对比学习(Contrastive Leaning): 学习如何将不同的样本区分开， 即学习将不同的样本映射到不同的空间位置上。通常通过比较两个样本的相似性来学习，将相似的样本映射到相近的空间位置上， 将不想死的样本映射到远离的空间位置上。自监督学习（Self - Supervised Learning）：在没有标注标签的情况下，通过利用数据的自身特点进行学习的一种机器学习方法。通过对图像进行数据增

新建线程组，这里采用5000个线程循环10次设置一下默认配置，之后就不用反复填写了设置配置文件设置HTTP 请求结果：

socket.on('new_number', function(msg) { ... }): 定义一个事件监听器，当从服务器接收到 new_number 事件时触发。var myChart = new Chart(ctx, { ... }): 使用 ctx 和 data 创建一个新的图表实例。labels: 一个空数组，将用于存储X轴上的标签。data: 一个空数组，将用于存储Y轴上的数据点。

计算输入数据self.X 和self.weights 的点积，矩阵乘法的结果, 得到加权的输入： z_a。举个例子， 整个神经网络就是一个菜谱， 而每个神经元又是烹饪过程的一个步骤。通过加权输入， 神经网络能自动学习输入数据的特征，并转化为更有意义的表示。具体来说， 在每个神经元中， 输入数据和对应的权重进行线性组合即。中的一项计算， 他会对输入的数据进行处理，并将结果传递给下一层。这个计算加权输