所以这篇先记住一句话:机器学习问题不是先按模型名分类,而是先按训练反馈和输出形式分类。监督学习:有标签,学输入到标签的映射。回归:输出数值,回答“多少”。分类:输出类别,回答“哪一个”。标注:输出多个不互斥的标签。搜索和推荐:输出排序结果,顺序很重要。无监督学习:没有标签,从数据里找结构。强化学习:没有直接标准答案,通过和环境互动拿奖励。下一篇我准备继续往下看:数据、模型、目标函数、优化算法这几个

所以这篇先记住一句话:机器学习问题不是先按模型名分类,而是先按训练反馈和输出形式分类。监督学习:有标签,学输入到标签的映射。回归:输出数值,回答“多少”。分类:输出类别,回答“哪一个”。标注:输出多个不互斥的标签。搜索和推荐:输出排序结果,顺序很重要。无监督学习:没有标签,从数据里找结构。强化学习:没有直接标准答案,通过和环境互动拿奖励。下一篇我准备继续往下看:数据、模型、目标函数、优化算法这几个

一个项目中用到了HC32F460的官方USB库，使用官方的CDC例程发现收发数据时可能会进入HardFault中断，通过在线调试可以确认异常原因是“用法错误，非对齐访问”。故障仅发生在开启编译优化时，且和编译器有关，在我使用的Keil版本中，如果切换编译器版本为ARMCC v6.16（没有测试其他编译器版本）或完全关闭编译优化则无法复现问题。

鸿蒙 PC 的发布，为中国开发者提供了一个新的选择。而开发者在选择新平台时，最关心的往往是工具链的完整性。SolonCode 基于 Java 运行时和 Web 交互的架构设计，让它在鸿蒙 PC 发布之初就天然兼容——不需要等待官方适配，不需要安装额外的运行时环境，不需要改变使用习惯。这不仅是 SolonCode 的技术优势，更是"Java + Web"这套经典架构的生命力所在。我们相信，优秀的开发

鸿蒙 PC 的发布，为中国开发者提供了一个新的选择。而开发者在选择新平台时，最关心的往往是工具链的完整性。SolonCode 基于 Java 运行时和 Web 交互的架构设计，让它在鸿蒙 PC 发布之初就天然兼容——不需要等待官方适配，不需要安装额外的运行时环境，不需要改变使用习惯。这不仅是 SolonCode 的技术优势，更是"Java + Web"这套经典架构的生命力所在。我们相信，优秀的开发

鸿蒙 PC 的发布，为中国开发者提供了一个新的选择。而开发者在选择新平台时，最关心的往往是工具链的完整性。SolonCode 基于 Java 运行时和 Web 交互的架构设计，让它在鸿蒙 PC 发布之初就天然兼容——不需要等待官方适配，不需要安装额外的运行时环境，不需要改变使用习惯。这不仅是 SolonCode 的技术优势，更是"Java + Web"这套经典架构的生命力所在。我们相信，优秀的开发

所以这篇先记住一句话:机器学习问题不是先按模型名分类,而是先按训练反馈和输出形式分类。监督学习:有标签,学输入到标签的映射。回归:输出数值,回答“多少”。分类:输出类别,回答“哪一个”。标注:输出多个不互斥的标签。搜索和推荐:输出排序结果,顺序很重要。无监督学习:没有标签,从数据里找结构。强化学习:没有直接标准答案,通过和环境互动拿奖励。下一篇我准备继续往下看:数据、模型、目标函数、优化算法这几个

我们往往用生成速度来衡量AI生产力。