Markdown,别来无恙!

今天看到“有道云笔记”微信公众号推送了一篇文章《听说你不够高效率?这有一份markdown礼包请查收》,就想起来了被自己学完了就丢在一边的Markdown。文章中那些技巧、标记熟悉又陌生.....赶紧翻印象笔记,原来一年前,2016年的4月2日,生日那天,我就第一次认识了markdown,并尝试用很多标记写了一份“练习”:

我好像迷上Markdown了~

pixabay网随便找张图

学新技能挺好玩

今日主题:Today is my birthday

馬小妹,24岁了,珍惜每一天,加油让自己变得更优秀

早上起来伴随着音乐洗漱做事的感觉真好,现在播放的是王菲的《我爱你》

爱情 像就做完的梦
清楚 模糊
多简单
像第一次问你爱不爱
你说 爱 爱
多美丽
回答 它轻轻的掠过
不愿落下
这一些热的烈的情
和苍白的浮冰 多无影
散 散落
那些忽而现又有时隐而不见的飞
散 落
那些抓也抓不住的 才是真的
多简单
爱情
它轻轻的掠过
不愿落下
这一些 热的烈的情 都无影
多透明
散 散落
那些忽而亮转而模糊
隐隐约约飘落
散 散落
那些忽而现又有时隐而不现的坠
散 落
那些抓 也抓不住的 才是真的

Tips:空格加tab就可以进框框哦~

mary9242@163.com还可以插入邮箱呢,太棒了!

听说用*加空格或者-加空格还有1加.可以做列表,下面来试试吧

  • 今天的天气是晴天哦

  • 明天也是晴天哦

  • 要是每天都是晴天就好噜

今天的生日蛋糕吃哪款呢?

  1. 草莓之恋
  2. 宇治微风
  3. 榴芒双拼

最后在壹点壹刻上挑了草莓之恋,下午4:30~5:00送货上门哦~

NameTimeNote
左对齐居中右对齐
灰色阴影随机出现这样创建表格真方便

好啦,我要去做冰糖银耳雪梨汤啦~88:)

听说代码可以这样高亮哦

不是说还可以当task list吗?怎么弄的呢


可是!!怎么在2016.10.01解决了一个用markdown无法实现任务清单的问题后就再没有记录了.....惭愧啊,现在还能透过印象笔记里的记录感受到自己当时解决了问题时的激动!!

学习新技能看来很容易只有开始的满腔热情,拾起来玩玩就放下了,坚持去运用甚至坚持刻意练习来达到成为信手拈来的自然与习惯实属不易
也许愿意主动学习新技能的人有90%,能学会的有50%,那能够坚持去运用甚至坚持刻意练习达到习惯与炉火纯青的大概只有1%了吧


幸运的是博客园支持markdown,只需要在后台设置中将默认编辑器改为markdown就可以用markdown愉快滴写作啦~

markdown,别来无恙!现在我不仅有时用你来写博客,还用来写工作日志和总结呢!

转载于:https://www.cnblogs.com/maxiaomei/p/6486908.html

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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