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，

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，

jar包分为普通jar包和可依赖jar包。当我们使用maven把项目打成一个jar包时，默认情况下，只会把当前项目的代码编译文件打入jar包中，而这个项目所依赖的第三方jar包，并不会自动加入到新打的jar包中。这样会造成使用jar包时，报错ClassNotFoundExcepiton，需要使用maven的Assembly插件设置jar包的打包方式。

zk实现分布式锁

jar包分为普通jar包和可依赖jar包。当我们使用maven把项目打成一个jar包时，默认情况下，只会把当前项目的代码编译文件打入jar包中，而这个项目所依赖的第三方jar包，并不会自动加入到新打的jar包中。这样会造成使用jar包时，报错ClassNotFoundExcepiton，需要使用maven的Assembly插件设置jar包的打包方式。

单机版redis特性记录

max_fails和fail_timeout一般会关联使用，如果某台server在fail_timeout时间内出现了max_fails次连接失败，那么Nginx会认为其已经挂掉了，从而在fail_timeout时间内不再去请求它，fail_timeout默认是10s，max_fails默认是1，即默认情况是只要发生错误就认为服务器挂掉了，如果将max_fails设置为0，则表示取消这项检查。这样

背景常听有人说，Mysql数据库单张表的数据，最多不要超过千万级别，否则需要分表处理。那这个结论是如何来的呢，是否正确呢？今天来探讨一番。一、页的结构前面讲过，Mysql在读取数据时，是一页一页的读数据，称之为预读。那页的结构到底是怎样的呢？Mysql表中的数据，在硬盘上存成了.ibd文件，这个文件，专业名词叫表空间。在.ibd文件的内部，把表数据分成了很多份的数据页，每份大小16k。类似于下图所

背景yml里配置经纬度信息，然后通过WebSocket接收配置的经纬度范围内的车辆数据。代码如下:@Componentpublic class CarInitTask implements CommandLineRunner,WebSocketHandler {Logger logger= LoggerFactory.getLogger(CarInitTask.class);@Value("${w