一、前言反向传播算法（back propagation，简称BP模型）是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络。误差反向传播算法系统解决了多层神经网络隐含层连接权学习问题，人们把采用这种算法进行误差校正的多层前馈网络称为BP网。BP神经网络具有任意复杂的模式分类能力和优良的多维函数映射

一、关于梯度简单来说：梯度不是一个值，而是一个方向1.delta法则为了克服多层感知机调参存在的问题，人们设计了一种名为delta（ [公式] ）法则（delta rule）的启发式方法，该方法可以让目标收敛到最佳解的近似值。delta法则的核心思想在于，使用梯度下降（gradient descent）的方法找极值。2.一维梯度如果这个斜率越大，就表明其上升趋势越强劲。当这个斜率为0时，就达到了这

一、AlexNet前言此前有写过关于AlexNet网络结构详解，有需要可以自行查看https://blog.csdn.net/weixin_45579930/article/details/112525010这是关于AlexNet论文：AlexNet原文二、数据集的下载与划分2.1数据集下载首先，在本次搭建过程中。我们先下载需要使用到的数据集。下载完成之后可以发现，里面包含5种类型的花，每种类型有

一、关于梯度简单来说：梯度不是一个值，而是一个方向1.delta法则为了克服多层感知机调参存在的问题，人们设计了一种名为delta（ [公式] ）法则（delta rule）的启发式方法，该方法可以让目标收敛到最佳解的近似值。delta法则的核心思想在于，使用梯度下降（gradient descent）的方法找极值。2.一维梯度如果这个斜率越大，就表明其上升趋势越强劲。当这个斜率为0时，就达到了这

一、关于优化器深度学习的目标是通过不断改变网络参数，使得参数能够对输入做各种非线性变换拟合输出，本质上就是一个函数去寻找最优解，所以如何去更新参数是深度学习研究的重点。通常将更新参数的算法称为优化器，字面理解就是通过什么算法去优化网络模型的参数。常用的优化器就是梯度下降。接下来讲的就是梯度下降和进一步优化梯度下降的各种算法。优化器或者优化算法，是通过训练优化参数，来最小化（最大化）损失函数。损失函

一、Django是什么？Django 是用 Python 开发的一个免费开源的 Web 框架，可以用于快速搭建高性能、优雅的网站，Django 提供了许多网站后台开发经常用到的模块，使开发者能够专注于业务部分。二、MVC设计模式在Web开发领域有一个著名的设计模式 ---- MVC，而Django的设计模式是MTVM：Model模型，和数据库进行交互V：View视图，产生html页面C：Contr

MinIO 是一个基于Apache License v2.0开源协议的对象存储服务。它兼容亚马逊S3云存储服务接口，非常适合于存储大容量非结构化的数据，例如图片、视频、日志文件、备份数据和容器/虚拟机镜像等，而一个对象文件可以是任意大小，从几kb到最大5T不等。MinIO是一个非常轻量的服务,可以很简单的和其他应用的结合，类似 NodeJS, Redis 或者 MySQL。1.Minio官网地址:

一、问题描述1.在虚拟机安装Linux系统中，版本为CentOS 6.10，在开启系统的过程中，发现主机名未bogon2.便查看vim /etc/sysconfig/network 配置，发现里面HOSTNAME值正常。查看vim /etc/hosts 也没有异常。二、问题通过百度搜索以下相关资料：（1）bogon是指那些不该出现在internet路由表中的地址，包括：1、私有地址如10，172.

一、什么是卷积神经网络卷积神经网络（Convolutional Neural Network，CNN）又叫卷积网络（Convolutional Network），是一种专门用来处理具有类似网格结构的数据的神经网络。卷积神经网络一词中的卷积是一种特殊的线性运算。卷积网络是指那些至少在网络的一层中使用卷积运算来代替一般的矩阵乘法的神经网络。典型应用场景：图像识别、语音识别等。二、卷积神经网络的描述2.

一、关于优化器深度学习的目标是通过不断改变网络参数，使得参数能够对输入做各种非线性变换拟合输出，本质上就是一个函数去寻找最优解，所以如何去更新参数是深度学习研究的重点。通常将更新参数的算法称为优化器，字面理解就是通过什么算法去优化网络模型的参数。常用的优化器就是梯度下降。接下来讲的就是梯度下降和进一步优化梯度下降的各种算法。优化器或者优化算法，是通过训练优化参数，来最小化（最大化）损失函数。损失函