部分软件不能正常联网，具体就不一一列举，太闹心解决方案问题解决。联想小新商务本，远程服务器、接口测试、.Net开发遇到一大堆的问题，毫无疑问是本子自身的问题，前段时间入了macbook pro，用这个本子太挣扎了。...

1、Window+R输入inetcpl.cpl执行2、点击连接3、点击局域网设置4、取消勾选所有内容，然后点确定关闭所有界面

Caused by: org.gradle.api.internal.plugins.PluginApplicationException: Failed to apply plugin [id ‘com.android.internal.application’]在 Gradle.Scripts中的gradle.properties添加android.overridePathCheck=true

第一章1分类与回归若欲预测的是离散值，此类学习任务称为分类若欲预测的是连续值，此类学习任务称为回归若只涉及两个类别的分类任务，称为二分类任务若涉及多个类别的分类任务，称为多分类任务预测任务是希望通过对训练集进行学习，建立一个从输入空间x到输出空间y的映射f:x→y2监督学习和无监督学习监督学习:训练样本拥有标记信息，代表回归和分类无监督学习:训练样本不拥有标记信息，代表聚类3机器学习的目标机器学习

原文1、relu函数Relu激活函数的解析式Relu函数及其导数的图像如下图所示：Relu激活函数优点：当输入 x<0 时，输出为 0，当 x> 0 时，输出为 x。该激活函数使网络更快速地收敛。它不会饱和，即它可以对抗梯度消失问题，至少在正区域（x> 0 时）可以这样，因此神经元至少在一半区域中不会把所有零进行反向传播。由于使用了简单的阈值化（thresholding），ReL

Toasty github地址:https://github.com/GrenderG/Toasty1、在Project目录下的build.gradle文件中添加(两处)maven { url'https://jitpack.io'}2、在Module目录下的build.gradle目录下添加/*toast工具类*/implementation 'com.github.GrenderG:Toast

sparse_categorical_crossentropy:需要把正确和错误的结果以参数的形式填进去SparseCategoricalCrossentropy:可以调用法，通过调用激活一般使用SparseCategoricalCrossentropy方法

import pandas as pdimport numpy as npimport tensorflow as tfdata = pd.read_csv('./tt/train.csv')print(data.columns)data = data[['Survived', 'Pclass','Sex', 'Age', 'SibSp','Parch', 'Fare', 'Embarked']]

一个Activity页面中有多个Fragment，当为第一个Fragment设置Toolbar时照着网上的资料就解决了问题，但是当为第二个Fragment设置Toolbar时发现第一个Toolbar的菜单不正常显示，找了很多的资料，发现都是将Toolbar当做当做控件使用，不再通过((AppcompatActivity)getActivity()).setSupportActionBar(tool

第一章第一题1、有一台计算机，具有IMB 内存，操作系统占用200KB ，每个用户进程各占200KB 。如果用户进程等待I/O 的时间为80 % ，若增加1MB 内存，则CPU 的利用率提高多少？答:CPU利用率＝1-（80%)^4 = 0.59若再增加1MB 内存，系统中可同时运行9 个用户进程，此时：cPu 利用率＝1-（80%)^9 = 0.87故增加IMB 内存使CPU 的利用率提高了47