授的人格真地是符合佛法真實的精神。作為世佛青會的指導老師，他也是很當之無愧的。而我也一直很慶幸，自己在今生能遇到如他和沈老居士這幾位當今的大菩薩們。他們事實上都如南懷瑾老師一樣，並不大確切地知道什麼是四念處。但他們的人格都確切地展現出了佛法的精神，也就是從不以威權自居而去限制學人心靈的發展。也正因為這種因緣，我從不在任何人面前擺出「大師」的架子，因為我知道自己不是。但我確知「不依賴的心態」正是中國佛教所真正需要的———即每一位修行人都需要走出那個來自近代中國文化裡倫理觀念的桎梏。」[18]

「每一位修行人都應做自己的大師。也只有當大多數的修行人都能深刻了知修行是做自己的大師時，我所期盼的佛教現代化才算是有了基礎。所謂的皈依三寶也才能真地在修行人的生命裡起用（有作用）。否則套句禪宗祖師的話說，真可謂是「心外求法」。無論是再虔誠，再恭敬，都不會是原始佛教裡三皈依的真義。」[18]

-----

執著：

我執與法執。「執著」是釋迦牟尼佛所發現的人性共同現象，亦是眾生煩惱之根源。佛為幫助眾生解脫煩惱，便發明一套「慧」的科學，即「緣起性空」的科學，並藉「定」的力量，使這套緣起性空的道理在潛意識中作用，直到時機成熟，自然由一種知識轉變為自己之感情與經驗，由執著變為不執著，是轉迷為悟，是為解脫。」[25]。

中觀：

「後來印順導師到了台灣，就向印順導師當面去學，印順導師教中觀，慢慢的才知道自己執著太厲害，如果沒有聽他說，根本就不知道自己錯了。剛剛我跟人談天，他常說自己修行不夠，這就很了不起了。而我修了幾十年，並不知道自己修行不夠，以為我甚麼都修出來了，道教的我修出來了，上師要求的我都聽見了，也都看見了，我覺得很了不起，難怪沒有進步。經過印順導師，我才知道以前不對，是他把正確的見解傳給了我，而且他所說的話，我跟心經、金剛經一校對，完全跟佛說的一樣。看到他的修行，才看到自己的目標，雖然距離目標還遠，可是我不會瞎跑了，知道目標在那裏，走錯路的機會就少了，因此印順導師是我的恩師，師恩太大了，如何報師恩？沒辦法，只有盡力把他教給我的拼命貢獻給大家，使別人也得到好處，這是私人的一點心意；同時也是我一講佛法，一定會講回到中觀的原因。」[26]

「中觀修行的要點就是不執著：不執著一切見、一切相，不只是錯的不能執著，對的也不能執著。像（相？）現象中一切都不可執著，相反的若執著本體的空也是不對的。因此龍樹菩薩的中觀頌提到「大聖說空法，為離諸見故；若復見有空，諸佛所不化。」意思是說佛等大聖人講解不執著的要領，就是為了要破執著，如果什麼都不執著了，但是卻緊緊抓住這個什麼都不執著，連佛對此執著都無法化解。」[31]

-----

持戒：

「持戒就是不妨害人。戒律是人的道德。無論在何種宗教裡，道德是人定的，或是傳統的。由於是人為的，就沒有真理在其中。所以在不同的時間空間下，就會出現不同的認定。但是佛教的戒律是真理，在不同的時空下，都是正確的。那就是凡是不妨礙眾生的都是好事，都是該做的事；凡是妨礙眾生的，都是壞事，要持戒不去做它。天下沒有任何一個戒律會說妨害別人、妨害自己是好事，待人好、待自己好是壞事。所以佛教的戒是沒有錯的。」[27]

禪定：

「李教授以為人如果修定修得太深，則是定則定矣，樂亦樂矣，但和開悟沒有直接的必然關係。人要開悟，主要靠的是八正道中的正見，定只是輔助。若沒有八正道中的正見，無論你定修得再深，哪怕到非想非非想處定，仍是枉然，和開悟兩不相關。而要使定和正見相關，定就不能太深，否則人只能在定中享受禪定的快樂。但再快樂也不是開悟的正因。」[14]

「印順「人間佛教」，和本文主題相關的第三個理念是：「不修(深)禪定，不斷(細)煩惱」乃至「不證入實際」。印順以為，這是初期大乘佛教，亦即尚未變質的大乘佛教，所採取的修行原則。他說：當時的大乘佛教徒，雖然也修禪定，不過他們都像《阿含經》裏的彌勒菩薩一樣，不修深定；因為修深定必會耽著在禪樂當中而成小乘。 」[19]

「學佛需要的定有兩種，一是未到地定，未到地定就是未到某一個定以前的一個定。由於用未到地定可得慧解脫，慧解脫是把理智轉迷為悟的解脫。」[27]

「印度教與佛教對定的說法相同，但是印度教的定分為四禪八定。四禅是一禪、二禪、三禪、四禪，八定是四禪五定、四禪六定、四禪七定、四禪八定，最後再加一個九次地定。八定跟四禪大體相同但是內容不一樣。初禪非常快樂、二禪則是歡喜、三禪是輕鬆愉快的、四禪是空。五定是空無邊定、六定是識無邊定、七定是無所有定、八定是非想非非想定、九定是滅受想定。而未到地定就是在還未到達某一個有內容定以前，或是超過某一個有內容的定，而還未到達下一個有內容的定以前的空檔，它是有定而無內容的。因此未到四禪就叫四禪未到地定；倘若沒有指明是那一禪，則就是指初禪未到地定。」[27]

般若：

「把無分別智用到解脫道上是智，用到行為上就是愚。否則渡眾生時，救人跟害人相同，那不是愚嗎？所以修行不能把裏外弄錯。」[28]

「這種智慧分三種，一是慧解脫，一是心解脫，一是俱解脫。」[28]

「慧解脫，用我自己的說法，就是理智的轉變。這種解脫的轉變不是一種定境、不是心的現象，一但出了定就沒有了，而是永遠存在。是理智像毛蟲變蝴蝶一樣整個轉化過來。像是菩薩到了第八地得無生法忍、不生不減的境界，而且保持在那裏。」[28]

「心解脫就是感情的轉變，是證到涅槃境界，在經上的術語叫漏盡欲界。漏是缺陷、煩惱，漏盡就是無缺陷、無煩惱。心一但解脫，一切沒煩惱的反應立刻就出來，遇上不愉快的事就不會發脾氣。慧解脫還需要用理智來解脫，心解脫則當下就不起反應，不需要講道理，或靠長期鍛煉出來的。然而這只是內自證的解脫，只適合用在內心感受上，不可以用在外在行為上。慧解脫是由定能生慧而引發的，而慧能解脫需要的定是未到地定，也就是未到初禪的定。心解脫則需要到四禪，因為心解脫需要的力是很大，沒有神通不行；四禪可以發六種神通，第六種漏盡通就可以把心轉變過來。」[28]

「第三種是俱解脫，是比前二種解脫還要徹底的解脫，不但要得到比未到地定還要高的根本定，而且一定耍到第九次的滅受想定。除了佛外，只有一部分阿羅漢得到。而阿羅漢有各種解脫的，慧解脫的就沒有神通；心解脫的就有神通。不過我們不要太貪心，先從做到慧解脫或心解脫開始 。」[28]

「再說慧解脫和心解脫有什麼不同呢？「慧解脫」是理智的解脫，譬如有人罵我時，我立刻生氣，可是理智告訴我，不能執著，也不能生氣，對方罵我，我當沒聽到就沒事了，如此一想，本來想發脾氣的，脾氣也發不起來了。「心解脫」就是脾氣不見了，受罵，沒有關係，凡事不起執著，罵歸罵，聽歸聽，但心不動。」[26]

-----

止觀：

「定課三修？因為專修在時間與體力上要求較多，所以只要是定課專修，修行的時間就不能太長。隨時修則沒有這些限制，不論有沒有遇上困難，任何時間、任何地點都在修行，如此就進步快。過去我常做定課專修，老是感覺不到進步，後來把修行放到所有生活中的事事物物上去，才感覺到有些輕鬆愉快的反應，然後才感到真正有了進步。後來便把整個專修的進度停下來，而改到隨時修上去。」[29]

「要得到慧解脫，則只要到初禪以前的一個安靜的時期就可以了，這個時期叫未到地定，所謂未到地定就是沒有到達下一個定以前的時期。而每一個定都是有內容的，初禪的定像吸鴉片， 很愉快，二禪則淡一些，三禪更淡一些，四禪則安靜了。四禪以上則是各種不同安靜的定，像感覺無邊的空，或是時間很廣大， 或是一無所有的空，和沒有思想卻仍然很清楚，及最後為沒有感受與思想的定。而在一個定到另一個定的中間都還有一個安靜的時段。而未到初禪的定以前的這段時間，就是做止觀所需要的定。」[31]

「所以一定要修定，止觀的方法中，止就是修定。修定有三個原則，要精神統一、內心安靜、和身心放鬆，這三部曲是最要緊的。從這裡把定修出來以後，在定的情形下，你把你的正見提出來，而在定中提出正見就是觀，只有如此影響你的潛意識才是最有效的。無論那一種宗教修行所用的原理，都是止觀。用止觀修久了，便能開悟。開悟如同一種自動發生的靈感，一下子就跑出來了。」[30]

-----

References

[1] 李恆鉞居士(唐山交通大學) - 禪世界清凈修行 南傳尼柯耶
https://chanworld.org/2017/07/10/%E6%9D%8E%E6%81%92%E9%92%BA%E5%B1%85%E5%A3%AB%E5%94%90%E5%B1%B1%E4%BA%A4%E9%80%9A%E5%A4%A7%E5%AD%A6-%E7%A6%85%E4%B8%96%E7%95%8C/?variant=zh-tw

