当神经网络层数过多时，就容易出现梯度消失和梯度爆炸的问题，什么是梯度爆炸或者梯度消失，梯度爆炸就是一般在开始训练时，参数都是随机数，导致loss太大，反向传播的时候就会出现梯度太大，或者梯度消失，从而导致网络无法收敛，解决方法是梯度裁剪。梯度裁剪有普通裁剪和L2范数裁剪，每种方法又包含全局裁剪和部分裁剪两种。

可以发现，时间戳解析出来了，其它的数据都是16进制，没法直接看，当然我们如果熟悉blf格式，可以自己把数据还原出来，但是既然已经用第三方库，我们当然就不用自己解析了，而且仔细观察一下即可发现，之前的加载dbc并没有用上，所以这时一个重要的函数登场了，那就是dbc.decode_message(id,data)，具体代码如下。一般情况下，解析blf需要dbc文件，当然其实不用dbc也可以，只不过解析

今天发现了一个新的绘图控件QCustomPlot2，据说性能也非常不错，这个图表库原生支持很多种图表类型，这点比pyqtgraph要好点，pyqtgraph本身支持的图表种类不是特别全，但是也算够用吧，这个plot2教程很少，文档都只看到有c++的，没看到python，估计只能自己踩坑了，后面研究一下。

然后还有一个层，池化层，Pool2D，这个层也会改变数据形状，具体改变数据的高和宽，一般而言，它的参数设为2*2，最后的结果高度和宽度变为原来的一半，以手写字数据为例，比如输入的数据是N*1*28*28,经过一个卷积层（参数为输入通道1，输出通道32），那么输出结果就是N*32*28*28，再经过一个池化层（参数为2*2）,那么输出结果为N*32*14*14。本文主要记录下近期研究的关键点，这块开

我这个代码最后是把dataframe转成了mf4，用canape看比较方便。这个库其实还是蛮好用的，但是开发的工具最后没有用这个库，而是用底层库cantools和python-can解析的，原因是用这个库后，开发时功能是没问题的，但是用pyinstaller打包后就有问题了，总是报错，查了资料貌似有共享库冲突，最终没有解决，所以不得不放弃了，如果不打包还是ok的，高层api还是要方便一些，就是参数

asammdf是python解析mdf/mf4文件的主流第三方包，包含了很多实用的方法做mdf/mf4文件解析，同时提供数据格式转换，绘图，合并等一系列好用的方法，应该说是做汽车数据分析的必备利器，希望本篇文章能祝你一臂之力。

首先是安装和配置，安装vscode，ubuntu系统在软件商店里搜code，就可以找到，然后点安装就好了，安装好vscode后在左侧dock栏找到插件（四个方块）那个图标，点击，搜cline，然后安装，安装好后配置api，这里我们用魔塔社区的免费api（每个账号一天2000次调用，基本相当于免费）。- 有失忆问题，就是说本来在之前的步骤已经发现某些问题，但是因为一些原因中断后，重新再让它看问题的时

blf数据不像mf4那样自带信号数据库，因为它是记日志用的，一般情况下要尽可能的小，所以，解析blf数据要单独有个数据库文件，一般是dbc或者arxml，我这里用dbc做示范，解析之前要先加载dbc，当然具体操作其实很简单，只需要两步即可。直接拖拽文件到绘图窗口，弹出下面界面，依次选择Insert signals into new window--> Graphic window，然后就会弹出信号

简介今天看项目代码，突然发现python里一个有趣的函数getattr，这个函数真的很有意思，怎么有意思呢，举个栗子，我这有个类```pythonclass A(object):def print_name(self,name):print namedef print_age(self,age):print age```然后我想实现这样的功能，根据用户的一个输入，去调用不同的方法，通常咱们可以这样