「端点检测」（End-point Detection，简称 EPD）的目标是要找到音讯开始和结束的位置，所以又可以称为 Speech Detection 或是 VAD (Voice Activity Detection)。端点检测在音讯处理与识别中，扮演重要的角色，可以基于时域，或者基于频域来做 EPD。

Author:David EulerDate: 2004/10/16Email:de_euler-david@yahoo.com.cn 有任何问题，请与我联系:)         DB2中可以使得数据库回复到指定的时间点，SQL Server数据库的Recovery Model为full 或者Bulk copy的时候，是可以从日志来恢复数据库的。实际上日志中记录的一条一条的transa

curl 和 python 访问 let's encrypt 申请的 SSL 证书的 https 服务， 出现证书验证失败的错误提示 unable to get local issuer certificate。但是在 chrome 浏览器上访问，证书是正常的。

回到多元方程的求解方法对于构建一个神经网络来说，需要求出每一个神经元的参数。每一层都有线性变换，加上非线性变换组成。 神经网络的求解变成一个多元方程的求解问题。图：要求解的线性函数变换（单层）y1 ​= x1​w11 ​ + x2​w21​+ ... + xnwn1 + b1y2 ​= x1​w12 ​ + x2​w22​ + ... + xnwn2 + b2​y3​= x1​w13 ​+ x2​

截止到 2021 年下半年， 推荐使用 Apple 官方的 tensorflow-meta 的插件来启用 Tensorflow 在 Mac M1（包括 M1 Pro, M1 Max）上面的GPU加速。以下介绍完整的深度学习开发环境的搭建过程。参考 apple 官方文档：Tensorflow Plugin - Metal - Apple Developer1.安装 pyenv 虚拟环境管理包首先，推

问题提出在前面 “深度学习代码实践（四）- 从0搭建一个神经网络：感知机与激活函数”的博文分享中，提到，神经网络的本质是：通过参数与激活函数来拟合特征与目标之间的真实函数关系。单层网络只能做线性分类任务，两层神经网络可以无限逼近任意连续函数。这里提到的“用两层神经网络可以无限逼近任意连续函数”。 那么神经网络是不是真的能够逼近任何函数。 我用 Tensorflow 做了一个实验， 以一个已知函数

时间已经到了2021年，如果还有人问，推荐什么笔记本或者工作站用作深度学习的开发环境，兼作日常开发的网络训练，无疑 Mac M1 是首选。携带方便，价格比起深度学习工作站不高，且系统易于使用。2020年苹果推出了自产的 Mac M1 芯片，自带性能强悍的 GPU，刚出来的时候不支持 Tensorflow 等深度学习框架使用 GPU进行加速。 很快苹果推出了 M1 的 GPU 加速支持。2020 年

以下是 Google 的云原生架构的原则与最佳实践。对于云原生的架构设计，有很好的指导意义。

时间已经到了2021年，如果还有人问，推荐什么笔记本或者工作站用作深度学习的开发环境，兼作日常开发的网络训练，无疑 Mac M1 是首选。携带方便，价格比起深度学习工作站不高，且系统易于使用。2020年苹果推出了自产的 Mac M1 芯片，自带性能强悍的 GPU，刚出来的时候不支持 Tensorflow 等深度学习框架使用 GPU进行加速。 很快苹果推出了 M1 的 GPU 加速支持。2020 年

以下是 Google 的云原生架构的原则与最佳实践。对于云原生的架构设计，有很好的指导意义。