[2] 令人懷念的李恆鉞教授 _ 仁俊法師電子文庫
http://renjun.org/mag-021-1998-21-oct.html
 
[3] 悼念‧遊化 171
http://ddc.shengyen.org/mobile/text/03-07/171.php

[4] 悼念‧遊化 174
http://ddc.shengyen.org/mobile/text/03-07/174.php

-----

[5] 人間佛教回歸佛陀本懷 當代人間佛教的發展（五之三）
http://www.fgsbmc.org.tw/news_latestnews_c.aspx?News_Id=201602152

[6] 【十四說】我的新佛教改革初步
http://www.3fo.org/article/article.jsp?index=14&item=41&bookid=2c907d494f78ce82015364e155370045&ch=15&se=0&f=1

[7] 台語與佛典  家庭佛學讀書會---歡樂的時光 (15)
https://yifertw.blogspot.com/2013/09/15.html

[8] 台語與佛典  新竹市證善堂與新竹佛教居士林
http://yifertw.blogspot.com/2009/08/blog-post_18.html

[9] 竹師附小第16屆同學會部落格  [作文50+3] No90  我們家族維護的佛寺「證善堂」
https://fx1650.blogspot.com/2013/12/503-no90_16.html

[10] 竹師附小第16屆同學會部落格  [作文 50+3] No101  證善堂的兩張照片
http://fx1650.blogspot.com/2014/01/503-no99.html

[11] history2-3
http://www.nfc.nctu.edu.tw/history/history2-3.htm

-----

[12] 不平凡的回憶-紀念敏智老和尚 _ BAUS Wisdom Journal 美佛慧訊
http://www.bauswj.org/wp/wjonline/4954/
  
http://old.shengyen.org/content/photo/PhotoDisplay.aspx?sid=57&MType=3&SType=16

https://www.flickr.com/photos/39035042@N00/8472095890

[13] 菩薩僧團———談在家與出家的角色 - WYMBA
https://wymba.livejournal.com/81556.html

[14] 佛法現代化的先行者 - 李恆鉞教授 - 四念堂隨筆 - udn部落格
http://blog.udn.com/4mindfulhall/7182418

[15] 美好的晚年 126
http://ddc.shengyen.org/mobile/text/10-15/126.php 

[16] 美佛會 - 美佛慧訊 - 七、參觀聯合國
http://www.bauswj.org/baus/newsletter/2005/nl95_chu_us_tour_2.html
 
[17]《 佛青的導師 》
http://www.wisdomvoice.org/articles108/a1/a1_2.html

[18] 做自己的大師 - WYMBA
https://wymba.livejournal.com/77137.html

[19] 從印順的人間佛教探討新雨社與現代禪的宗教發展
http://ccbs.ntu.edu.tw/FULLTEXT/JR-BJ011/93565.htm

-----

李恆鉞教授專輯 - Google Drive
https://drive.google.com/drive/folders/0B64j_QJxA40yc1g2TUtSOFNZWHM

-----

[20] 如何達到真正的快樂-李恆鉞-111期.docx - Google Docs
https://docs.google.com/document/d/1KG4TI3aTQd1HnxJI7Ft3X3v3eQykclPgkhcVOg-7dvY/edit

[21] 離苦得樂之道.docx - Google Docs
https://docs.google.com/document/d/1-o50IchOmb_o4ls83mGoyibkMQRBgA5zQAF402eMElc/edit

[22] 向受過現代教育的人介紹佛教.docx - Google Docs
https://docs.google.com/document/d/1Bk0aCiSV8frQMlXmiKZ2KOmKForpn8iO5GpYsiApL_Y/edit

[23] 佛教要義 - 李恆鉞教授.docx - Google Docs
https://docs.google.com/document/d/1POXqQjSVRj6gCKP0q6XZOG6U2OntXf93YCuKIhY0PXU/edit

[24] 佛青會訊七週年願言-李恆鉞-佛青會訊57期.docx - Google Docs
https://docs.google.com/document/d/1j1HKwf8xDdHjf4WRfmBoQwSe2rULcwqZ0P-dYLD4RjQ/edit

-----

[25] 執著-李恆鉞-佛青會訊76期.docx - Google Docs
https://docs.google.com/document/d/1-O7m7dWRFnu8GW7I8irWC7D7eT_6NF5mHQURkT8fob0/edit

[26] 中觀-李恆鉞教授-佛青會訊106期.docx - Google Docs
https://docs.google.com/document/d/1VpEwDvx8I65jNen1_QbEffmjUKgwocWQItRYHRtpjpg/edit 

[27] 持戒、正知與定-李恆鉞-佛青會訊110期.docx - Google Docs
https://docs.google.com/document/d/1aTFgFGCQde5nA-AwHsAXWCp1kTLhIaPjxzRuegD47as/edit

[28] 般若-李恆鉞-佛青會訊105期.docx - Google Docs
https://docs.google.com/document/d/1b3FyH6_P3UJoy4HIGwn6u0frqETP04iDyYrlEDHOdyY/edit

-----

[29] 修行的方法-李恆鉞-佛青會訊109期.docx - Google Docs
https://docs.google.com/document/d/1hc9ljZBhqcBOEs5fMwz2zHLGFbRC7hzE1ApX3IWfePc/edit 

[30] 頓悟與漸修.docx - Google Docs
https://docs.google.com/document/d/1Wy-cC1IpQuuwX-vwcK4-W6YGpPdiPEwM2uKVmXrRyxQ/edit 

[31] 解脫道-李恆鉞-佛青會訊108期.docx - Google Docs
https://docs.google.com/document/d/1wO-qcb6Mh-wvOkdBYi5CIKK5kbLTc1LwEdXbJrtUXBc/edit 

[32] 解脫道與菩薩道-李恆鉞-佛青會訊107期.docx - Google Docs
https://docs.google.com/document/d/1lkjkw37vOhnb1hCEf6VbGa9sLuAjsXCqwZCmK-FeIRI/edit

李元松

李元松

2018/09/17

李元松（1957 年 3 月 25 日 卯 時 － 2003 年 12 月 10 日 申 時）[1]-[4]。

-----

Fig. 1. Lee [10]。

-----

Fig. 2. Lee （圖片來源）[32]。

-----

辛丙癸丁
卯申卯酉
4737271707
戊己庚辛壬
戌亥子丑寅

[每逢癸或戊年 7 月 3 日交大運]

-----

大運戊戌

戊丁甲癸
申巳子未

-----

「現代禪從1989年成立以來，短短九年之間，之所以發展出如此嚴密、龐大的教團，除了所授禪法的吸引現代人之外，背後還有組織型態和領導人（李元松）風格的原因。」

「這樣看來，在「外禪」的號召之下，現代禪吸引了許多嚮往理性、自由、民主的現代青年。但在「內密」的教團組織裏，卻阻礙了這些青年的向上(向教團權力核心)發展。「外禪內密」的禪法和教團架構，顯然隱含著內在矛盾，有待現代禪領導人的智慧化解。」[22]

-----

「一九九一年下半年，法師開始臥病，在病榻中讀了王瑪麗送給她的《與現代人論現代襌》，大為欣賞，於是她向出家弟子們推荐李老師的書，認為李老師說了她想說卻沒有說出的話。這是瑪麗告訴我的。從這些事可以看出如學法師目光如炬，能夠分辨修行人的高低深淺，然而更可貴的是，她對僧俗弟子慧命道業的真切關心和真切隨喜，在在都顯示了一個修行人慈悲和無私的風範。」[30]

-----

「「青年弘法團」部分人員在離開證善堂之後，雖然推動「農禪寺、法鼓山的活動」，甚至引入「張大卿」、「李元松」、「洪啟嵩」之類的禪修，最後都不能長久。這一推動新竹學法風氣的活動，就逐漸平息了。」[31]


-----

「我和李元松之所以會見到四念處﹐也都是間接受惠﹐因為我們都深讀了一本書﹐也就是一位斯里蘭卡的學者羅侯羅所寫的『佛陀的啟示』。李元松讀的是顧法嚴翻譯的中譯本﹐而我讀的是英文原本。但這位斯里蘭卡的學者也是受到高僧烏巴金的影響。」[33]

「在這一點上﹐我覺得李元松不如沈居士。沈老從不曾和出家人辯論法義﹐也從未以成就者自居。但他終其一生確定自己是一個學菩薩道的在家人﹐沒有想過因美佛會沒有那麼興旺就出家。也沒有在辭世前忽而覺今是而昨非式地着上染衣。」[33]

-----

References

[1] 李元松 - 維基百科，自由的百科全書
https://zh.wikipedia.org/wiki/%E6%9D%8E%E5%85%83%E6%9D%BE

[2] 信佛人李元松老師年譜初稿 (卷一)
https://www.modernpureland.org/webc/html/book/show.php?num=27&page=1

[3] 獨留情義落江湖，釋昭慧
http://www.unjinkr.url.tw/m_m_1_2.htm

[4] 永恆的燈塔 釋淨音（禪音）
https://modernpureland.org/webc/html/buddhist/show.php?num=103&page=6&kind=1

-----

[5] 台灣佛教網路論壇 -) 一位禪師臨終前的告言懺悔
http://tw-buddha.com/forum3/index.php?showtopic=10274 

[6] 訪談紀錄：現代禪（四）現代禪　溫金柯先生訪問記
http://buddhism.lib.ntu.edu.tw/museum/TAIWAN/md/md07-07.htm

[7] 訪談紀錄：現代禪（九）藍吉富先生訪問記
http://buddhism.lib.ntu.edu.tw/museum/TAIWAN/md/md07-03.htm

