学习

【深度学习】梯度下降算法和随机梯度下降算法「建议收藏」导语梯度是神经网络中最为核心的概念，在介绍梯度之前我们要先知道数学中的导数以及偏微分的理论概念。导数这里套用维基百科上的介绍，导数描述了函数在某一点附件的变化率，导数的本质是通过极限对函数进行局部的线性逼近，当函数\(f\)的自变量在一点\(x_0\)上产生一个增量\(△x\)时，则函数值的增量\(△y\)与自变量的增量\(△x\)的比值在\(△x\)趋于0时的极限存在，即为\(f\)在\(…

文件管理学习：从百度网盘搬家onedrive测评「建议收藏」网上已经有很多多家网盘对比的文章了。由于我平时依赖微软系列比较多，常用office，有自己的微软邮箱，科学上网跟吃饭一样（这克服了网页版被qiang的障碍）。所以最后我选择了onedrive，基于上述前提，搬家就是个一蹴而就的事。微软普通账户只有5G免费，要扩容得花钱至少15/月，然后查到了免费扩容的办法，那就是用edu邮箱注册。学校的edu邮箱终于有了用武之处。。用教育邮箱注册office…

SSRS:使用SQL2008教程学习Reporting Services之数据库AdventureWorks2008问题_学习笔记1首先声明我是菜鸟，刚开始学习ReportingServices。在学习教程中的一点笔记。从SQL2005开始，微软就提供了强大的ReportingServices功能，的确好用，对于经常需要出复杂报表的朋友可谓是一大欢喜。SQL2008中的SQLServer教程是一本很好的学习资料，我的是SQL2008非R2版，ReportingServices章节中需要用到微软示例…

QTcpSocket学习一、涉及到的函数监听：tcpServer->listen(QHostAddress::LocalHost,6666)错误信息：tcpServer->errorString()新连接信号：connect(tcpServer,SIGNAL(newConnection()),this,SLOT(sendMessage()))设置输出流：QByteArrayblock…

机器学习名词解释（train & valid & test）(accuracy & precision & recall)train valid ortest 机器学习最明显的一个特点是需要大量的数据 特别对监督学习来说 就是需要大量的带标签数据 labeleddata 很多入门的朋友很快就会遇见模型训练和测试这两个阶段 进而也就了解到带标签数据是要被划分成两个部分的 训练集 trainingset 与测试集 testset 这两个概念也很直观 大部分朋友非常快就能接受 可

Spring学习– SpEL表达式转载自 https://www.cnblogs.com/goodcheap/p/6490896.html目录Spring表达式语言(简称SpEL)：是一个支持运行时查询和操作对象图的强大的表达式语言。语法类似于EL：SpEL使用#{…}作为定界符,所有在大括号中的字符都将被认为是SpEL,SpEL为bean的属性进行动态赋值提供了便利。通过SpEL可以实现：通过…

Pycharm+Django之Django学习（1）（初学者）教学属于博主的自学记录，适合刚学习Django的同学，如果比较熟的就不用look了！！！以下都是讲在windows上的部署情况；准备：1、Python+pycharm（下面是博主使用的版本，可自行安装）链接：https://pan.baidu.com/s/1th08XXTqf30Oh0-s7QgL1w密码：r6tc2、安装Django（可以到官网下载，也可使用Python自带…

深度学习之卷积神经网络(Convolutional Neural Networks, CNN)前面,我们介绍了DNN及其参数求解的方法(BP算法),我们知道了DNN仍然存在很多的问题,其中最主要的就是BP求解可能造成的梯度消失和梯度爆炸的问题.那么,人们又是怎么解决这个问题的呢?本节的卷积神经网络(ConvolutionalNeuralNetworks,CNN)就是一种解决方法.我们知道神经网络主要有三个部分组成,分别为:网络结构—描述神经元的层次与连接神经元的结构. 激活函数(激励函数)—用于加入非线性的因素,解决线性模型所不能解决的问题. 参数学习方…

菜鸟级入门学习maven的使用，很实用的入门教程一、前言       早就知道maven在java项目的管理方面名声显赫，于是就想着学习掌握之，于是查阅了大量文档。发现这些文档的作者都是java的大腕，大多都是站在掌握了一定maven基础的角度上进行介绍，让我这初学者看的云里雾里不知所云。于是又去查看maven的官方网站，总算是有所了解，但一旦动手实际操作却又雾里看花。唉，没办法，就只有一遍一遍的动手尝试，经过种种磨难总算是

深度学习——VGG16模型详解1 网络结构 VGG16 模型很好的适用于分类和定位任务 其名称来自牛津大学几何组 VisualGeomet 的缩写 根据卷积核的大小核卷积层数 VGG 共有 6 种配置 分别为 A A LRN B C D E 其中 D 和 E 两种是最为常用的 VGG16 和 VGG19 介绍结构图 conv3 64 是指第三层卷积后维度变成 64 同样地 conv3 128 指的是第三层卷积后维度变成 128 input 224x224RGBim 指的是输入图片大小为的彩色图像 通道为