当一个类“知道”另一个类时，可以用关联关系表示，比如企鹅和气候就是这种关系，企鹅需要知道气候，在企鹅类里边可以定义气候。这个用的也还是比较多的。聚合表示弱拥有关系，体现的是A对象可以包含对象B，但B对象不是A对象的一部分。部分和整体的关系，强拥有关系。用实心菱形+实线来表示。这个一般在客户端实现那里使用，其余的地方没见过有用这个表示的。比如动物依赖于氧气和水的关系就是依赖关系。+号表示公有，-表示

神经网络包括卷积层，池化层,全连接层。一个最简单的神经元结构，假如有三个输入，都对应一个权重参数，然后通过权重加起来，经过一个激活函数，最后输出y。CNN中独特的结构就是卷积层，就是一个卷积核然后根据步幅进行扫描运算，最后输出特征矩阵。卷积核的深度和输入特征矩阵的深度相同，而输出的特征矩阵深度和卷积核个数相同。如果加上偏移量bias的话，就在输出的特征矩阵进行相加减即可。使用激活函数的目的是引用非

我们常用pandas进行数据分析，pandas可以与张量兼容。用pandas处理缺失数据，我们可以根据情况选择用插值法和删除法。

解决分类问题，最常见的目标函数是最小化错误率（预测与实际不符的样本比例）。损失函数根据模型参数来定义，并取决于数据集。在一个数据集上，可以通过最小化总损失来学习模型参数的最佳值。

多层感知机在输出层和输入层之间增加一个或多个全连接隐藏层，并通过激活函数转换隐藏层的输出。常用的激活函数包括ReLU函数，sigmoid函数和tanh函数。

多层感知机在输出层和输入层之间增加一个或多个全连接隐藏层，并通过激活函数转换隐藏层的输出。常用的激活函数包括ReLU函数，sigmoid函数和tanh函数。

多层感知机在输出层和输入层之间增加一个或多个全连接隐藏层，并通过激活函数转换隐藏层的输出。常用的激活函数包括ReLU函数，sigmoid函数和tanh函数。

标量、向量、矩阵和张量是线性代数的基本数学对象。标量、向量、矩阵和张量分别具有0，1，2和任意数量的轴。一个张量可以通过sum和mean沿指定的轴降低维度。两个矩阵的按元素乘法被称为他们的Hadamard积，与矩阵乘法不同。在深度学习中，会经常使用范数，如L1范数，L2范数和Frobenius范数。深度学习框架可以自动计算导数，首先将梯度附加到想要对其计算偏导数的变量上，然后记录目标值的计算，执行

无论怎么改正都访问不到，然后我把文件夹的首字母改成了小写的，它居然又行了。我到现在还一脸懵，另一个系统我就用的大写，那个就没事儿，怎么这个非得改成小写？