[8] 四段法緣，始終如一的真性情 -- 感懷李元松老師，游祥洲
http://www.unjinkr.url.tw/m_m_1_16.htm

[9] 憶李老師，林光明
http://www.unjinkr.url.tw/m_m_1_8.htm 

[10] 佛教復興的探索者 現代義邑的築基者--《生命智慧的對話》、《就這樣》序
http://www.unjinkr.url.tw/m_m_1_4.htm
http://m.blog.sina.com.cn/s/blog_6025ebd50102dqh1.html#page=1

[11] 教授爸爸週記  李元松之死
http://tmlai.blogspot.com/2004/07/blog-post_15.html

[12] 我到象山淨苑的因緣（徹見）
https://www.modernpureland.org/webc/html/book/show.php?num=263&page=19

[13] 無限的感恩與啟發——現代禪協助搬遷感言
http://www.hongshi.org.tw/writings.aspx?code=5B2EF0AF059A12E81402B6407F288789 

-----

[14] 信佛人敬致江燦騰教授暨江教授回覆信佛人的信
https://www.masterlee.url.tw/talk/letter/m70.htm

[15] 佛教現代禪菩薩僧團
http://nrch.culture.tw/twpedia.aspx?id=26643

[16] 由菩薩僧團談起 - 四念堂隨筆 - udn部落格
http://blog.udn.com/4mindfulhall/5942204

-----

[17] 訪談紀錄：現代禪（一）現代禪　李元松上師訪問記之一
http://buddhism.lib.ntu.edu.tw/museum/TAIWAN/md/md07-06-01.htm

[18] 訪談紀錄：現代禪（二）現代禪　李元松上師訪問記之二
http://buddhism.lib.ntu.edu.tw/museum/TAIWAN/md/md07-06-02.htm

[19] 訪談紀錄：現代禪（三）現代禪　李元松上師訪問記之三
http://buddhism.lib.ntu.edu.tw/museum/TAIWAN/md/md07-06-03.htm

[20] 訪談紀錄：現代禪（四）現代禪　溫金柯先生訪問記
http://buddhism.lib.ntu.edu.tw/museum/TAIWAN/md/md07-07.htm

[21] 人間佛教的困局—— 以新雨社和現代禪為中心的一個考察
http://buddhism.lib.ntu.edu.tw/museum/TAIWAN/md/md07-01.htm

[22] 從印順的人間佛教探討新雨社與現代禪的宗教發展
http://buddhism.lib.ntu.edu.tw/museum/TAIWAN/md/md07-02.htm

[23] 一個被研究者對楊惠南教授的申辯 ——並請學界公評
https://www.masterlee.url.tw/lee/academic/m13.htm

[24] 台灣居士佛教的展望（溫金柯）
https://www.masterlee.url.tw/lee/chibook/lifedir/lifedir-15.htm

[25] 永光集－《我有明珠一顆》讀後
http://www.yinshun-edu.org.tw/zh-hant/book/export/html/3732

[26] 敬覆印順法師「《我有明珠一顆》讀後」（溫金柯）
https://www.masterlee.url.tw/lee/chibook/lifedir/lifedir-02.htm

-----

[27] 佛教青年文教基金會（一）佛教青年文教基金會　宏印法師訪問記
http://buddhism.lib.ntu.edu.tw/museum/TAIWAN/md/md04-01.htm

[28] 訪談紀錄：文殊出版社（三）文殊出版社　洪啟嵩先生訪問記
http://buddhism.lib.ntu.edu.tw/museum/TAIWAN/md/md02-01.htm

[29] 訪談紀錄：文殊出版社（一）文殊出版社　黃啟霖先生訪問記
http://buddhism.lib.ntu.edu.tw/museum/TAIWAN/md/md02-02.htm

[30] 懷念如學法師的風範
http://www.hkshp.org/scholar/WenJinKe/m3-09.htm

[31] 台語與佛典  新竹市證善堂與新竹佛教居士林
http://yifertw.blogspot.com/2009/08/blog-post_18.html

-----

[32] 李元松老師著作匯集
https://www.masterlee.url.tw/

-----

[33] 佛法現代化的先行者 - 李恆鉞教授 - 四念堂隨筆 - udn部落格
http://blog.udn.com/4mindfulhall/7182418

張慈田

張慈田

2018/09/25

張慈田（1952 年 － 2009 年 5 月 31 日）[1]。


-----

[]
台語與佛典  明法比丘遺著《雜阿含經注》

-----

雜阿含經註》遺稿，經 Nanda Lau 整理後，印製五套。長老明法比丘致力於世尊正法律的弘揚，所著《雜阿含經註》雖非定稿，版主展卷批讀，發現處處碎金、珍寶，彌足閱讀《雜阿含經》者的參考。
此書有詳盡的來自巴利文獻的補註，頗與坊間所引的巴利註解不同。版主曾在明法比丘講席之下聆聽教導，頗思回報，希望撰文將此中獨特之處與大眾分享，讓 Nanda Lau 一番苦心不致落空。
// 台語與佛典  明法比丘《雜阿含經註》經號對照表

我身邊的學佛朋友在張大卿時期與尊者明法比丘在南傳系統下出家後返台時期，均頗有聯絡。

　我個人曾在新竹「法華寺」聽他講過兩次《雜阿含經》，受益頗多。我認為後人也許不該妄自刪裁尊者明法比丘的注，總以全貌顯示為要。

　當然，尊者明法比丘原意是要親自批閱審定後才出版，但是尊者已經捨報，如果坐令尊者的著作少人閱讀，更為可惜。

　我想，只要註明此為尊者明法比丘遺著，請讀者披沙得金即可。如果繼續留存在少人閱讀的情況(閱讀《雜阿含經》的信眾已是少數，能簡別出尊者明法比丘的卓見者，想必更少)，勢必讓遺稿更為少人知聞。

　　我想，仍然以將原著出版才不辜負尊者明法比丘的苦心孤詣。
// 台語與佛典  法友飛鴻 177：明法比丘註解：《《雜阿含經》注》

很快地在嘉義縣中埔鄉找到約七分地(兩千坪)的園林(舊底：彌陀園)，並於2002年(民國91年)6月30日遷入，並改名為「法雨道場」(Dhammavassārāma)，新開始組織運作，於9月完成寺廟登記。

　　「新雨」最初在美國1987年(民國76年)2月成立，翌年由張慈田居士(明法比丘Thitadhammo，Bhikkhu Metta)回台弘揚，「新雨」曾組織過台灣各地方學員，曾出版「新雨月刊」(1987.2~1994.1)。在嘉義成立「嘉義新雨道場」，出刊「嘉義新雨雜誌」(1994.2.~2003.4.)；目前出刊「法雨雜誌」(2003.12~ 2008.11)。一路走過來，參與了台灣原始佛教的建構，留下一些法的痕跡。
　　
　　道場以呼吸法當做禪觀的要領，也介紹其他的禪法，日常生活的互動(法的分享與回饋)、生活、作務，也佔重要的份量。秉持深度的思惟、實踐、反省法義。道場將繼續出版以巴利三藏為根據的佛教書籍，作為修學參考。但願未來在這道場有更多的精進禪修者完成解脫道。善哉！
// 法雨道場


照片


當年，新竹市普賢學佛會已經接近尾聲，後面邀請的李元松、張大卿、洪啟嵩的禪修練習，我都沒參加。普賢學佛會陳炳坤師兄在張大卿的演講課程中，與當時尚未出家的明法比丘熟稔，等尊者明法比丘從緬甸出家返台，陳師兄仍有機會擔任明法比丘的臨時淨人，也得以聆聽佛法。

我在 2000年返台之後，參加陳師兄的「雜阿含經讀書會」。在新竹法華寺搬去苗栗永和山水庫旁之前，在法華寺聽過兩次尊者明法比丘的「雜阿含經」講說。尊者申明阿含教義，輔以尼柯耶經證，既不偏袒漢譯經典，也不獨尊巴利經文，反復論證，引經深論，探甚深法義，再歸結日常行履、禪修下手處，令人如飲醇酒，身心俱
// 台語與佛典  明法比丘遺著《雜阿含經注》


經論會編》為主，已經反覆閱讀了四、五次；老實說，二十多年來很少讀到第三冊。
在閱讀過程同學偶爾會提出這樣的問題：「當年導師沒有電子大藏經，無法進行網路搜尋；在佛法討論上，又無良師益友能相互酬對，導師怎麼有辦法發現這些錯誤？」
如果跟其他幾個版本比較，這樣的特色更加突出。這些版本，例如：《大正藏》(紙本)、CBETA 《中華電子佛典集成》、佛光版《雜阿含經》、明法比丘《雜阿含經注》、王建偉/金暉《雜阿含經校釋》、台大獅子吼佛學社《好讀雜阿含經》。
// 台語與佛典  《雜阿含經論會編》的特點

明法尊者

後來在嘉義法雨道場上過明法尊者的阿含經課程，法師在教導的過程中，不時會引用阿毗達摩的資料，我印象最深的一次，是我們在討論意根時，他提到心所依處色，我完全聽不懂這個名相。也是這個因緣，我興起了學習阿毗達摩的念頭，因為阿含經中許多不太明白的地方，阿毗達摩似乎都有解釋的方法。
// 學習阿含要先學習阿毗達摩嗎？ _ 人生海海



-----

References

[1] 迴向明法尊者成就正覺
http://buddhaspace.org/bless/Master_MingFar/index.php

[2] 訪談紀錄：新雨社（三）嘉義新雨社　明法法師訪問記
http://buddhism.lib.ntu.edu.tw/museum/TAIWAN/md/md09-08.htm

