20111113晴_杭州_总结

我现在有好多东西要总结,要回顾

第一,我现在有那三件事情没有做到

第二,有哪些事情我没有必要去做

 

没有做到的三件事情:

1.练太极、每天锻炼半个小时,没有做到。周六周日没有五点起床,然后准备早饭。

对策:回来之后,尽量不去上QQ。晚饭不要吃,去练太极,大概是七点钟开始练,我在那里练个一个小时就回来,八点准时回来。坚持哦坚持哦

保证周五周六晚上在七点睡觉,并且在晚上可以将闹钟定好,避免第二天起不来,保证周六周日可以早些起床。

2.英语没有每天坚持练习

对策:以后每天回到宿舍大概是九点。。将脏了的衣服拿出来扔到洗衣机里面洗掉,洗澡,大概到半个小时。看十分钟英语。关电脑。洗脸。10:00睡觉。

3.吃饭没有慢慢吃

对策:以后每天吃饭少吃慢吃,可以买些零食,记住一定要克制住自己哦。

 

 

 

没有必要去做的三件事:

1.上QQ闲聊,无聊的时候找朋友聊天什么的,没必要!还有RTX也没有必要去聊!有事的话,再去找别人。

PS:朋友定期联系是必要的。以后还是应该在定期和朋友 联系。时间是:周四晚上10:00到10:30周日晚上七点到八点。

养成不隐身的习惯。

2.淘宝网站,聚划算还是可以看看的哈。

3.没有必要。。。。再好好想想吧。(总觉得整天没做的很多,做的很少。。。貌似理财的习惯也没有养成么,,,加油加油加油,改进改进改进改进)

 

PS:一点点来,慢慢的克服掉自己的一些缺点,慢慢养成一些好的习惯,加油加油

 

 

 

 

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值