class BasicBlock(nn.Module):#残差块expansion = 1 #表示这个基础块不改变通道数#bias用于确定卷积层是否应该包含一个可学习的偏置项，由于后面（self.bn1 = nn.BatchNorm2d(planes)）已经进行了归一化，为了防止过拟合这里使用bias=falseself.bn1 = nn.BatchNorm2d(planes)#（批量归一化）#短

数字识别。

梯度就是在当前参数下，函数下降最快的那个方向和陡峭程度，是一个向量梯度下降算法就是在每一轮中通过前向传播计算代价函数，根据代价函数求神经网络中每个参数的偏导(即梯度)，以此作为这些参数对代价函数的影响程度，将这些参数按照梯度减去学习率，即可获得下一轮的参数，直到收敛到最小值激活函数主要有sigmoid、tanh、relu及其变体(leakyLU、ELU)、softmaxsigmoid的优点：1、计

对于一个离散随机变量XXX，其可能取值为x1x2xnx1​x2​...xn​，对应的概率分布为p1p2pnp1​p2​...pn​HX−∑i1npilog⁡2piHX−i1∑n​pi​log2​pi​其中，piPXxipi​PXxi​表示随机变量XXX取值为xix_ixi​的概率。给定随机变量XXX和YYYXXX在YY。

1.先检查ssh连接是否有效：ssh -T git@github.com，看返回的仓库对不对的上，如果对不上就重新连接，一般会是 hi xxxxxxx。然后重新git remote add origin git@github.com:XXX/XXX。4.最后如果发现如何检查都错误，可能是远程仓库缓存异常（比如尝试了很多次连接仓库）3.如果是ssh连接在pycharm的github的设置页面左下角勾

MCP（模型上下文协议）是一种开放协议，用于实现大语言模型（LLM）应用与外部数据源、工具之间的无缝集成。它为 AI 应用连接各类数据源和工具提供了标准化方式，使所有符合 MCP 规范的客户端都能与所有符合 MCP 规范的服务器互通（即插即用）。

条件密度 = 切片fX∣Y​x∣yfXY​xyfY​y。#%% md。

装饰器的典型结构是外层函数接收一个函数作为参数，并返回一个内层函数，这个内层函数会增强或修改原函数的行为。：装饰器必须返回一个函数，这个函数可以是一个新的函数，也可以是对原有函数的包装。参数和被装饰函数的参数需要匹配，因为装饰器需要能够接收被装饰函数的所有参数，并将它们传递给被装饰函数。：用于给被装饰函数增加功能，装饰函数就像一个加工厂，通过把被装饰函数作为装饰函数的参数进行。：装饰器不仅可以添加

在38中，如果你的参数字典想同时给好多人用，但是**params是不会自动筛选的，这时候可以在类里面(例子中是TrainNet)的构造参数里加一个**kwargs，这样多余的参数就会自动 传入**kwargs，这样就保证了参数不错误但也不发挥作用。路径与文件分割：directory, filename = os.path.split(path) #(‘/home/user/docs’, ‘file

ggg代表一个常用的逻辑函数（logistic function）为SSS形函数（Sigmoid function），公式为：gz11e−zgz1e−z1​hx11e−wTxhx1e−wTx1​。