[3] 從印順的人間佛教探討新雨社與現代禪的宗教發展
http://ccbs.ntu.edu.tw/FULLTEXT/JR-BJ011/93565.htm

明法比丘作品集 之二
http://www.dhammarain.org.tw/books/big/big.htm 


訪談紀錄：現代禪（一）現代禪　李元松上師訪問記之一
http://buddhism.lib.ntu.edu.tw/museum/TAIWAN/md/md07-06-01.htm

人間佛教的困局
http://buddhism.lib.ntu.edu.tw/museum/TAIWAN/md/md07-01.htm

法雨道場明法尊者訃聞
http://www.dhammarain.org.tw/obituary.html

明法尊者於2009年5月31日捨報 _ 人生海海
http://heavenchou.buddhason.org/node/159

推動大專佛學社團之父──周宣德
http://www.hongshi.org.tw/literary.aspx?code=A1356F08560C944AC6DF037C9643BDBD

佛教青年文教基金會（一）佛教青年文教基金會　宏印法師訪問記
http://buddhism.lib.ntu.edu.tw/museum/TAIWAN/md/md04-01.htm

// 明法比丘 葛印卡
- 佛法與內觀 - 南傳佛教各派在台發展概況
http://www.insights.org.tw/xoops/modules/articles/article.php?id=214

台語與佛典  明法比丘《雜阿含經註》經號對照表
http://yifertw.blogspot.com/2016/07/blog-post_29.html

台語與佛典  法友飛鴻 177：明法比丘註解：《《雜阿含經》注》
http://yifertw.blogspot.com/2015/12/177.html

法雨道場
http://www.dhammarain.org.tw/index.html

台語與佛典  明法比丘遺著《雜阿含經注》
http://yifertw.blogspot.com/2016/03/blog-post_4.html

台語與佛典  《雜阿含經論會編》的特點
https://yifertw.blogspot.com/2017/08/blog-post_17.html


學習阿含要先學習阿毗達摩嗎？ _ 人生海海
http://heavenchou.buddhason.org/node/243

阿毗達摩：《攝阿毗達摩義論》與《阿毗達摩概要精解》簡介 _ 人生海海
http://heavenchou.buddhason.org/node/165


四念處
阿含經
阿毗達磨
四念處的實際修行法 _ BAUS Wisdom Journal 美佛慧訊
http://www.bauswj.org/wp/wjonline/%E5%9B%9B%E5%BF%B5%E8%99%95%E7%9A%84%E5%AF%A6%E9%9A%9B%E4%BF%AE%E8%A1%8C%E6%B3%95/

法念處淺說 - 四念堂隨筆 - udn部落格
http://blog.udn.com/4mindfulhall/6113212

《當代南傳佛教大師》 －－推薦序／楊郁文(Recommandation of 'LIVING BUDDHIST MASTERS' from Upasaka Yang Yu-Wen)
http://myweb.ncku.edu.tw/~lsn46/extra/authors/jack-kornfield/living-buddhist-masters/Yang-recommend.htm

烏巴慶

烏巴慶

2018/09/27

-----

「佛所說的四念處因為很微妙的原因﹐不止是在中國失傳了﹐就連在自封是原始佛教正統的南傳佛教系統中﹐都曾經失傳了上千年。今天南傳佛教系統中的四念處修行方法﹐是得力於近代一位緬甸的高僧烏巴金。是他在四念處失傳了近二千年後﹐重新又拾回了這一個法門。今天我們所看到教四念處或覺觀的團體﹐皆直接或間接源于高僧烏巴金。我和李元松之所以會見到四念處﹐也都是間接受惠﹐因為我們都深讀了一本書﹐也就是一位斯里蘭卡的學者羅侯羅所寫的『佛陀的啟示』。李元松讀的是顧法嚴翻譯的中譯本﹐而我讀的是英文原本。但這位斯里蘭卡的學者也是受到高僧烏巴金的影響。 」

-----

References

Vipassana Meditation  烏巴慶 老師
https://www.tw.dhamma.org/zh-tw/%E4%BB%8B%E7%B4%B9%E5%85%A7%E8%A7%80/%E7%83%8F%E5%B7%B4%E6%85%B6-%E8%80%81%E5%B8%AB/

Zen Classroom 修思錄：Vipassan ā 內觀十日禪 » 大渡山學會
http://www.tunghaiwatch.org/?p=3377

近代內觀高僧－－韋布尊者 @ 遊心於法界   隨意窩 Xuite日誌
https://blog.xuite.net/ksitiputra/buddhism/475016763-%E8%BF%91%E4%BB%A3%E5%85%A7%E8%A7%80%E9%AB%98%E5%83%A7%EF%BC%8D%EF%BC%8D%E9%9F%8B%E5%B8%83%E5%B0%8A%E8%80%85

佛法現代化的先行者 - 李恆鉞教授 - 四念堂隨筆 - udn部落格
http://blog.udn.com/4mindfulhall/7182418

訪談紀錄：關懷生命協會（一）關懷生命協會　昭慧法師訪問記
http://buddhism.lib.ntu.edu.tw/museum/TAIWAN/md/md11-10.htm

訪談紀錄：關懷生命協會（一）談台灣佛教與人間佛教─昭慧法師訪問記
http://buddhism.lib.ntu.edu.tw/museum/TAIWAN/md/md11-11.htm

BAUS Newsletter - 兩次掩關內觀禪修日誌
http://www.bauswj.org/baus/newsletter/1999/nl58_vmc_retreat.html

Á½´ÎÑÚ¹ØÄÚ¹ÛìøÐÞÈÕÖ¾
http://kusala.online-dhamma.net/%E6%96%87%E5%AD%97%E8%B3%87%E6%96%99/%E5%8D%97%E5%82%B3%E4%BD%9B%E6%95%99%E5%9C%96%E6%9B%B8%E9%A4%A8%20Theravada%20Buddhism%20E-Library/048%20%E8%91%97%E4%BD%9C%20%20%20%E4%BE%9D%E4%BD%9C%E8%80%85/%E8%91%9B%E5%8D%B0%E5%8D%A1%E8%80%81%E5%B8%AB%20Goenka/%E5%85%A9%E6%AC%A1%E6%8E%A9%E9%97%9C%E5%85%A7%E8%A7%80%E7%A6%AA%E4%BF%AE%E6%97%A5%E8%AA%8C.HTM

 -----

《當代南傳佛教大師》 －－第十三章　烏巴慶(Chapter 13 -- U BA KHIN of 'LIVING BUDDHIST MASTERS' from Upasaka Yang Yu-Wen)
http://www.dhammarain.org.tw/books/Theravadian-masters/chap13.htm

如何對制十魔軍_烏巴慶老師 @ 秋菊蘭若   隨意窩 Xuite日誌
https://blog.xuite.net/roswita921105/021105/154463774-%E5%A6%82%E4%BD%95%E5%B0%8D%E5%88%B6%E5%8D%81%E9%AD%94%E8%BB%8D%2F%E7%83%8F%E5%B7%B4%E6%85%B6%E8%80%81%E5%B8%AB

烏巴慶 內觀方法
https://www.lama.com.tw/content/edu/data.aspx?id=3811

台語與佛典  烏巴慶內觀禪修的古老根源
http://yifertw.blogspot.com/2008/04/blog-post_9332.html

內觀基礎　馬哈希法師
http://www.book853.com/wap.aspx?nid=2424&p=1&cp=51&cid=162

〈身口意三業〉內觀療法 掃遍全身 - 副刊 - 自由時報電子報
http://news.ltn.com.tw/news/supplement/paper/1187089

台語與佛典  觀智的開展---早期佛典與烏巴慶、葛印卡內觀法門的比較研究(1)
http://yifertw.blogspot.com/2011/05/1_06.html

葛印卡

葛印卡

2018/09/27

-----

References

覆作家友人——談葛印卡大師（信佛人）
https://www.masterlee.url.tw/talk/letter/m72.htm

葛印卡老師答問的寶庫 _ BAUS Wisdom Journal 美佛慧訊
http://www.bauswj.org/wp/wjonline/%E8%91%9B%E5%8D%B0%E5%8D%A1%E8%80%81%E5%B8%AB%E7%AD%94%E5%95%8F%E7%9A%84%E5%AF%B6%E5%BA%AB/

台語與佛典  觀智的開展---早期佛典與烏巴慶、葛印卡內觀法門的比較研究(1)
http://yifertw.blogspot.com/2011/05/1_06.html

善來軒  葛印卡老師哀辭
http://kyawhtin2013.blogspot.com/2013/10/blog-post_187.html

- 佛法與內觀 - 南傳佛教各派在台發展概況
http://www.insights.org.tw/xoops/modules/articles/article.php?id=214

香光莊嚴第八十二期_永懷_懷念人間的導師_憶印順導師一二事
http://www.gaya.org.tw/magazine/v1/2005/82/82lb1.htm

走一趟法鼓山，不是悲傷的哭，是感動的淚 @ 小王子的玫瑰   痞客邦
http://kellycheuk.pixnet.net/blog/post/4248467-%E8%B5%B0%E4%B8%80%E8%B6%9F%E6%B3%95%E9%BC%93%E5%B1%B1%EF%BC%8C%E4%B8%8D%E6%98%AF%E6%82%B2%E5%82%B7%E7%9A%84%E5%93%AD%EF%BC%8C%E6%98%AF%E6%84%9F%E5%8B%95%E7%9A%84%E6%B7%9A

聖嚴法師七十年譜 829
http://ddc.shengyen.org/mobile/text/11-01/829.php

菩提道上  寧靜喜悅的生活―佛教正念學獻給當代的禮物
http://wisdom009.blogspot.com/2014/11/blog-post_76.html

