背景写的前后端分离项目中，每次过一段时间之后第一个请求总是很慢，还有项目刚开启得时候第一次登录直接无结果所以想着修复一下这个bug注意，该问题目前我还没有解决过程我先是打开前端看了一眼，发现是前端完全没有收到东西就显示超时，我就修改了超时时间原现这样前端就没有显示网络错误了，在经过几秒后能成功返回登陆成功打开druid监控面板显示这个请求进行了2秒多，所以之前的肯定会超时既然是后端的错误那就去后端

纯粹的多层线性层堆叠，在不引入激活函数的情况下，其本质基本等同于单层线性层，这也导致了多层线性层无法解决非线性问题，例如一个很经典的问题，异或问题，但是在引入激活函数后，神经网络就可以轻松地解决这个问题。：在反向传播过程中，当输入x>0时，ReLU的梯度为1，不会像Sigmoid和Tanh那样出现梯度逐渐缩小的情况，从而有助于深层网络的训练。：当输入x长期为负时，ReLU的输出恒为0，梯度也为0，

因为突然从网上看到了github codespace 这个东西，觉得挺有趣的就想玩一下，但是默认的codespace 是使用vscode 或者浏览器来开发的，我个人还是喜欢用Jetbrain旗下的编辑器，后来看见可以使用jetbrain gateway来开发，中文互联网社区没有搜索到相关资料，故决定记录一下过程。

背景在写代码的时候发现了一个很无语的bug，我的Vo类定义controller层后端生成的数据正常而言前端接收到的json数组中应该有 mean 属性和isRight属性，但是我发现前端实际接收到的为我的isright变成了right，这可真是令人蛋疼，后来经过百度发现lombok在生成getset方法的时候会对于Bool类型的变量会生成is****的方法，而现在变量名就为is***，因此生成的j

但是随之而来的问题是，随着序列长度的变化，序列中的相对距离也产生了变化，用简单地整型值来做位置编码，序列中的相对距离变化也是1 * 距离长度， 但是用当前这种方法，在面对不同长度的序列是，相对距离就不是固定的了。对于transformer中的位置编码，我对他一直有很多不解，但是也没有一直深挖下去，今天偶然看见一篇很好的文章，感触颇多，故在此记录一下，加深印象，同时分享。有一个最简单的思路来设计位置

最近开始学习机器学习，看了吴恩达的网课，做了作业发现有点意思，但是当时关于作业有一点疑惑不能解决，所以自己解决后决定发一篇博文，算是留个档（ps:疑问是通过问newbing解决的）

定义一些函数# sigmoid 函数# 预测函数# 定义损失函数''''''''''''# sigmoid函数如果有什么不懂的欢迎私信。

主要是使用大量精心准备的数据，来保证模型的可靠性。也证明了大模型的最重要的一个点就是数据！

按照上面这个回答的原理，对于两个1位的异或问题，需要2维度的隐含层，那么对于我们这个问题而言，就相当于是两个16位的异或问题，至少需要32维度的隐含层，但是经过我的实际测试，在隐含层维度位32维的时候，能预测，但是预测的不准，通过增加隐含层的维度后，效果显著提升（至少升到40维）。因此为了凑2进制的数，我把隐含层的维度设计成了64维，其实在网上加也一样，因为到后来神经网络已经完全拟合了异或的操作，

最近开始学习机器学习，看了吴恩达的网课，做了作业发现有点意思，但是当时关于作业有一点疑惑不能解决，所以自己解决后决定发一篇博文，算是留个档（ps:疑问是通过问newbing解决的）