1、最后的这个从HBuilder生成的app包要放在apps下面，一开始的时候放在了apps同一级，找了好久的原因。

1、经过uniapp的开发，对web的html布局也有更好的理解了。2、在看了uniapp的组件开发后，也对odoo目前的组件中比如slot有了一定的了解。

nginx静态文件的方式可以扩展到系统日志、备份等需要保存文件的场景。

1、numpy+python和paddle训练过程是相同的，paddle对前向计算、计算损失和反向传播梯度进行了封装，不再需要逐一编写代码，这就是使用飞桨框架的威力！但是通过numpy+python比较容易理解深度学习的过程。2、模型推理时，需要将测试数据转换为张量x = paddle.to_tensor(x, dtype=“float32”)3、将一行数据的x，y分离出来的代码如果只需要分离部分

前面学习了使用numpy+python、paddle实现波士顿房价预测任务，为了更加深刻的了解深度学习步骤，决定再选择两种比较流行的其他深度学习框架进行比较。

本次学习先写总结，因为paddle教程和网络上的同学们都得到了不错的效果，而我按照paddle或者网上的步骤得不到预期的结果。希望有大神可以指教一下，问题到底出在哪里。

构建网络，初始化参数w和b，定义预测和损失函数的计算方法。随机选择初始点，建立梯度的计算方法和参数更新方式。将数据集的数据按batch size的大小分成多个minibatch，分别灌入模型计算梯度并更新参数，不断迭代直到损失函数几乎不再下降。深度学习模型的基本步骤的最后一个步骤：模型保存及使用后续再来学习。

构建网络，初始化参数w和b，定义预测和损失函数的计算方法。随机选择初始点，建立梯度的计算方法和参数更新方式。将数据集的数据按batch size的大小分成多个minibatch，分别灌入模型计算梯度并更新参数，不断迭代直到损失函数几乎不再下降。深度学习模型的基本步骤的最后一个步骤：模型保存及使用后续再来学习。

本次学习先写总结，因为paddle教程和网络上的同学们都得到了不错的效果，而我按照paddle或者网上的步骤得不到预期的结果。希望有大神可以指教一下，问题到底出在哪里。

前面学习了使用numpy+python、paddle实现波士顿房价预测任务，为了更加深刻的了解深度学习步骤，决定再选择两种比较流行的其他深度学习框架进行比较。