台語與佛典  訪問林崇安教授談學佛歷程
http://yifertw.blogspot.com/2010/12/blog-post.html

齊柏林

齊柏林

2018/09/17

齊柏林（1964 年 12 月 27 日 － 2017 年 6 月 10 日）[1]。

-----

Ｘ庚丙甲
Ｘ戌子辰
4434241404
辛庚己戊丁
巳辰卯寅丑

[每逢戊或癸年 3 月 9 日交大運]

-----

大運辛巳

戊戊丙丁
午辰午酉

-----

References

[1] 齊柏林 (臺灣) - 維基百科，自由的百科全書
https://zh.wikipedia.org/wiki/%E9%BD%8A%E6%9F%8F%E6%9E%97_(%E8%87%BA%E7%81%A3) 

[2] 我的心，我的眼，看見台灣：齊柏林空拍20年的堅持與深情-齊柏林
http://www.sanmin.com.tw/Product/Index/004127305

AI從頭學（四五）：SGD

AI從頭學（四五）：SGD

2018/09/06


一、Batch gradient descent
二、Stochastic gradient descent
三、Mini-batch gradient descent

AI從頭學（三五）：DPN

AI從頭學（三五）：DPN

2017/09/06

-----

References

[DR014] Dual Path Networks - Shaofan Lai's Blog
http://shaofanlai.com/post/39

解读Dual Path Networks（DPN，原创） - 简书
https://www.jianshu.com/p/c13a9900d643 

ImageNet 2017 目标定位冠军论文：双路径网络 _ 机器之心
https://www.jiqizhixin.com/articles/2017-07-19-4

AI從頭學（三五）：DenseNet

AI從頭學（三五）：DenseNet

2017/09/06

-----

References

DenseNet – Towards Data Science
https://towardsdatascience.com/densenet-2810936aeebb

Blockchain（二）：Python Lab

Blockchain（二）：Python Lab

2018/09/03

-----

Fig. 1. Chain。圖片來源。

-----

References

[Python] 區塊鏈實作
https://zwindr.blogspot.com/2018/05/python.html

Learn Blockchains by Building One – Hacker Noon
https://hackernoon.com/learn-blockchains-by-building-one-117428612f46

AI 從頭學（三六）：YOLO v1

AI 從頭學（三六）：YOLO v1

2018/05/21

前言：

YOLO 可說是 object detection 第一個成功的 end-to-end（整合良好，不是好幾個演算法湊成一個）的演算法。而後的 YOLO v2 與 v3 更在效能與準確率都取得了極大的成功。本文簡介 YOLO v1 的架構與原理。

-----

Summary：

在學習 YOLO [1], [2] 之前，必須對 mAP [3] 與 NMS [4] 有基本的認識，才能夠進一步探討 YOLO 這個 object detection 演算法。本文參考了網路上 YOLO 的說明文章 [5]-[16] 與程式碼[17]-[21]。最後說明為何使用 Leaky ReLU 這個 activation function [22]-[24]。

-----

Fig. 1. The YOLO Detection System [1].

-----

Outline

一、YOLO
二、Model
三、Loss Function
四、NMS
五、Leaky ReLU

-----

一、YOLO

YOLO 這個 object detection 的演算法主要可分為三個步驟。第一、輸入的圖片先把它更新到 448x448 的正方形大小。第二、整張圖片放入一個 CNN 網路運算。第三、演算法最後的輸出是幾個物件的中心、大小、與類別的 confidence。參考圖1，左邊 0.64 的可能是人，中間 0.30 的可能性是狗，右邊 0.28 的可能性是馬（示範圖片不能算是一個好的結果）。
 
-----

二、Model

YOLO 的作法是先把正方形平均分為 7x7 個小塊。每個小塊可以預測兩個物件框的中心位置、大小、與類別。限制條件是中心位置必須落在小塊裡面。

所以一開始的輸出會有 98 個可能物件，去掉無效的框框（演算法認為不是一個物體），然後透過 NMS [4] 把重複的物件去除。然後再根據這個物件框的最大可能類別，最後就是圖2右邊識別出來的三個物件。

圖2是模型的原理，可以搭配圖3.1與圖3.2一起理解。

首先分成 7x7 個小塊。每個小塊分別可以產生兩個建議框，資訊包含框的中心 (x, y)（必須落於小塊內）、框的寬高 w, h，以及框框是物件，或者非物件。如圖2中間上方所示。這 10 個 bytes 也就是圖3.1最後輸出的前十個資訊。

圖2中間下方則是每個小塊最有可能的類別（二十種其可信度最高者），類別的資訊是由上面的框框決定。這 20 個 bytes 也就是圖3.1最後輸出的後二十個資訊。二十個可信度由兩個框框共享，所以這小塊延伸的兩個框框預測的是同一種物件（可信度最高那種）。如果小塊內有兩個物件，那只能預測出比較大的那一個。

由圖2中間上方可以看到重複性非常高，所以 NMS 是很有必要的。

Fig. 2. The Model [1].

-----

三、Loss Function

Loss function 可說是整個 YOLO 演算法的重點。重點中的重點則在於圖3.1最右邊，CNN 的輸出。 也就是圖2在論文中的說明：S × S × (B * 5 + C) tensors。

S = 7。
B = 2。
C = 20。

S = 7，7 X 7 個預測框。B = 2，每個框預測 2 個物件（屬於同一種類別）。5 分別是中心 (x, y) 與寬高 w, h，以及是物件或不是物件。然後 C = 20 是這兩個物件屬於二十種類別的 confidences。

Fig. 3.1. The Architecture [1].

-----

如圖3.2，Loss function 希望中心點 (x, y) 要對（第一行）。框框 w, h 要 match（第二行），由於希望減低大框框位移錯誤的比重，所以加上根號 [6], [7], [10], [11]。這個參考圖3.4很容易理解，小 box 的橫軸值較小，發生偏移時，反應到 y 軸上相比大 box 要大 [7]。第三、四行分別為框框被判定是物件還是非物件，非物件重要性降低，係數設為0.5。另外，座標的重要性比較高，係數設為5，如圖3.3所說明。最後則是分類（第五行）。

這邊有個補充，Sheng-min Huang：「7*7 所以會有 49個 cells，x, y 其實只有在算物件在這一格 cell 裡的位置，真正圖裡的位置要先找出 cell 的位置再加上 x, y。」

基本上，就是希望透過訓練集的資料更新網路的 weighting values，以達到較小的誤差值。這跟一般 CNN 沒有不同，只是 YOLO 連物件座標都預測了！

Fig. 3.2. Loss function [1].

Fig. 3.3. Parameters [1].

Fig. 3.4. Root function [7].

-----

四、NMS

比較特別的一點是，圖3.1的網路輸出之後，要先經過 NMS 去除重複的物件，然後再計算第三節的 loss。

「接下來，我們要去解析網絡的預測結果，這裡採用了第一種預測策略，即判斷預測框類別，再 NMS，多虧了 TF 提供了 NMS 的函數 tf.image.non_max_suppression，其實實現起來很簡單，所有的細節前面已經交代了。」[17]

-----

五、Leaky ReLU

在 AlexNet 大獲成功之後，ReLU 廣受歡迎，YOLO 使用更新的 Leaky ReLU [22]-[24]。

因為「ReLU 會使部分神經元的輸出為0，可以讓神經網路變得稀疏，緩解過度擬合的問題。但衍生出另一個問題是，如果把一個神經元停止後，就難以再次開啟（Dead ReLU Problem），因此又有 Leaky ReLU 類等方法」來解決這個問題 [22]。

-----

結論：

YOLO 這篇論文前後看了很久，但只要先搞清楚 mAP、NMS，那 YOLO 其實只是利用 CNN 同時判斷框框的位置與大小。講是容易，但能夠想到這一層，YOLO 可說是天才之作。

-----

References

[1] Redmon, Joseph, et al. "You only look once: Unified, real-time object detection." Proceedings of the IEEE conference on computer vision and pattern recognition. 2016.

https://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Redmon_You_Only_Look_CVPR_2016_paper.pdf

[2] YOLO论文翻译——中文版
http://noahsnail.com/2017/08/02/2017-8-2-YOLO%E8%AE%BA%E6%96%87%E7%BF%BB%E8%AF%91%E2%80%94%E2%80%94%E4%B8%AD%E6%96%87%E7%89%88/

[3] Machine Learning Concept（一）：Mean Average Precision（mAP）
http://hemingwang.blogspot.tw/2018/04/machine-learning-conceptmean-average.html

[4] Machine Learning Concept（二）：Non-Maximum Suppression（NMS）
http://hemingwang.blogspot.tw/2018/04/machine-learning-conceptnon-maximum.html

-----

基本說明

[5] YOLO — You Only Look Once 介紹 – Chenchou LO – Medium
https://medium.com/@chenchoulo/yolo-%E4%BB%8B%E7%B4%B9-4307e79524fe

[6] 论文阅读笔记：You Only Look Once  Unified, Real-Time Object Detection - CSDN博客
https://blog.csdn.net/tangwei2014/article/details/50915317

[7] 图解YOLO
https://zhuanlan.zhihu.com/p/24916786 

[8] YOLO详解
https://zhuanlan.zhihu.com/p/25236464 

[9] YOLO模型原理-大数据算法
http://x-algo.cn/index.php/2017/02/28/1767/

[10] You Only Look Once  Unified, Real-Time Object Detection(YOLO)
https://zhuanlan.zhihu.com/p/31427164

[11] RCNN学习笔记(6)：You Only Look Once(YOLO) Unified, Real-Time Object Detection - CSDN博客
https://blog.csdn.net/u011534057/article/details/51244354

-----

非基本說明

[12] 深度学习之目标检测-YOLO算法（一） – Eric Fan
https://www.fanyeong.com/2018/01/30/cnn-object-detection-yolo-part1/

