L3-Day17

⏰打卡时间:9月18日(周三) 6:00-17:00

训练技巧顺序:
【完全听写法】️【车轮法】️【影子跟读法】

⏱【练习时间】_100__mins
句1: People said my mother was “a good egg.”
成分划分:People主语 said谓语 my mother was “a good egg.”宾语从句
语法点:动作关系、一般现在时
拓展:

语音练习感受:
was~a good~egg 连读

句2: She would always help anyone in need.
成分划分::She主语 would always help谓语 anyone宾语 in need定语.
语法点:动作关系、一般过去时
拓展:would在这里表示过去的某种习惯

语音练习感受:
would~always 连读


句3: We never had to “walk on eggshells” around her.

成分划分:We主语 never had谓语 to “walk on eggshells”宾语 around her状语.
语法点:动作关系,一般过去时
拓展:

语音练习感受:
walk~on 连读


句4: We did not have to be careful about what we said or did because she never got angry at us.
成分划分:We主语 did not have谓语 to be careful宾语 about what we said or did状语 because she never got angry at us原因状语.
语法点:动作关系、一般过去时
拓展:

语音练习感受:

⭐️语法部分自评分:
(满分10)
4
⭐️语音部分自评分:
(满分10)
4


督导问问:

1. “would”情态动词又见面啦,核心思维是?常见情态动词有哪 些,核心思维再走遍。(这是督问第二遍帮你复习, 不会?大 礼 包 提)
核心思维:推测,本色,虚拟
would: 推测:对未来不太确定的推测;
本色:委婉的请求;
表过去某种习惯


2. “have to”和“must”有 么区别?(核心思维多么重要!)
must: 基于说话者或听话者主管意愿;
have to关乎规定,法律和他人愿望;
have to: 必须,不得不,表示其他人强加的义务,侧重于客观需要,半情态动词,有多种时态形式。

must: 必须,做某事的强迫性,侧重于说话者的主观看法,情态动词,只有现在时一种形式。must的否定式mustn’t表示不准,不允许。have to的否定式don’t have to=needn’t,表示不必。


3.来聊聊你认识的“help”.
help v.1.帮助协助援助;2.改善状况,促进,促使 It helped being able to talk about it.3.搀扶,带领she helped him to his feet.4.为自己或某人取用 help yourself. 5.擅自拿走,窃取。
help n.1.帮助,协助援助;2.有助益的东西,如忠告,钱等;3.有用;4.救助;5.有帮助的人或事物;6.the help/home help;7.there is no help for it.


4.“because 因为“,是不是熟的不能再熟 ?那么, because, since,for,as 还会傻傻分不清楚么?
1)because引导原因状语从句语气最强,表示直接原因,常用来回答由why提出的问题,所引导从句可放在主句前,也可放在主句后。

2)as “由于,鉴于” 主从并重,从句说明原因,主语说明结果。说明比较明显的原因。多用于日常语中,常译为“由于”,从句一般放于主句前。

3)since “因为,既然” 侧重主句,主句表示显然的或已知的理由。强调说话者和听者双方都知道的原因,常译为“既然”,一般用在这样的句子里。

4)for “因为,由于”表明附加或推断的理由,引导的分句前常有逗号。for分句不放句首.是用来附带解释或说明前一分句的原因和理由。

 

?明日计划

1. 打卡

2. 复习介词的用法


【导导摸摸头】
一年之际在于春,一天之际在于晨。L3已经day17了,不知道你有没有养成提前完成作业的好习惯呢?那简直是神清气爽看似只是简单的一个时间上的调整,其实背后恰恰反映出了各方面的平衡。加油️
?明日计划


【导导摸摸头】

一年之际在于春,一天之际在于晨。L3已经day17了,不知道你有没有养成提前完成作业的好习惯呢?那简直是神清气爽

看似只是简单的一个时间上的调整,其实背后恰恰反映出了各方面的平衡。加油️

转载于:https://www.cnblogs.com/zhangqian27/p/11542770.html

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