headline

title2

1

select * from student;

使用梯度下降算法进行学习

设计好神经网络的结构之后,它并不能进行任何任务,如mnist数据识别.
我们希望有一个算法,能让我们找到权重和偏置,以至于网络的输出y(x)能够拟合所有的训练输入x.
为了量化我们如何实现这个目标,我们定义一个代价函数:

这里w表示所有网络中权重的集合,b表示偏置项的集合.
为什么要引入这个代价函数呢?我们的目标原本是最大化正确分类的图像数量,但被正确分类的图像数量所关于权重和偏置的函数并不是一个平滑函数,所以引入一个类似二次代价的平滑代价函数更好的解决权重和偏置中微小改变带来的好处.

Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub.

Quick Start

# -- coding: utf-8 -- 魔法注释 防止中文注释报错

导包 先搜索当前路径 其次搜索PYTHONPATH环境变量 最后搜索默认路径 可在sys.path中查看
添加包路径: 1、直接修改sys.path.append(new_path); 2、设置环境变量PYTHONPATH
包下面必须有 __init__.py 否则只是普通文件夹

smtp服务配置 在/etc/main.rc下面

1 Standard commands(系统调用)用户在shell环境中可以操作的指令或可执行文件
2 System calls(系统调用)系统核心可呼叫的函数与工具等

我应该知道：
1、WM_PAINT优先级很低， 基本总是处于消息队列尾部， 要实时重绘 可调用 UpdateWindow(hwnd);
2、windows很多结构第一个字段常被定义为sizeof(this); 目的是方便以后的版本可以扩充结构而保持与以前程序兼容
3、6种GDI对象

这是个h1标签

=====

这是个h2标签

这是个h3标签