[13] 深度学习之目标检测-YOLO算法（二） – Eric Fan
https://www.fanyeong.com/2018/01/31/cnn-object-detection-yolo-part2/

[14] YOLO解读 - 任广辉的博客 _ Sundrops Blog
http://renguanghui.com/2017/11/30/yolo/ 

[15] IOU
DEEP LEARNING之三十六：YOLO 算法（You Only Look Once） – Rethink
http://www.rethink.fun/index.php/2018/03/05/deep-learning36/

[16] C4W3L09 YOLO Algorithm - YouTube
https://www.youtube.com/watch?v=9s_FpMpdYW8

-----

代碼

[17] YOLO算法的原理与实现 - 云+社区 - 腾讯云
https://cloud.tencent.com/developer/article/1052865
 
[18] YOLO，一种简易快捷的目标检测算法 _ 雷锋网
https://www.leiphone.com/news/201801/VfYDZHC7Xa6hJXEK.html 

[19] GitHub - MashiMaroLjc_YOLO  implement the YOLO algorithm using MXNet_Gluon
https://github.com/MashiMaroLjc/YOLO

[20] Darknet  Open Source Neural Networks in C
https://pjreddie.com/darknet/

[21] GitHub - pjreddie_darknet  Convolutional Neural Networks
https://github.com/pjreddie/darknet

-----

Leaky ReLU

[22] 深度學習：使用激勵函數的目的、如何選擇激勵函數 Deep Learning   the role of the activation function _ Mr. Opengate
http://mropengate.blogspot.tw/2017/02/deep-learning-role-of-activation.html

[23] cs231n_2017_lecture6
http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture6.pdf

[24] Ramachandran, Prajit, Barret Zoph, and Quoc V. Le. "Searching for activation functions." (2018).

https://openreview.net/pdf?id=Hkuq2EkPf
https://arxiv.org/pdf/1710.05941.pdf  

AI創業日記（六）：Minimum Viable Product（MVP）

AI創業日記（六）：Minimum Viable Product（MVP）

2017/03/02

前言：

核心成員與商業模式簡介。

-----

Summary：

本「音樂生理學」的研究已進行十年以上，並有多篇論文發表 [1]。以美國為例，安眠藥在美國的市場規模是美金$1.5 billion (2014)，可以作為「睡眠音樂」市場預估的參考[2]。

MVP 的部分，目前屬於機密，對此有興趣者，請透過 LinkedIn 聯繫，謝謝！

本團隊從原本三人 [5] 擴增到四人。目前成員以交大博士為主，更多的訊息列於下方。

-----

* Top 10 Best One Piece Characters.

-----

◎ 執行長（CEO）：交大電控 PhD。
https://www.linkedin.com/in/marcel-wang-3a988b7a/

-----

研發部：

工業4.0的架構為 ABCI（AI、Big Data、Cloud、IoT）以方便記憶，列舉時則以資料流為順序，前端為物聯網，資料透過雲端儲存，最後是大數據與人工智慧的分析。

◎ IoT
經理：美國賓州大學資工碩士。
專長：Android、Front-end、Back-end。目前負責開發 proto-type。

◎ Cloud

◎ Big Data
大數據架構師：交大資管 PhD。
專長：Hadoop 生態系。目前為海外某公司首席大數據架構師。

◎ AI
資料科學家：交大電控 PhD。
專長：Machine Learning / Deep Learning。目前為某公司資料科學家。

-----

Note *
Top 10 Best One Piece Characters - YouTube
https://www.youtube.com/watch?v=Mz6icVxFr3c  

-----

References


[1] AI創業日記（一）：音樂生理學
http://hemingwang.blogspot.tw/2017/09/blog-post.html

[2] AI創業日記（二）：市場調查
http://hemingwang.blogspot.tw/2017/09/ai.html

[3] AI創業日記（三）：商業模式
http://hemingwang.blogspot.tw/2017/11/aibusiness-model.html

[4] AI創業日記（四）：商業模式的討論
http://hemingwang.blogspot.tw/2017/11/ai-1.html

[5] AI創業日記（五）：團隊介紹
http://hemingwang.blogspot.tw/2017/11/ai.html

Machine Learning Concept（二）：Non-Maximum Suppression（NMS）

Machine Learning Concept（二）：Non-Maximum Suppression（NMS）

2018/05/08

前言：

物件偵測時，難免會發生重複偵測的現象，大部分演算法都會附加一個 NMS 演算法來處理，但這個功能有沒有可能直接嵌入 CNN 呢？

Summary：

本文討論 object detection [1] 中，YOLO 演算法 [2] 與 Non-Maximum Suppression（NMS，刪除相似偵測）[3]-[8] 的關係。

-----

Fig. 1. Non-Maximum Suppression（NMS）[4].

-----

Outline

一、Non-Maximum Suppression（NMS）
二、YOLO and NMS

-----

一、Non-Maximum Suppression（NMS）

如圖1 所示，在 object detection 中，有時會出現重複偵測的狀況，譬如圖1左有三個相似的偵測結果，置信度分別是 0.9、0.8、0.7，這時你只能留下一個置信度最高的框框，把其餘的刪除，這就是 Non-Maximum Suppression（NMS）。

「非極大值抑制的流程如下：

a. 根據置信度得分進行排序。
b. 選擇置信度最高的比邊界框添加到最終輸出列表中，將其從邊界框列表中刪除。
c. 計算所有邊界框的面積。
d. 計算置信度最高的邊界框與其它候選框的 IoU。
e. 刪除IoU大於閾值的邊界框 重複上述過程，直至邊界框列表為空。」[4]

根據以上的演算法加以說明：

a. 必須是要同一類別。
b. 先找出一個置信度最高的框框，假定命名為 T (Target)。輸出列表數目為1。
c ~ e. 設定一個閾值，把跟 T 的 IoT [5] 高於閾值的框框都刪除掉。假定邊界框列表還有一些，那要再挑一個到輸出列表，這時輸出列表數目為2，然後再根據閾值刪除框框，依此原則反覆進行。

重點在於閾值的設定，以圖1為例，如果閾值設為 0.6，則會留下 3 個建議框，0.5 會留下 2 個，0.4 才能剩下一個 [4]。
 
-----

二、YOLO and NMS 

如圖2 所示，YOLO 的最後一步驟是 NMS。

以 YOLO 的演算法，出現圖1左的三個框框可能性應該很低（？），最多就是出現兩個框框，這時就可以套用 NMS 去掉一個。

TensorFlow 有提供 NMS 的函式：tf.image.non_max_suppression [6]-[8]，YOLO 使用 NMS 的時機則在 CNN 輸出之後，計算 loss 之前。

-----

Fig. 2. YOLO [2].

-----

Conclusion

以 NMS 使用的時機而言，YOLO 「勉強」稱的上是 ent-to-end 的設計，如果 NMS 能由神經網路直接完成，那就更酷了！

-----

References

[1] 關於影像辨識，所有你應該知道的深度學習模型 – Steven Shen – Medium
https://medium.com/@syshen/%E7%89%A9%E9%AB%94%E5%81%B5%E6%B8%AC-object-detection-740096ec4540 

[2]  Redmon, Joseph, et al. "You only look once: Unified, real-time object detection." Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2016.
https://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Redmon_You_Only_Look_CVPR_2016_paper.pdf

[3] 非極大值抑制（Non-Maximum Suppression，NMS） - 掃文資訊
https://hk.saowen.com/a/ee16d85c2614981f2c5bc9f20ce37b806546b4b954fdbea87cba09774e02267f

[4] 非極大值抑制(Non-Maximum Suppression) - 掃文資訊
https://hk.saowen.com/a/be0b7a61e12326c4d8c6b509b2d2c4a9fce9331ea3bfd81271c1e63dd2e78f18

[5] Machine Learning Concept（一）：Mean Average Precision（mAP）
http://hemingwang.blogspot.tw/2018/04/machine-learning-conceptmean-average.html

[6] YOLO算法的原理与实现 - 云+社区 - 腾讯云
https://cloud.tencent.com/developer/article/1052865 

[7] tf.image.non_max_suppression  _  TensorFlow
https://www.tensorflow.org/api_docs/python/tf/image/non_max_suppression

[8] tensorflow_image_ops_impl.py at r1.8 · tensorflow_tensorflow · GitHub
https://cloud.tencent.com/developer/article/1052865

Machine Learning Concept（一）：Mean Average Precision（mAP）

Machine Learning Concept（一）：Mean Average Precision（mAP）

2018/05/08

前言：

R-CNN 系列已經看了一陣子，YOLO 系列是目前正在看的。要知道這些演算法有多好，你得先知道「好」的標準何在？

Summary：

物件偵測 [1] 的第一步應該是瞭解 mAP 的計算方式 [2]-[11]。本文從基本觀念 [2]-[6] 出發，另外找了相關討論 [7]-[9] 與原始碼 [10]，最後是補充資料 [11]。相關資料再配上本文的說明，讀者應可對物件偵測有初步的瞭解。

-----



Fig. 1. Object detection [1].

