本文介绍了C++中的双端队列(deque)容器，通过生动比喻和代码示例全面讲解了其功能特性。主要内容包括：1. deque的5种构造方法，从空容器到带初始值的批量创建；2. 灵活的插入删除操作，支持两端高效增删和中间位置操作；3. 多种元素访问方式，包括随机访问和安全访问；4. 大小管理和内容交换等实用功能；5. 通过VIP排队系统的实际案例展示典型应用场景；6. 与vector、queue的对比

本文通过生动的情侣和海王比喻讲解C++ STL中的map和multimap容器。map是一对一的"专属情侣"（键唯一），支持[]操作快速访问；multimap是"海王"（键可重复），需用边界查找处理多值情况。文章详细介绍了pair类型构造、容器基本操作（插入、删除、查找）和核心区别，并提供了实用速查表和避坑指南。特别强调了map的[]自动创建特性、multi

C++ Lambda表达式是一种匿名函数，可以像"临时工"一样直接嵌入代码中使用。其基本结构为：捕获规则->返回值{代码}。核心功能包括：1)可捕获外部变量（值捕获或引用捕获）；2)作为参数传递给STL算法（如sort、for_each）；3)简化一次性函数逻辑。相比独立函数，Lambda更简洁灵活，特别适合需要临时逻辑的场景，但需注意值捕获默认不可修改（需加mutabl

本文总结了C++ STL中list容器的核心操作，通过"双向链表小火车"的比喻形象解释其特性。重点包括：1）多种构造方式（空构造、指定长度、拷贝构造等）；2）高效的首尾增删操作（O(1)时间复杂度）；3）指定位置插入删除；4）排序与去重（注意必须先排序）；5）自定义数据类型排序规则设置。文章通过重构代码命名、添加详细注释和避坑指南，帮助开发者避免常见错误（如迭代器失效、排序函数

axis=0上下压扁，行消失axis=1左右压扁，列消失通用规则对哪个 axis 操作，就沿着这个轴 “捏扁”，最后这个轴就没了这个理解方式在深度学习里100% 通用：softmax、归一化、求和、均值、拼接全是这个逻辑。

学习率 = 模型改错的步长梯度管方向，学习率管大小太大：模型震荡、学废、出 NaN太小：训练极慢、收敛不了合适：模型快速学好，精准预测。

✅你的理解完全正确：激活函数的核心作用，就是打破线性限制，给神经网络引入非线性表达能力，让模型从只能处理线性关系，升级到能拟合任意复杂非线性关系，这才是深度学习能变强的根本原因。

本篇笔记用于快速回顾多层感知机（MLP）核心知识，涵盖线性模型的局限性、隐藏层作用、激活函数、手动实现与 PyTorch 简洁实现，适配 Fashion-MNIST 分类任务，帮助快速复盘、查漏补缺。多层感知机是深度学习的基础，核心是通过隐藏层 + 激活函数打破线性限制，实现非线性拟合。原理：线性变换 → 非线性激活 → 线性输出实战：从零实现理解原理，简洁实现用于工程重点：激活函数的作用、GPU

✅（太笨，学不会知识）✅（太死，只会背原题，不会举一反三）

复习日期：2026-04-29学习内容：《动手学深度学习》4.4 节 过拟合 & 欠拟合、多项式回归实验适配环境：Python3.9 + PyTorch2.6.0 + RTX4070 Laptop GPU。