xinlongkun的博客

https://www.cnblogs.com/masbay/p/11627727.html安装的时候 选择efi 那个驱动盘 不要选成 genneral 那个启动盘了。还有分区那里，不是efi而是保留的 bios 启动区域。

参考博客https://blog.csdn.net/gzygwp/article/details/99719253?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1

深层神经网络每一个节点都是一个logistic 回归。拥有和输入特征数相同的维度。深层神经网络的前向传播对m个样本向量化，对每一层使用for 循环。核对矩阵的维数对于单个样本：L层权重，行数等于本层神经单元个数，列数等于上层神经单元个数。L层输出及激活函数输出： 行数等于本层神经单元个数，列数等于1L层偏置，行数等于本层神经单元个数，列数等于1对于m个样本：L层权重：行数等于本层神经单元个数，列数等于上层神经单元个数。L层输出 ：行数等于本层神经单元个数，列数等于样本个数m

IP核IP核就是已经设计好的具有一定功能的电路模块，买了人家的IP核就只要按说明书弄明白怎么跟自己的模块配合使用就行了，具体里面长啥样一般不care。IP一般分为软核、固核、硬核。软核就是RTL代码，如果是可读的自己改起来也方便；固核是综合后的网表，既然综合了就跟工艺挂钩了，不太好改，但是也能根据器件相连看出电路结构；硬核就是经过完整后端设计的掩模了，基本改不了。比如：芯片Kirin 990.通常的功能模块有， PLL， SRAM，IO，Memory Phy，USB，ADC，DAC，ARM_C

Anaconda+Tensorflow高速安装教学视频https://www.bilibili.com/video/BV16E41157Ng?from=search&seid=258709781119678087配套博客用Anaconda3搭建自己的TensorFlow环境https://huaweicloud.blog.csdn.net/article/details/95945189PIP 更换国内安装源https://blog.csdn.net/yuzaipiaofei/arti

anaconda+pycharm安装配置，及使用。https://www.bilibili.com/video/BV1K7411c7EL?p=3

卷积神经网络 – CNNhttps://easyai.tech/ai-definition/cnn/CNN笔记：通俗理解卷积神经网络https://blog.csdn.net/v_JULY_v/article/details/51812459输出规格( n+2*p-f)/s+1n:原始图像大小p 填充大小f 卷积核大小S移动卷积核的步长。向下取整。数学上叫互相关，深度学习领域叫卷积。、只关注某个分量注意nc[l-1]是颜色通道数，nc[l]是滤波器（卷积核）的个数。

学习的视频网易公开课https://study.163.com/?_trace_c_p_k2_=b8fadd49cf5a4e0e81814731bc18b5c9学习的博客https://blog.csdn.net/koala_tree/article/details/79913655

Anaconda详细安装及使用教程（带图文）https://blog.csdn.net/ITLearnHall/article/details/81708148在已安装python3.7的环境基础上，安装Anaconda环境的完整教程https://blog.csdn.net/qq_36851515/article/details/82956150anaconda 相当于给建了环境...

jupyter（ipython notebook） 安装和入门教程(https://www.cnblogs.com/qwj-sysu/p/8502730.html)Ipython、Jupyter 入门(https://www.cnblogs.com/avention/p/9051767.html) 入门｜始于Jupyter Notebooks：一份全面的初学者实用指南(http...

Logistic 回归是一个二分分类的算法。包括正向传播和反向传播两个过程。正向过程计算代价函数，反向过程训练参数。logistic 回归算法可以被看作是一个非常小的神经网络。通过梯度下降法，来训练w或者b，使得代价函数最小化。代价函数是一个凸函数，这样可以找到全局最优解。函数的凸性也是为什么选择在这个函数的原因。函数是凸的，无论从哪一点开始都应该到达同一点。 梯度下降法就是从初始点开始，每次朝...