GoogleBERT预训练模型在深度学习、NLP领域的应用已经十分广泛了，在文本分类任务达到很好的效果。相比传统的词嵌入word2vec、golve，使用bert预训练得到的效果有更好地提升。这篇不会很深入复杂地分析bert的原理以及高级应用，而是从零开始，定位于初学者对BERT的简单认识和应用，使用bert框架bert-as-server（CS架构）。

前言今天记录一下深度学习的另外一个入门项目——《mnist数据集手写数字识别》，这是一个入门必备的学习案例，主要使用了tensorflow下的keras网络结构的Sequential模型，常用层的Dense全连接层、Activation激活层和Reshape层。还有其他方法训练手写数字识别模型，可以基于pytorch实现的，《Pytorch实现基于卷积神经网络的面部表情识别(详细步骤)》 这篇就是

最近有空再次看了计网的内容，加上学习了组网技术，“温故而知新”，发现了一些以前没有学到的知识和内容，特别是到后面部分的知识，感觉收获颇丰。我这次准备记录下来，一方面能更好的总结重要知识点，另一方面方便查看学习。

备战春招，校招实习面经分享，信手拈来，拿Java开发工程师offer~~本篇介绍面试中常见的网络IO模型，也是实际工作设计中值得考虑的问题。

GoogleBERT预训练模型在深度学习、NLP领域的应用已经十分广泛了，在文本分类任务达到很好的效果。相比传统的词嵌入word2vec、golve，使用bert预训练得到的效果有更好地提升。这篇不会很深入复杂地分析bert的原理以及高级应用，而是从零开始，定位于初学者对BERT的简单认识和应用，使用bert框架bert-as-server（CS架构）。

网络层IP数据报和ICMP协议的内容，直观的演示和实践可以更好地掌握这方面的知识。值得一提，我觉得学习IP数据报和ICMP协议的基本内容看完这篇就够了！我的初衷是对以前学习过的内容进行一个系统的整理，梳理思路，将零散的知识碎片集成一个相对完善的知识体系，这样能够更好地去理解知识。最近我领悟了一个道理：不要急着往前走，偶尔回顾自己所学所经历，善于总结，才能走得更轻松更远！哈哈哈，尝试着文学式表达感悟

大数据，已是技术发展中的重要领域，数据无处不在，支撑着大数据的中间件也不断迭代更新，TDengine成为当中的优势产品，生产应用场景不断扩大，这一篇入门物联网大数据：TDengine时序数据库，从零学习了解大数据时代的解决方案！