-----

Outline

一、Object Detection
二、IoU
三、Precision / Recall
四、Average Precision（11-point interpolated average precision）
五、Average Precision（PASCAL VOC 2010）
六、Mean Average Precision
七、mAP@[.5 .95]
八、公式（程式）

-----

一、Object Detection

Mean average precision（mAP）是 object detection 演算法的評估標準。

Object detection，一般翻譯為物件偵測或物體偵測。如圖1 所示，一張圖片，或一個影片的停格，先框出物件，再根據框框裡的物件加以分類，標示名稱，這就是 object detection。

傳統較有名的物件偵測演算法有 DPM、Selective Search 等，新一代的深度學習演算法則有 R-CNN 系列與 YOLO 系列 [1]。

-----
 
二、IoU

一般 object detection 演算法會先在一些資料集上進行訓練與測試，例如 PASCAL 等 [4]。資料集先由人工（或專家）將物件的框框與類別設定好。

演算法選出的框框，不會（不一定會）百分之百與人工設定的框框符合，將這兩個框框的交集除以聯集，是一個判斷標準，一般是設定為 0.5，高於這個值，則表示演算法「偵測」到一個物件，如圖2 所示 [2]。

至於偵測的「物件」是否「存在」，或者這個物件是否被標示為正確的類別，這在下方會繼續說明。

Fig. 2. Intersection over union [2].

-----

三、Precision / Recall

Precision / Recall 有一些不同的翻譯名稱，在此直接以英文跟圖片加以理解。

Precision / Recall，看圖3 則一目了然。

圓圈裡，是所有檢測到的物件（positives），淺綠色的部分是標示正確的（true positives），粉紅色的部分是標示錯誤的（false positives）。

左邊的矩形，是所有應該檢測出來的物件，半圓裡的部分是檢測出來的（true positives），半圓以外的部分，是沒有檢測出來的（false negatives）。

Precision，是演算法偵測到的物件總數裡，有幾成是正確的物件。
Recall 則是全部該偵測出來的物體，演算法檢測出幾成。

Fig. 3. Precision and Recall [3].

-----

四、Average Precision（11-point interpolated average precision）

圖4.1a 是一個測試結果，類別假定為汽車好了。

你偵測出「可能」有 20 輛汽車，其「可能性」從 0.91 遞減到 0.01。但是實際上，真正的汽車只有 4 號的 0.91、2 號的 0.76、9 號的 0.38 等六輛。




Fig. 4.1a. Top 20 [4].

以圖4.1b 為例，假定你「選」前五名好了，那你的正確率就是 2 / 5，也就是 0.4。




Fig. 4.1b. Top 5 [4].

「實際多類別分類任務中，我們通常不滿足只通過 top-5 來衡量一個模型的好壞，而是需要知道從 top-1到 top-N（N 是所有測試樣本個數，本文中為20）對應的 precision 和 recall。顯然隨著我們選定的樣本越來也多，recall 一定會越來越高，而 precision 整體上會呈下降趨勢。把 recall 當成橫坐標，precision 當成縱坐標，即可得到常用的 precision-recall 曲線。」[4]




Fig. 4.1c. Top 6 - 20 [4].

圖4.2 可以看到，Top 1 是 1 / 1，Top 2 是 2 / 2。
Top 3 到 Top 5 分別是 2 / 3、2 / 4、2 / 5。垂直遞減。
Top 6 與 Top 7 分別是 3 / 6、4 / 7。遞增。 
Top 8 到 Top 20 以此類推。


 

Fig. 4.2. Average Precision（11-point interpolated average precision）[4].

-----

五、Average Precision（PASCAL VOC 2010）

PASCAL 競賽在 2010 年開始，使用不同的計算方式。

圖4.3 跟 圖4.1 是同一份資料，但呈現、與計算的方式不同。主要是它沒有遞增的片段，全部是單調遞減。

執行上是以 Recall 為主，同樣 Recall 的取為一組，這組後面如果有更大的 Precision，就以後面為主。

以圖4.3為例。第三組的 Precision 是 3/6，但因為第四組的 4/7 更高，所以就採用第四組的 Precision 當成第三組的。因此得到圖4.4。

Fig. 4.3. Top 20 [4].

Fig. 4.4. Average Precision（PASCAL VOC 2010）[4].

-----

圖4.5 可以看出兩種方法的差別。AP 則是計算藍色部分所佔的比率。

Fig. 4.5. Precision monotonically decreasing [2].

-----

六、Mean Average Precision

瞭解了 AP 之後，mAP 其實就是把多個類別的 AP 再取平均。如圖5.1 所示。

Fig. 5.1 mAP [2].

圖5.2 則是 FP 跟 TP 個數的統計。這邊會有一個小問題，就是每個類別的物件要一樣多才公平嗎？

Fig. 5.2. Detected classes (36) [2].

-----

七、mAP@[.5 .95]

mAP@[.5:.95](someone denoted mAP@[.5,.95]) means average mAP over different IoU thresholds, from 0.5 to 0.95, step 0.05 (0.5, 0.55, 0.6, 0.65, 0.7, 0.75, 0.8, 0.85, 0.9, 0.95). [6]

IoU 取 0.5 可以計算 mAP，從 0.5 到 0.95 每 0.05 都來算一次 mAP 再平均，又是一種衡量的標準。

-----

八、公式（程式）

以上的觀念都瞭解之後，程式部分請自行參考 [7], [10]。

-----

Conclusion

瞭解 mAP 是 object detection 的第一步，至於如果同一物件被重複偵測，有好幾個類似的框框，那要如何處理？這也是很重要，後續會再討論！

-----

References

一、背景

[1] 關於影像辨識，所有你應該知道的深度學習模型 – Steven Shen – Medium
https://medium.com/@syshen/%E7%89%A9%E9%AB%94%E5%81%B5%E6%B8%AC-object-detection-740096ec4540

二、基本

[2] GitHub - Cartucho_mAP  mean Average Precision - This code will evaluate the performance of your neural net for object recognition
https://github.com/Cartucho/mAP 

[3] Precision and recall - Wikipedia
https://en.wikipedia.org/wiki/Precision_and_recall

[4] 多标签图像分类任务的评价方法-mAP_花心大罗博_新浪博客
http://blog.sina.com.cn/s/blog_9db078090102whzw.html

[5] The PASCAL Visual Object Classes Challenge 2010 (VOC2010)
http://host.robots.ox.ac.uk/pascal/VOC/voc2010/

[6] computer vision - What does the notation mAP@[.5 .95] mean  - Data Science Stack Exchange
https://datascience.stackexchange.com/questions/16797/what-does-the-notation-map-5-95-mean 
 
-----

三、討論

[7] mean average precision（MAP）在计算机视觉中是如何计算和应用的？ - 知乎
https://www.zhihu.com/question/41540197

[8] machine learning - mAP metric in object detection and computer vision - Stack Overflow
https://stackoverflow.com/questions/36274638/map-metric-in-object-detection-and-computer-vision

[9] machine learning - How to calculate mAP for detection task for the PASCAL VOC Challenge  - Data Science Stack Exchange
https://datascience.stackexchange.com/questions/25119/how-to-calculate-map-for-detection-task-for-the-pascal-voc-challenge

-----

四、code

[10] 深度学习  mAP (Mean Average Precision) - CSDN博客
https://blog.csdn.net/JNingWei/article/details/78955536

-----

五、其他

[11] What you wanted to know about Mean Average Precision - FastML
http://fastml.com/what-you-wanted-to-know-about-mean-average-precision/

AI 從頭學（三四）：FCN

AI 從頭學（三四）：FCN

2018/03/06

前言：

FCN 直接看論文的話，並不容易理解。但搭配網路上的文章與圖片（圖3a與圖5），則一目了然。

Summary：

FCN [1]-[4] 是將傳統 CNN 最後的全連接層改成卷積層，這樣不僅能讓輸入圖片不限定於固定尺寸，並且能夠對每個像素做分類 [5]-[10]。可參考其代碼實現 [11]-[14]，與更新的 FCN 模型 [15]-[20]。最後是有關熱圖 (heatmap) 的簡單討論 [21]-[24]。

-----

Fig. 1a. 對每個像素進行分類 [1].

-----

Fig. 1b. 調色版 [11]。

-----

Outline

一、Semantic Segmentation
二、Convolution and Heatmap
三、Deconvolution
四、Flowchart of algorithm
五、Heatmap

-----

一、Semantic Segmentation

何謂像素分類？參考圖1，可以看到圖片的所有像素都被歸類於貓、狗、或背景。 這是用 FCN 做的。用 CNN，我們可以對整張圖片（的主要物件）做分類。那有沒有辦法對每個像素做分類呢？

用 CNN 做像素分類，有其方法上的難處（參考下面第三項），也就其計算上的難處（參考下面一二項）。像素塊比整個物體小很多，不具代表性。另外儲存跟計算量都很大。

「為什麼 CNN 對像素級別的分類很難？1. 存儲開銷很大。例如對每個像素使用的圖像塊的大小為 15×15，然後不斷滑動窗口，每次滑動的窗口給 CNN 進行判別分類，因此則所需的存儲空間根據滑動窗口的次數和大小急劇上升。2. 計算效率低下。相鄰的像素塊基本上是重複的，針對每個像素塊逐個計算卷積，這種計算也有很大程度上的重複。3. 像素塊大小的限制了感知區域的大小。通常像素塊的大小比整幅圖像的大小小很多，只能提取一些局部的特徵，從而導致分類的性能受到限制。」[8]

-----

二、Convolution and Heatmap

FCN，簡單說就是把 CNN 最後面的全連接層改成卷積層，在最後一個卷積層的 feature map（又稱 heatmap）上直接分類。

以圖2為例，上方的 CNN，由於最後是全連接層，所以輸入要固定大小，然後輸出是 1000 種物件的可能性（以圖1來說只有21種）。圖2下方的 FCN，則是將全連接層改為卷積層，這樣輸入就不限定大小，因為最後一層是 heatmap。圖中可以看到，貓的部份在分類為貓的 heatmap 上，值是比較高的。

「Heatmap 熱度圖使用顏色的深淺來表示數值的大小，通常會搭配 XY 兩軸的變量，所以使用一張圖就能表示三個維度的資訊。」[21]

