网上有非常多应对方法尝试了无数种，没一个有用，最后偶然间发现了原因：开了远程校园VPN！！！再遇到类似问题先把所有代理都关了再试试

题目中的是老版的代码至少从安卓11起要改为 getApplicationContext().getExternalFilesDir("")（很多帖子直接写成context，但是实际上是 getApplicationContext ）

1 前置知识1.1 ReLU的单侧抑制参考：RELU的单侧抑制单侧抑制含义：relu的曲线是一个折线，在小于0的部分一直为0，而在大于0的部分是一条斜率为1的直线。单侧抑制的优点：使得部分神经元可能输出为0，相当于在本次优化中，一些神经元不参与，进而破坏了全部神经元联动优化的陷阱，使得模型更加的鲁棒。所谓破坏联动优化陷阱，我的理解是类似于Dropout（如果模型参数过多，而训练样本过少，容易陷入过

参考文章：打破“维度的诅咒”，机器学习降维大法好为什么数据需要降维机器模型用来帮忙预测一个目标变量，但是不一定输入图像的每一个特征都对应目标变量，这会使模型变得复杂。这里所说的降维的纬度，就是图像的特征，对于图像分类模型来说，一个像素点就是一个特征降维技术1 特征选择实用python的 scikit-learn库，使用散点图和热图来可视化不同特征的协方差，如果有高度相同的特征，就只留一个。你可能会

将以下链接依次看完，就能明白IQ调试通信里 星座图 到底是什么意思啊?【通信原理 入坑之路】—— 详解IQ调制以及星座图原理什么是IQ调制，为什么要用IQ调制？什么是高阶调制数字调制系列：如何理解IQ ？(转载)用Matlab复现了第一个知乎链接中给出的代码，存放于https://github.com/ndwuhuangwei/py-radio-autoencoder，注释十分详细...

1 前置知识1.1 ReLU的单侧抑制参考：RELU的单侧抑制单侧抑制含义：relu的曲线是一个折线，在小于0的部分一直为0，而在大于0的部分是一条斜率为1的直线。单侧抑制的优点：使得部分神经元可能输出为0，相当于在本次优化中，一些神经元不参与，进而破坏了全部神经元联动优化的陷阱，使得模型更加的鲁棒。所谓破坏联动优化陷阱，我的理解是类似于Dropout（如果模型参数过多，而训练样本过少，容易陷入过

将各种调制方式的代码集中一下，随时更新，应该大部分都是 python文章目录OFDMOFDM输入的待调制信号一般用一个矩阵表示[M, N]其中，M（行数）表示 symbol数量，N（列数）表示一个symbol中的码元数量（一个码元可能有n位，即2**n进制）比如说5个symbol，每个symbol 有4个码元，且码元是四进制的(值为 00, 01, 10, 11, 也就是 0, 1, 2 ,3)，