需要根据已有的python_pcl.whl文件的版本来创建对应anaconda虚拟环境的python版本，这里拿python_pcl-0.3.0rc1-cp37-cp37m-win_amd64.whl 文件来举例，可以根据文件名cp37，来判断需要创建anaconda-python3.7环境。如果你有其它的python_pcl.whl也可以通过类似的方法进行操作。需要python_pcl-0.3.

pclpy-0.12.0版本，支持windows的python3.6和3.7版本，但pclpy-0.12.0移除了可视化模块，即看不到点云效果了。安装方法：进入对应python版本的虚拟环境，然后输入：pip install pclpy==0.12.0 -i -i http://pypi.douban.com/simplepclpy-0.11.0版本，只支持windows的python3.6版本，

vscode远程连接服务器并上传本地文件到服务器（remote ssh + sftp）

vscode远程连接服务器并上传本地文件到服务器（remote ssh + sftp）

vscode远程连接服务器并上传本地文件到服务器（remote ssh + sftp）

4.3.3梯度的计算梯度下降在机器学习中应用十分的广泛，不论是在线性回归还是逻辑回归中，梯度就是表示某一函数在该点处的方向导数沿着该方向取得最大值即函数在该方向的导数，它的主要目的是通过迭代找到目标函数的最小值，或者收敛到最小值。本文将从一个下山的场景开始，先提出梯度下降算法的基本思想，进而从数学上解释梯度下降算法的原理，解释为什么要用梯度，最后实现一个简单的梯度下降算法的实例。梯度下降法的基本思

5.6模型的评估构建模型很重要，模型的评估同样非常重要，模型的评估就是判断拟合出来的模型是否优秀。在很多情况下，比如多维度的时候，我们是很难直观的判别模型的好坏（正确性或者是精度），那我们应该怎样来判别呢？在低维度的时候最简单的方法就是观察函数图形，观察函数图形是否很好的拟合了训练数据，如图5-6-1所示：图5-6-1但在高维度的问题中不能直观的在图上画出来，所以这个方法也就不可行了。既然不能用图

vscode远程连接服务器并上传本地文件到服务器（remote ssh + sftp）