Percy0618的博客

避免其他朋友踩坑这里我本来用的Maven3.8.3版本，提示如题的错误。换成Maven3.6.3版本后，该错误不再出现。

卷积层与全连接层：卷积作用是提取局部特征，全连接层作用是把提取的局部特征以权值矩阵的形式组合起来形成完整的图。经过卷积后，原图中包含和卷积核这类特征被卷积核提取到FetureMap中，这部分是计算原图patch和卷积核的相似程度。在训练过程中，会使用不同的卷积核提取原图中的不同特征。全连接过程中丢失位置信息，理解为降低了学习过程中的参数敏感度。合适的卷积核需要训练得到。Pooling 池化：把得到的feturemap进行缩小。有MaxPooling和AveragePooling两

该篇文章讲的是在IoT场景下的去中心化联邦。

https://blog.csdn.net/DoubleLin_/article/details/108142704

深度梯度压缩：降低分布式训练的通信带宽文章地址：https://arxiv.org/pdf/1712.01887.pdf本文针对移动设备分布式训练AB：大规模分布式训练需要使用通信带宽，带宽限制了多节点训练的可伸缩性，并且需要昂贵的高带宽网络基础结构，在移动设备的分布式训练中，这会导致更高的延迟，以及间歇性的不良连接。我们发现分布式SGD中99.9％的梯度交换是多余的，并提出了深度梯度压缩（DGC）以大大减少通信带宽。DGC采用四种方法：动量校正，局部梯度修剪，动量因子掩蔽和热身训练。

文件的创建格式： //第一种构造方式 File f1 = new File("E:\\io\\done\\io.txt");// 第一个\作为转义 //第二种构造方式 File f2 = new File("E:\\io\\done","io.txt"); //第三种构造方式 File f3 = ne...