Fig. 2. FCN 將 CNN 的全連接層改為卷積層 [1]。

-----

三、Deconvolution

要從圖2得到圖1a，我們只要把所有 heatmap 放大到原圖大小，然後看每個像素在哪個 heatmap 上的值最大，這個像素就可以歸類於那一類，譬如說貓。

當然直接放大32倍會導致結果有點粗糙， 所以先放大2倍，然後跟上一層的 heatmap 加總。再放大2倍，然後又跟上一層的 heatmap 加總。最後再放大8倍。這樣效果比較好。參考圖3跟圖4。

下文的轉置卷積，其實就是 deconvolution。

「最簡單的 FCN 前面是一個去掉全連接層的預訓練網絡，然後將去掉的全連接變為 1x1 的捲積，輸出和類別數據相同的通道數，比如 VOC 數據集是 21 分類，那麼輸出的通道數就是 21，然後最後接一個轉置卷積將結果變成輸入的形狀大小，最後在每個像素上做一個分類問題，使用交叉熵作為損失函數就可以了。」[12]

「當然這樣的模型是特別粗糙的，因為最後一步直接將圖片擴大了 32 倍，所以論文中有一個改進，就是將網絡中間的輸入聯合起來進行轉置卷積，這樣能夠依賴更多的信息，所以可以得到更好的結果，可以看看下面的圖示：」[12]

-----

Fig. 3a. Deconvolution 後跟上一層的 heatmap 加總，成為新的 heatmap [16]。

-----

Fig. 3b. 論文說明 [1]。

-----

Fig. 4. 不同尺度的 FCN [1]。

-----

至於為何從 32x、16x、到 8x 後就沒有繼續做，因為試驗結果沒有更好。

「對 CNN 的結果做處理，得到了dense prediction，而作者在試驗中發現，得到的分割結果比較粗糙，所以考慮加入更多前層的細節信息，也就是把倒數第幾層的輸出和最後的輸出做一個 fusion，實際上也就是加和。」[10]

「實驗表明，這樣的分割結果更細緻更準確。在逐層 fusion 的過程中，做到第三行再往下，結果又會變差，所以作者做到這裡就停了。」[10]

-----

四、Flowchart of algorithm

圖5是完整的演算法，可以參考剛剛的解釋跟下方的說明。其實看圖即可一目了然。

「之所以能做到這樣，是因為卷積層的輸出的結果是數據圖，而不是一個向量！經過反卷積後得到與原圖一樣大小的 1000（或21）層的熱圖，每一層代表一個類，然後觀察每個位置的像素，在哪一層它這個點對應的值最大，就認為這個像素點屬於這一層的類。就比如圖中點貓那個位置的點，在 tabby cat 這個類的熱圖上表現的值很高，所以認為那一坨像素點是屬於這個類的。從而這樣對每個像素點進行分類，最後輸出的就是分割好的圖像。」[7]

-----

「經過多次卷積和集中以後，得到的圖像越來越小，分辨率越來越低。其中圖像到 (H / 32) * (W / 32) 的時候圖片是最小的一層時，所產生圖叫做熱圖，熱圖就是我們最重要的高維特徵圖，得到高維特徵的熱圖之後就是最重要的一步也是最後的一步對原圖像進行採樣，把圖像進行放大幾次到原圖像的大小。」[8]

「相較於使用被轉化前的原始卷積神經網絡對所有 36 個位置進行迭代計算優化模型，然後再對 36 個位置做預測，使用轉化後的卷積神經網絡進行一次前向傳播計算要高效得多，因為 36 次計算都在共享計算資源。這一技巧在實踐中經常使用，通常將一張圖像尺寸變得更大，然後使用變換後的卷積神經網絡來對空間上很多不同位置進行評價得到分類評分，然後在求這些分值的平均值。」[8]

-----

「藍色：卷積層
綠色：Max Pooling 層
黃色：求和運算，使用逐數據相加，把三個不同深度的預測結果進行融合：較淺的結果更為精細，較深的結果更為 robust
灰色：裁剪，在融合之前，使用裁剪層統一兩者大小，最後裁剪成和輸入相同尺寸輸出
對於不同尺寸的輸入圖像，各層數據的尺寸（height，weight）相應變化，深度（channel）不變」 [8]

-----

Fig. 5. FCN 的流程圖 [8]。

-----
 
五、Heatmap

圖6是之前 ZFNet 的例子，(b) 是 heatmap。

把博美的 heatmap 還原後可以得到(c)博美。(d)然後除了中間不是博美外，其他為博美的機率很高。(e)可以看到本圖是博美，中間是網球。

中間的車、車輪、跟標籤則比較難以直接歸類。下方的阿富汗獵犬雖然在(e)的分類是對的，但是(d)可靠度並不高，而且(c)deconvolution之後是女士。

Fig. 6. Three test examples. (a)是輸入的圖片。(b)是熱圖：高強度的數值以紅色表示，低強度的數值則是以藍色來表示。(c)是利用 deconvolution 把 feature maps 還原成類似原圖。(d)是這個圖是「對」的圖的機率高不高。(e)是這個圖最可能是哪一種 [24]。

-----

結論：

經由最後全連接層改為卷積層，FCN 變為可以接受不同尺寸的圖片，並完成像素分類，是很巧妙的設計。

-----

References

一、論文

[1] Long, Jonathan, Evan Shelhamer, and Trevor Darrell. "Fully convolutional networks for semantic segmentation." Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2015.
https://www.cv-foundation.org/openaccess/content_cvpr_2015/app/2B_011.pdf 

[2] [译] 用于语义分割的全卷积网络FCN（UC Berkeley） - 简书
https://www.jianshu.com/p/91c5db272725

[3] Dai, Jifeng, et al. "R-FCN: Object detection via region-based fully convolutional networks." Advances in neural information processing systems. 2016.

http://papers.nips.cc/paper/6465-r-fcn-object-detection-via-region-based-fully-convolutional-networks.pdf 

[4] R-FCN论文翻译——中文版 _ SnailTyan
http://noahsnail.com/2018/01/22/2018-01-22-R-FCN%E8%AE%BA%E6%96%87%E7%BF%BB%E8%AF%91%E2%80%94%E2%80%94%E4%B8%AD%E6%96%87%E7%89%88/

二、導讀

[5] 论文阅读笔记：Fully Convolutional Networks for Semantic Segmentation - CSDN博客
http://blog.csdn.net/tangwei2014/article/details/46882257

[6] FCN论文阅读笔记
https://zhuanlan.zhihu.com/p/25984129

[7] 深度学习论文笔记（六）--- FCN-2015年（Fully Convolutional Networks for Semantic Segmentation） - 云+社区 - 腾讯云
https://cloud.tencent.com/developer/article/1008418

[8] Fully Convolutional Networks _ 简说
http://simtalk.cn/2016/11/01/Fully-Convolutional-Networks/

[9] FCN  Fully Convolutional Networks for Semantic Segmentation - Yangming’s Blog
http://www.yangmingwen.com/deep%20learning/FCN/

[10] Fully Convolutional Networks for Semantic Segmentation(全卷积网络FCN）-博客-云栖社区-阿里云
https://yq.aliyun.com/articles/232455

三、實現

[11] FCN学习 Semantic Segmentation
https://zhuanlan.zhihu.com/p/22976342

[12] FCN 的简单实现 _ Sherlock Blog
https://sherlockliao.github.io/2017/12/31/fcn/

[13] MatConvNet进行FCN语义分割 - Deep Studio
http://www.p-chao.com/2017-04-27/matconvnet%e8%bf%9b%e8%a1%8cfcn%e8%af%ad%e4%b9%89%e5%88%86%e5%89%b2/

[14] fcn模型訓練及測試 - 掃文資訊
https://hk.saowen.com/a/ab217f78220d97b6fb3556cd6ad93b4590f79e396a2e06c19bd83559f2533032

四、延伸

[15] Awesome Image Semantic Segmentation 圖像語義分割之導讀論文與工具包總匯 _ Learning by Hacking
https://data-sci.info/2017/07/13/awesome-image-semantic-segmentation-%E5%9C%96%E5%83%8F%E8%AA%9E%E7%BE%A9%E5%88%86%E5%89%B2%E4%B9%8B%E5%B0%8E%E8%AE%80%E8%AB%96%E6%96%87%E8%88%87%E5%B7%A5%E5%85%B7%E5%8C%85%E7%B8%BD%E5%8C%AF/

[16] 【总结】图像语义分割之FCN和CRF
https://zhuanlan.zhihu.com/p/22308032

[17] 從FCN到DeepLab - 掃文資訊
https://hk.saowen.com/a/226c2954cb867da0dbc8d9f911ade34e12817d59ad4cb125af5db3b0e2b2795a

[18] 从全卷积网络到大型卷积核：深度学习的语义分割全指南 _ 机器之心
https://www.jiqizhixin.com/articles/2017-07-14-10

[19] 多篇用DL做Semantic Segmentation的文章总结 - 菜鸡一枚 - 博客园
http://www.cnblogs.com/yymn/articles/5377340.html

[20] 基于深度学习的语义分割综述 _ 曹彬彬
http://www.binbincao.com/2017/07/07/Semantic-Segmentation-with-Deep-Learning/

五、補充

[21] 資料科學與R語言
https://yijutseng.github.io/DataScienceRBook/vis.html 

[22] Heat map - Wikipedia
https://en.wikipedia.org/wiki/Heat_map  

[23] ◎ ZFNet
Zeiler, Matthew D., and Rob Fergus. "Visualizing and understanding convolutional networks." European conference on computer vision. Springer, Cham, 2014.

https://arxiv.org/pdf/1311.2901.pdf

[24] AI從頭學（二七）：ZFNet
http://hemingwang.blogspot.tw/2017/05/aikernel-visualizing.html