在android studio中导入一些依赖的时候出现的这个错误，网上搜到的和我的path的内容都不相同，但是这不重要，重要的是解决方案是相同的。这个错误的意思是同样的依赖路径存在两个，说人话就是两次导入了同一个名称的依赖，然后系统就不知道要以哪一个为准了，这种问题的解决办法也很简单，在build.gradle(Module: app)里面，加上一句：packagingOptions {

很多人说网页中<input type="file">的样式是很难修改的，事实上也是，bootstrap也没用对其有什么美化，但是那么丑，要怎么修改呢？其实很简单！！！很多人都想复杂了。先卖个关子，有些人是这么做的，另外写一个按钮的样式，然后将自己写的按钮和这个默认的样式的定位改为重合，并将默认的按钮设置opacity:0，即设置透明度为完全透明，这样

请参看：深度学习之参数初始化（一）——Xavier初始化

今天学习了keras的基础用法便跟着教程悄咪咪用keras撸了一遍mnist的手写数字识别，然后便出现了上述错误，不过要是不出点错心里倒还不自在，那么就直接解决这个问题吧。出现该问题的可能性有很多种，网上的解决方案也五花八门，因此本文只论述我的解决办法。我的问题是h5py这个包的版本问题，只需要将其更新到2.9.0即可。但是如果使用清华源的话，更新不到最新版本！！因此必须切换回默认源。切换...

线性回归基本可以是LR的简化版（论证思路上），因此本文将主要探讨两个问题：1. 为什么LR可以将权重初始化为0？2. 为什么神经网络不能将权重初始化为0？本文参考资料：https://zhuanlan.zhihu.com/p/75879624为什么LR可以将权重初始化为0？为什么神经网络不能将参数初始化为0？以下图为例：情况1：w和b都初始化为0那么由于反向传播的公式，从上图一个简单反向传播可以看

实验有需求，需要对tensor中每一行取一个不同的索引的元素，其中tensor为2维（本文方法适合任意维），因此本文以2维tensor为例。# 二维tensorg = tf.constant([[1,2,3,4,5,6,7,8],[9,8,7,6,5,4,3,2]])# 每一行取的index，在本例中，正确取值为[3, 2]，即第一行index=2的元素和第二行index=7的元素h_in...

信息熵（information entropy）是度量样本集合纯度/不确定度最常用的指标之一。但要注意，信息熵越小，表示不确定度越低，确定度越高，纯度越高。Ent(D)=−∑k=1∣γ∣pklog2pkEnt(D)=-\sum_{k=1}^{|\gamma|}{p_klog_2p_k}Ent(D)=−∑k=1∣γ∣​pk​log2​pk​信息熵是对信息量的度量。越小概率的事情发生所产生的信息量越大

逼近误差模型最好能逼近真实模型到什么程度考虑target function和能从假设空间中学到的the best function的距离而已经证明一层隐藏层（+一层输出层）也能很好地拟合任何函数。XOR问题不能被单独一层网络解决。泛化误差泛化即推广能力。考虑在假设空间中的best function和可以从数据集中学到的best function之间的距离。优化误差因为优化问题带来的误差。即从能数据

const*和*const的区别也是老生常谈了，其实也很简单。比如int const*a;，实际上可以看成是int const (*a)，这表示指针a所指向的地址可以变，但是所指向的那个值不能变。而int *const a;，可以看成int* (const a);，我们都知道a的值其实是一个地址，这就表示a所保存的地址是不可以变的，但是这个地址对应的值是可以变的。举个*const的例子：...

在训练模型中， 往往需要对数据集进行处理，从数据集中随机选取部分数据作为训练集，而另一部分数据作为测试集，一个常用的方法是随机选取索引，下面介绍两种从0~n中随机选取x个不重复索引的方法。注意下述两种方法选出来的都是整数。方法一、用python的randomimport randomdef getRandomIndex(n, x):# 索引范围为[0, n), 随机选x个不重复...