继承QWebEnginePage，重写certificateError函数。

格式化为一个字符串，其中整数使用了默认格式化，浮点数保留两位小数。占位符来指定需要替换的值。

dlib的神经网络算法虽然没法与tensorflow、pytorch这些框架相提并论的（dlib中可供选择的的损失函数、优化器十分有限，缺失自动微分等等），但不代表dlib不是一个强大的机器学习库。dlib广泛应用于人脸识别、关键点检测、图像处理等领域，支持Linux/Windows/macOS多平台运行（跨平台编译很方便）。这记录一下全连接网络下二分类、多分类、回归模型的设计与训练。

网上下载的资源是train-images-idx3-ubyte数据，需要解析成图片加载图片，制作dataset，由于图片的名称是按照一定格式命名的（train_index_no.jpg），直接从文件名中获取label可以简单验证一下创建dataset自定义网络定义网络层定义model模型训练与保存测试可视化模型训练时，将训练的参数保存到日志中启动tensorboard，指定路径根据提示，在浏览器中

熟悉seaborn的基本绘图接口。详细教程参看https://seaborn.org.cn/tutorial.html

许多线性分类模型只适用于二分类问题，不能轻易推广到多类别问题（除了 Logistic 回归）。将二分类算法推广到多分类算法的一种常见方法是“一对其余”（one-vs.-rest）方法。

线性回归是回归问题最简单也最经典的线性方法。线性回归寻找参数 w 和 b，使得对训练集的预测值与真实的回归目标值 y之间的均方误差最小

决策树、决策树集成（随机深林、梯度提升回归树）是广泛用于分类和回归任务的模型。

速写部分会以代码示例的形式展示重构带来的转变。速写的用意不是解释重构的用途，更不是详细讲解如何操作这个重构；但如果你曾经看过这个重构手法，速写能帮你回忆起它。这些笔记是为了让我在一段时间不做某项重构之后还能记得怎么做。以一个十分简单的例子说明此重构手法如何运作。范例是为了帮助解释重构的基本要素，最大限度地避免其他枝节。这部分可以帮助你更快找到你所需要的重构手法。为你介绍“为什么需要做这个重构”和“