1. 调试F9 打开和停止调试断点F11 单步调试F5 启动调试2. 查询未知的快捷键shift + ctrl + p3. 行操作4. 词操作5. 其他

1. 常用命令1、git checkout表示核查工作区相对于版本库修改过的文件2、git checkout + 分支名表示切换分支3、git checkout -b 分支名表示以当前分支的当前状态创建新分支并切换到新分支-b 表示创建新分支4、git checkout -b 分支名 commitID表示以当前分支的commitID提交节点创建新的分支并切换到新分支。此时工作区的内容和切换分之前c

可能出现的原因Learning_rate过大，导致梯度较大，导致梯度爆炸激活函数、损失函数选取不当，在这种情况很少出现当网络的层数比较多，模型的数值稳定性容易变差，容易产生梯度消失和梯度爆炸，这会导致我们的loss在训练时变为nan，也称之为数据溢出。采用stride大于kernel size的池化层解决方法（个人经验）首先不要先考虑激活函数，应该先考虑的是learning_rate，试着降低学习

hdfs常用命令：文章目录1. hdfs文件系统命令1.1 文件路径增删改查系列：1.2 空间大小查看系列命令：1.3 权限管理类：1.4 文件操作（上传下载复制）系列：1.5 判断系列：1.6 系统功能管理类：2. 运维命令3. mapreduce命令4. hdfs系统检查工具fsck5. 运行pipies作业1. hdfs文件系统命令1.1 文件路径增删改查系列：hdfs dfs -mkdir

可能出现的原因Learning_rate过大，导致梯度较大，导致梯度爆炸激活函数、损失函数选取不当，在这种情况很少出现当网络的层数比较多，模型的数值稳定性容易变差，容易产生梯度消失和梯度爆炸，这会导致我们的loss在训练时变为nan，也称之为数据溢出。采用stride大于kernel size的池化层解决方法（个人经验）首先不要先考虑激活函数，应该先考虑的是learning_rate，试着降低学习

文章目录1. 正则化的概念1.1 过拟合2. 参数范数惩罚2.1 L1和L2概述2.2 L1正则化2.2.1 L1正则化与稀疏性2.3 L2正则化3. Dropout Regularization（随机失活）3.1 理解dropout3.2 dropout 如何工作3.3 dropout为何有效3.4 使用技巧3.5 dropout缺点3.6 当前Dropout的使用情况4. Early stop

文章目录0.写在前面1. 机器学习是什么？2. 从机器学习到深度学习2.1 机器学习的发展历史0.写在前面在机器学习与深度学习领域学习了一年之后，想写一篇关于自己对ML和DL的理解，因为学了这么多算法，需要跳出来总结总结ML和DL。我们从发展历史开始讲起。1. 机器学习是什么？Think the following Conversation：朋友/亲戚：你的专业方向是什么啊，小伙子？我：机器学习！

学习曲线（Learning Curves）来查看模型是高偏差还是高方差。学习曲线会展示误差是如何随着训练集的大小的改变而发生变化的，我们会监控两个误差得分：一个针对训练集，另一个针对验证集。具体内容可以参考链接的3.1节下面给出一般学习曲线的代码：import numpy as npimport matplotlib.pyplot as pltfrom sklearn.naive_bayes im