使用qq邮箱的stmp.qq.com来实现定时发送邮件，默认端口是25，在本地尝试了可以发送，部署到阿里云服务器出现网络失败。需要在云服务器的出方向和入方向都开放587端口才行。于是换了465端口，依旧失败。最后尝试587端口，成功发送。

epochepoch: 每个epoch代表训练完一次全部train_databatch通过batch_size来控制，将train_data划分成子集，每个子集都有batch_size和样本，作为一个batch。batch_size越大，训练速度越快，对显卡的要求就越高。如果batch_size过小，训练数据就会非常难收敛，导致欠拟合steps_per_epochsteps_per_epoch：这

  GPT(Generative Pre-Training)和BERT(Bidirectional Encoder Representation from Transformers)都是以Transformer为主题架构的预训练语言模型，都是通过“预训练+fine tuning”的模式下完成下游任务的搭建从模型的角度上1） GPT是单向模型，无法利用上下文信息，只能利用上文；而BERT是双向模型。

看了沐神的讲解，恍然大悟，b站可以不刷，但沐神一定要看。在统计模型中，通过方差和偏差来衡量一个模型。1 方差和偏差的概念偏差（Bias）：预测值和真实值之间的误差方差（Variance）：预测值之间的离散程度，也就是离其期望值的距离。方差越大，数据的分布越分散。2 均方误差（Mean-Square error，MSE）在统计模型评价中时，评价一个点估计的坏时，通常使用点估计y^\hat{y}y^​

  GPT(Generative Pre-Training)和BERT(Bidirectional Encoder Representation from Transformers)都是以Transformer为主题架构的预训练语言模型，都是通过“预训练+fine tuning”的模式下完成下游任务的搭建从模型的角度上1） GPT是单向模型，无法利用上下文信息，只能利用上文；而BERT是双向模型。

关于推荐系统的技术架构，我认为应该是作为一个初学者首先需要认识的很明显，推荐算法是属于推荐系统的一部分。1 推荐系统架构图——baseline根据以上的很简单的架构图可以看出，一个推荐系统可以概括为f(U,I,C)f(U, I, C)f(U,I,C)：基于用户(User)+物品(Item)+场景(Context)信息，从系统中的物品库中，给对应的用户推荐相应的物品，也即实现所谓的”千人千面“。基于

b = pd.DataFrame({'a':[1,3,3,4],'b':[2,2,2,2]})a = pd.DataFrame()# 分别计算均值，标准差、众数、最值、中位数a['mean']=[b['a'].mean() for i in range(len(b)) ]a['std']=[round(b['a'].std(),2) for i in range(len(b)) ]a['mode'

x = [1,3,5,7,9]plt.xticks(range(len(x)),x)