文章目录前引第五章课后习题前引下午休息了一下 发现了精力才是人能够走更远的基础 IT人只有休息好了才能走更远啊第五章课后习题1、关于关系运算，下列说法正确的是_______。A.安全的元组演算公式和安全的域演算公式可以等价变换（√）B.关系代数运算和关系演算之间是互补的，即它们可以利用各自特点解决彼此不能解决的问题C.关系代数和关系演算不一定是安全的D.关系演算以属性为基本处理单位2、集合R与S的

文章目录前引第三章课后习题前引这段时间每天看三章吧 感觉现在又是进入全理论的感觉了 有点刚开始学计算机网络那味了 但是后面应该还是有很多编程作业吧 还要再介绍SQL语言待会把习题做了 早点回寝室休息去啦第三章课后习题1、有关系R(A:int, B:int, C:int), 主码为A，没有违反完整性规则的选项是2、关于学生关系，下列哪一个属性适合作为候选码_______A.学号（√）B.性别C.班级

文章目录前引第六章课后习题前引现在终于终于上手了MySql了 终于对数据库提起来一点兴趣了 因为我喜欢很多东西是看得见上的了手的 课后的很多题基本上很多我看一题 我就打开MySQL去手动写一道题 像下面这样 这样不仅可以动动手没有那么无聊 还可以强化记忆 哈哈把这个博客写了 我还想写一下Leetcode 500题AC的总结贴呢 今天刚刚做了几道二分查找的基础题 就发现力扣已经刷了有500道题了 所

从零开始的推荐系统学习之路（九）---- 动手学深度学习系列 从零实现线性回归

从零开始的推荐系统学习之路（十）---- 动手学深度学习系列 从零实现SoftMax回归函数 & 从零实现MLP感知机模型

【代码】从零开始的推荐系统学习之路（十一）---- 动手学深度学习系列 从零实现L2正则化 & 从零实现DropOut丢弃法。

本文记录了Kaggle房价预测项目的实战过程。作者从数据预处理开始，包括数据下载、标准化处理和缺失值填充。在模型构建环节，尝试了简单线性回归和MLP两种网络结构，发现后者存在过拟合问题。文中特别提到调试过程中遇到的NaN值问题和学习率调整经验，最终通过优化实现了模型收敛。项目涉及的主要技术点包括数据标准化、网络初始化、损失函数选择和参数调优。通过实践，作者加深了对深度学习模型训练流程的理解，并积累

本文记录了卷积神经网络(CNN)基础部分的学习内容。首先介绍了卷积层的两个特性：平移不变性和局部感受野。通过代码实现了二维卷积运算，并构建了自定义的Conv2d模块进行训练。接着讲解了填充(padding)和步幅(stride)的作用，给出了输出尺寸的计算公式。在"多输入输出通道"部分，实现了多通道卷积运算，并演示了1×1卷积核的等效矩阵乘法。最后提到池化层作为特征提取的中间处

本文介绍了卷积神经网络(CNN)的学习过程，重点推导了LeNet和AlexNet两种经典模型。作者针对Mac设备优化了代码实现，详细展示了LeNet的网络结构(包含卷积层、池化层和全连接层)和训练过程，在Fashion-MNIST数据集上达到87.4%的测试准确率。AlexNet相比LeNet更深更大，引入了ReLU激活函数和Dropout技术，提升了模型性能。文章通过代码示例和训练曲线直观呈现了

本文介绍了卷积神经网络中的GoogLeNet和BatchNorm技术。GoogLeNet通过Inception模块实现多尺度特征提取，包含1×1、3×3、5×5卷积和池化层的并行结构。文章详细展示了网络架构图、PyTorch实现代码及各层输出维度验证过程。BatchNorm部分解释了批量归一化的原理，指出其能稳定参数输出、学习新的方差和均值，通常不与Dropout同时使用。文中还包含完整的模型训练