接下来，是时候看看训练后的模型质量了。模型的效果通常用“拟合程度”来形容，例如某个图片识别的任务中模型训练后的误差率与人类的平均误差率只相差1%，然而测试集误差比训练集误差高了10%，这就意味着模型在全新的（没见过）的数据上表现很不好，因此我们可以判断这个模型过拟合（Overfitting）了。调参的过程，是一种基于数据集、模型和训练过程细节的实证过程，图5-15描述了一个典型的深度学习调参流程，

接下来，是时候看看训练后的模型质量了。模型的效果通常用“拟合程度”来形容，例如某个图片识别的任务中模型训练后的误差率与人类的平均误差率只相差1%，然而测试集误差比训练集误差高了10%，这就意味着模型在全新的（没见过）的数据上表现很不好，因此我们可以判断这个模型过拟合（Overfitting）了。调参的过程，是一种基于数据集、模型和训练过程细节的实证过程，图5-15描述了一个典型的深度学习调参流程，

一、在构造函数上定义关于在构造方法上加@Autowired注解，讲下面几点:1.带有@Autowired注解（属性required默认为true）的构造方法，在Spring初始化对象实例时，会调用此构造函数，进行对象的实例化。2.如果构造方法上带有了@Autowired注解，那么这个构造方法不是public修饰的，也可以被实例化。private修饰的，也可以被实例化出来。3.当一个对象只有一个构造

在传统的机器学习中，数据处理需要耗费大量的时间、人力以及物力，因为机器学习的特征标注往往需要专家先进行确定，然后再通过人工编码，标记为一种数据类型，这些类型可能是纹理、方向、位置等，但是，这个过程很容易由于失误而使得任务的准确性降低。在深度学习的计算中，含有非常多的卷积、池化等操作，这些操作带来的是大量的矩阵运算，因此，深度学习对于良好硬件的依赖性非常高，强大的图形处理器（Graphic Proc

背景在一个表中，dataTime字段设置是varchar类型，存入的数据是日期格式的数据，并且为该字段设置了索引。但是在日志记录中，有一条关于该表的慢查询。查询语句为:select * from digitaltwin_meteorological where dataTime > '2021-10-15';explain分析sql语句，发现sql语句执行了全表扫描。为何sql中用了data

nginx配置https访问，浏览器不报警

项目背景：两个Kafka消费者群组，消费同样的主题，一个消费者群组消费数据后，发给mqtt服务，供其他应用接收;另一个消费者群组消费数据后，存入mysql数据库。问题描述：提示：这里描述项目中遇到的问题：在项目中使用Kafka消费者消费数据，并配置了分区再均衡监听器，在日志文件中发现再均衡监听器频繁的输出日志，即频繁发生分区再均衡。而项目已经跑了很久，没有新的消费者加入消费者群组，为何还要频繁进行

一、什么是配置中心在微服务架构中，配置中心就是统一管理各个微服务配置文件的服务。把传统的单体jar包拆分成多个微服务后，配置文件也要拆分，每个微服务都要有自己的配置文件。为了统一维护，方便管理，所以出现了配置中心的概念。所有的微服务配置文件都在配置中心中管理和读取，因此，出现了配置中心的概念。提供配置中心的服务有Nacos,Apollo等，这里我们讲解Nacos的配置中心功能。二、Nacos服务端

问题项目中用WebSocket作为客户端，接收其他厂商的数据。出现数据处理延迟的情况。前面博客中已经说到，增加线程处理数据可以解决延迟。但是在反复调试中发现，除了增加线程以外，还有一个因素影响数据的延迟，如下:wsWebSocketContainer.setDefaultMaxBinaryMessageBufferSize(51200000);wsWebSocketContainer.setDef

前言顾名思义，BeanFactory是生产Bean的工厂。Bean就是Spring容器管理的对象。下面我们分析一下BeanFactory及其子类的源码，对我们深入理解Spring的初始化和原理非常有帮助一、BeanFactory分析/** Copyright 2002-2020 the original author or authors.** Licensed under the Apache