目录深度学习的正则化L1与L2正则化Dropout正则化提前停止批标准化总结深度学习的正则化学习目标知道L2正则化与L1正则化的方法知道随机失活droupout的应用知道提前停止的使用方法知道BN层的使用方法在设计机器学习算法时不仅要求在训练集上误差小，而且希望在新样本上的泛化能力强。许多机器学习算法都采用相关的策略来减小测试误差，这些策略被统称为正则化。因为神经网络的强大的表示能力经常遇到过拟合

目录神经网络案例数据加载数据处理模型构建模型编译模型训练模型测试模型保存总结神经网络案例学习目标能够利用tf.keras获取数据集能够网络多层神经网络的构建能够完成网络的训练和评估使用手写数字的MNIST数据集如上图所示，该数据集包含60,000个用于训练的样本和10,000个用于测试的样本，图像是固定大小(28x28像素)，其值为0到255。整个案例的实现流程是：数据加载数据处理模型构建模型训练

问题描述具体原因未知之后去网上找大佬博客解决Unit mysql.service could not be found然而我没成功，你们可以试试，哈哈哈删库（只建议刚安装的）我就准备重新安装mysql，体验一下删除数据库的感觉，手动狗头查看MySQL对应的文件夹[root@lh ~]#find / -name mysql/usr/share/mysql/usr/local/src/mysql/us

目录深度学习的正则化L1与L2正则化Dropout正则化提前停止批标准化总结深度学习的正则化学习目标知道L2正则化与L1正则化的方法知道随机失活droupout的应用知道提前停止的使用方法知道BN层的使用方法在设计机器学习算法时不仅要求在训练集上误差小，而且希望在新样本上的泛化能力强。许多机器学习算法都采用相关的策略来减小测试误差，这些策略被统称为正则化。因为神经网络的强大的表示能力经常遇到过拟合

目录深度学习的正则化L1与L2正则化Dropout正则化提前停止批标准化总结深度学习的正则化学习目标知道L2正则化与L1正则化的方法知道随机失活droupout的应用知道提前停止的使用方法知道BN层的使用方法在设计机器学习算法时不仅要求在训练集上误差小，而且希望在新样本上的泛化能力强。许多机器学习算法都采用相关的策略来减小测试误差，这些策略被统称为正则化。因为神经网络的强大的表示能力经常遇到过拟合

目录深度学习的正则化L1与L2正则化Dropout正则化提前停止批标准化总结深度学习的正则化学习目标知道L2正则化与L1正则化的方法知道随机失活droupout的应用知道提前停止的使用方法知道BN层的使用方法在设计机器学习算法时不仅要求在训练集上误差小，而且希望在新样本上的泛化能力强。许多机器学习算法都采用相关的策略来减小测试误差，这些策略被统称为正则化。因为神经网络的强大的表示能力经常遇到过拟合

项目实战-交易数据异常检测import pandas as pdimport matplotlib.pyplot as pltimport numpy as np%matplotlib inlinedata = pd.read_csv("creditcard.csv")data.head()# value_counts计算当前数据的某一列有多少个不同的属性值count_classes = pd.v

目录SSD算法SSD网络结构backboneextra部分loc和clsPriorBox层先验框的生成方法loc的预测结果模型训练正负样本标记损失函数困难样本挖掘模型预测总结SSD算法学习目标知道SSD的多尺度特征图的网络知道SSD中先验框的生成方式知道SSD的损失函数的设计目标检测算法主要分为两类：Two-stage方法：如R-CNN系列算法，主要思路就是通过Selective Search或者

MarkDown编辑器—Typora的必备设置（字体、主题、间距）了解到很多情况下没有网，自己的文章如果使用在线博客上传（以前我都是用CSDN的Markdown），那么就很被动。所以准备使用一款Markdown编辑器，而Typora无疑是非常流行的。那么写这篇文章就是为了如何简单配置Typora，让它用的更顺手一些。好久没写博客了，今天开启新的启程，以后也会专注Python的学习，刚从学习Java

问题描述解决方法原因是机器名和ip地址没有对上。首先vim /etc/hosts,最开始是这样的[root@ActiveMQ apache-activemq-5.12.0]# vim /etc/hosts127.0.0.1localhost localhost.localdomain localhost4 localhost4.localdomain4::1localhost localhost.