梦到回到大学的一场考试，难度很大，但是在座都是学霸，每个人都迅速的写着答案，除了我。再一次感到被虐的辛酸，来自于平日不爱踏实学基础知识的坏习惯。从小都是这样，没有追求最高的心，凭着自己尚能混过去的智商保持在第二阶梯。没有培养起对学习的兴趣，到了大学自食其果，受益很少。在所有路中，选最难的路，如果早一点知道就好了。
最近看flask，先是过完了一遍网上的简易的教程，然后找了一本书在看，看着看着发现自己心浮气躁的，停下来想了一下，自己一边看其实一边在质疑该不该花很多时间在把flask看这么细的事情上。月初系统的看了一下koa, 其实flask和koa是一类东西。所以自己相当于八月一大部分学习任务都分配给了这两个框架。感觉不是很理智。当感觉自己某个知识领域有一大片盲点时，我决心从一个点开始，然后不由自主就容易陷入这个点的苦战。这是我学习上的一个坏毛病，
最近在系统的看Node，补了一些以前没有深入的东西，复习整理一下～ Node.js中的垃圾回收V8将堆分为新生代和老生代，新生代空间中的对象较小，垃圾回收快，在新生代存活的对象会进入老生代空间。 新生代将空间一分为二，将存活的对象复制到另一个空间，然后替换替换回去，速度快但是空间花销大。 老生代空间垃圾回收分位标记清除和标记整理两个阶段。标记清除：老生代空间活对象存在标记，没有被标记的会被清除。标记整理：为了解决清除后的内存碎片问题，将
因为上周看了乐队的夏天，好久没听音乐节和livehouse的我看到刺猬出场宁波音乐节。于是连夜定了这周的音乐节门票和住宿，带上从未去过音乐节的二哈去晃悠一圈。 周六的中午去湘湖吃完犀鸟家的牛排（五分熟的美好回味无穷），就开上了去宁波的高速。 下午三点多抵达旅店，旅店是随意定的一家捡漏的汉庭，到了才发现附近吃的满多，住的也不错，离音乐节现场也很近。简单收拾了一下，就去现场嗨去了。冒着暴晒的太阳等在前排几个小时，看到了九连，发现了宝藏乐队
去桥西直街做糕点，在这边逛了一圈，小河边，老巷子，家家门口有颇具形态的植观，很是舒服。 选了桂花和玫瑰的味道，手接触水和面的感觉很奇特，在一种担心自己把它弄砸的感觉中遵从引导，神奇的到达最后一步。 制作中： 蒸之前： 蒸好后： 大龄儿童教学现场：
麻醉在一个场景里太久，在夜深人静一个人在窗边望向深空，原来竟然还是会落泪。流完眼泪忽然质问自己在哪里，身边是谁，每天为什么做着什么事情。好像一瞬间回到了十三岁的我，十五岁的我，十八岁的我，二十岁的我。唯独不是每天每天熟悉的这个我。那熟悉的夜，还是那些个少年时无数次痛彻心扉的流泪时的夜，是那个十九岁被恋人所伤独自从深夜徘徊到黎明的夜。这样的沉静，提醒我很多个熟悉的心碎。我不会回头，前方有自由。自由，是年少最大的追求。并非被限制太多，只是一
上次讲了logistic回归模型，常用于二分类，今天梳理的softmax loss则常用于多分类场景，它将多个神经元的输出，映射到（0,1）区间内，可以看成概率来理解，从而来进行多分类。 假设我们有一个数组，V，Vi表示V中的第i个元素，那么这个元素的softmax值就是： softmax就是这么一个简单的式子，接下来讲loss部分： loss函数选取交叉熵公式， 由于多分类的真实值通常是oneShot形式，最终loss函数可简化为L
装Jupyter过程中遇到奇奇怪怪的各种坑，查了无数github issue + stackoverflow，期间无数次内心崩溃，最终终于搞好了，发现遇到的问题中文解决方案很少，于是在这边记录下。 归根到底，linux没好好学，这边顺便记录下解决问题过程中收获的相关知识点。 最初问题： 一切的问题起源于起Jupyter时的报错1ImportError: cannot import name 'Type' 这个问题百度，基本没有。Goog
logistic回归 逻辑回归（Logistic Regression）是一种用于解决二分类（0 or 1）问题的机器学习方法 Sigmoid函数由于Sigmoid函数的函数性质：作用域是负无穷到正无穷，值域是(0,1)，很适合二分类的场景，式子如下所示： 假设我们预测函数为y = θ * x1 + b 决策边界决策边界分为线性决策边界和非线性决策边界，如图所示： 上面两张图很清晰的解释了什么是决策边界，决策边界其实就是一个方