实例化SummaryWriter对象首先，你需要创建一个SummaryWriter对象，并指定一个日志目录。记录标量数据使用add_scalar方法记录单个数值，比如损失或准确率。记录图像数据使用add_image方法记录图像。记录直方图数据使用add_histogram方法记录张量的分布直方图。记录文本数据使用add_text方法记录文本信息。记录模型结构图使用add_graph方法记录模型的结

今天在服务器上使用MySQL时遇见的错误代码：Access denied for user ‘root‘@‘%‘ to database ‘xxx‘这是权限不够的问题，总结了一下今天的经验，就是如果需要在云服务器上新建一个数据库，那么直接就在服务器的终端数行进行手动操作创建你所需要的数据库：create database 数据库名;创建完之后我们需要手动给该数据库权限，用以下命令：grant al

神经网络的训练目标是最小化代价函数E，为了找到使得E取得最小值时的参数值，会使用梯度下降算法，而运行梯度下降算法就需要计算出 E 关于网络中的各个参数 w 和 b 的偏导数。误差反向传播输出层开始，逐层的向前计算 E 关于各层之间参数的偏导数，最后到达输入层，由于这个过程是从后往前的，因此被称为反向传播算法：误差反向传播算法有一个通用的公式，根据这个公式可以计算出 E 关于各层之间参数的偏导数：这

新建一个 exception 包，其下面放的所有跟自定义异常处理相关的类。@GetterPARAMS_ERROR(40000, "请求参数错误"),NOT_LOGIN_ERROR(40100, "未登录"),NO_AUTH_ERROR(40101, "无权限"),NOT_FOUND_ERROR(40400, "请求数据不存在"),FORBIDDEN_ERROR(40300, "禁止访问"),SYS

连接池一般包括了数据库连接所用的 IP 地址、port 端口号、用户名和密码以及其它的性能参数，例如初始连接量，最大连接量，最大空闲时间，连接超时时间等，该项目是基于 C++ 实现的连接池，主要也是实现上面几个连接池都支持的通用基础功能。

来看下面这个例子：在平面 x1-0-x2 中，分布着蓝色圆圈表示的正样本，红色叉叉表示的负样本，它们有两个特征 x1 和 x2 .其中正样本的标签是 y = 1，负样本的标签是 y = 0，然后在平面上画出一条直线：x1 + x2 - 3 = 0该直线交 x1 轴于点(3, 0) ，交 x2 轴于点(0, 3)：此时可以观察到正负两种样本刚好分布在直线的两侧。

具体来说，我们要设计并训练一个3层的神经网络，这个神经网络会以数字图像作为输入，经过神经网络的计算，就会识别出图像中的数字是几，从而实现数字图像的分类：在这个过程中，主要讲解三个方面：神经网络的设计和实现、训练数据的准备和处理、模型的训练和测试流程。上面都是按照各个功能部分进行讲解和描述的，可能会有点混乱，我们将上面的代码封装如下。

训练神经网络是一个为神经网络架构构造最优权重的过程，通过重复在给定学习率下的前向传播和反向传播这两个关键步骤来实现。在前向传播中，对输入数据施加一组权重，把它传递给隐藏层，并执行非线性激活函数实现隐藏层的输出，隐藏层到输出层则是使用隐藏层节点的值与另一组权重值相乘来估计输出值，最后计算出给定权重集对应的总体损失。对于第一次前向传播，权重值被随机初始化。在反向传播中，通过在一个方向上调整权重来减小损

实例化SummaryWriter对象首先，你需要创建一个SummaryWriter对象，并指定一个日志目录。记录标量数据使用add_scalar方法记录单个数值，比如损失或准确率。记录图像数据使用add_image方法记录图像。记录直方图数据使用add_histogram方法记录张量的分布直方图。记录文本数据使用add_text方法记录文本信息。记录模型结构图使用add_graph方法记录模型的结

模板基本就是上面这些了，对于不同的学习任务上面的模板可能需要针对性的稍微的进行一点改动，但大体上都是如此，可以多参考 GitHub 上优秀的项目源码。一定要继续加油嗷！