8.19小记

今天本来跟某人约好,让她来当我的小白鼠,但是我成功的被她当成飞机放了!DNGFA,发泄完毕,总结下今天的厨艺心得!

首先从中午的开始说起!中午煮了两道菜:

蕃茄炒鸡蛋就不说了,煮了几次还是像一坨东西,毫无进步!值得一提的是旁边这个葱爆牛肉,这是本人继蕃茄炒鸡蛋之后的一个伟大尝试,虽然也平淡而告终,但是还不至于到垃圾的程度,这比楼主炒的那坨饭(题外话:楼主说,经过今天的炒饭,半年之内不要让他再闻到炒饭的味道),这给我的印象还不算深刻!

这个菜的步骤如下(其实也是微博上看到的,(*^__^*) 嘻嘻……):

原料:牛肉500g,大葱一根。蒜少许。1、牛肉切片,放入蛋清,料酒,老抽,腌制十分钟,加淀粉和食用油;2、锅内油热之后炒香一半葱丝和蒜末。放入牛肉炒到九成熟,加入剩余的葱段,生抽,盐,鸡粉,白胡椒,香油。翻炒,出锅即可!

步骤基本照足来做了,但是到最后步骤放多了盐,放多了生抽,结果有点咸!这道菜的心得就是:hai你TM就是一个傻X,啥都没准备好就开始下锅!

然后,就是晚上得那个鸡翅,由于被某人放飞机,极度不爽,本来想吃个快餐算了,不过还是想想还是决定自己煮吧,自己煮自己的菜,让别人放飞机去吧!

本来猜想晚上的鸡翅应该是这样的:


一开始腌制的时候是这样子的:


实际上的是:

。。。。。。。。。(不忍心拍图片了)

其实今晚最大的败笔是没注意要控制火候,导致鸡翅刚放下去就焦皮了,其次是加了两个小鸡腿进去。


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