深度学习并没有想象的那么难，甚至比有些传统的机器学习更简单。所用到的数学知识也不需要特别的高深，本章将会一边讲解深度学习中的基本理论，一边通过动手使用PyTorch实现一些简单的理论，本章内容很多，所以只做一个简短的介绍。 这个是搬运的Pytorch手册里面的chapter2 2.2-deep-learning-basic-mathematics里面的内容。我觉得这个写的比较好，就搬运过来了。其他的以后再搬运吧。如果想要自己运行代码的话，可以下载下来，用jupyter运行一下就可以了。 监督学习和无监督学习 监督学习、无监督学习、半监督学习、强化学习是我们日常接触到的常见的四个机器学习方法： 监督学习：通过已有的训练样本（即已知数据以及其对应的输出）去训练得到一个最优模型（这个模型属于某个函数的集合，最优则表示在某个评价准则下是最佳的），再利用这个模型将所有的输入映射为相应的输出。 无监督学习：它与监督学习的不同之处，在于我们事先没有任何训练样本，而需要直接对数据进行建模。 半监督学习 ：在训练阶段结合了大量未标记的数据和少量标签数据。与使用所有标签数据的模型相比，使用训练集的训练 ...

One day ladies will take their computers for walks in the park and tell each other, “My little computer said such a funny thing this morning”. —Alan Turing 写在前面 这是一个入门级的讲解，所以并不需要担心自己会看不懂，而且LSTM在神经网络中属于那种比较简单的模型。首先我们会简单讲解一下LSTM的原理，然后再结合一个例子。 软件要求 anaconda 3(64-bit) （anaconda是一个包管理和环境管理软件，因为我们在平时的使用中难免会遇到有些古老的包不支持最新的Python版本，或者是有些项目会使用到特定版本的模块，这时候就需要用到anaconda了） Python IDE （直接使用Python自带的IDE也可以，但是好像并不好用，推荐使用anaconda自带的Jupyter Note，也可以使用Pycharm，我自己用的IDE是VScode） tensorflow 2.1 （一般在anaconda自带的powersh ...

使用Altium Designer画一个最简单的单片机最小系统。 STM32最小系统的组成结构 1.时钟 2.电源 3.USB串口 4.复位按键 5.拓展接口 6.单片机主体 封装库 Altium Designer的封装库只有一些基本元件，这里打包一下常用的库，需要的话自己下。 altium designer元件库大全 提取码：h9v5 Altium Designer2020：下载地址/安装教程 在新版本中添加库的方法： 左上角>设置>Data Management>File-based Libraries>右下角 安装 时钟 一般选择8MHZ，方便倍频。 电源 这里用AMS1117模块。 USB串口电路 这里用的Micro USB，现在也可以使用Type C(推动Type C标准一统天下:stuck_out_tongue_winking_eye:)。 复位按键 通常低电平复位：（51单片机高电平复位，电容电阻位置调换） 上电复位，在上电瞬间，电容充电，RESET出现短暂的低电平，该低电平持续时间由电阻和电容共同决定，计算方式如下： 12t = 1.1R ...