误差反向传播法是一种能高效计算权重参数梯度的方法。要理解它一般有两种方法，一种是基于数学式，另一种是基于计算图（computational graph）。接下来会补充讲解计算图的理解方法。

计算图

计算图会将计算过程用图表现出来。这里的图形是数据结构图，通过多个节点和边来表示。

从数据中学习

神经网络的学习指的是从数据参数中自动获取最优权重参数的值。在实际的神经网络之中，权重的数量成千上万，随着层数的递进，这个数量还在继续增加。想要人工决定这些数值的大小是不可能的。我们需要让神经网络来根据数值自动决定参数值。通过引入损失函数能够有效的获取最有的权重参数。

神经网络的学习步骤

前提

神经网络存在合适的权重和偏置，调整权重和偏置的过程以便拟合训练数据的过程称为“学习”。神经网络的学习分成以下四个步骤。

类模板

当你决定你正在编写的类最适合通过某种任意类型进行参数化时，你可以使用template关键字并指定模板应该参数化的类型来告诉C++，你正在定义一个模板类。

小结

1. 软件系统通常包含数百万行代码，远远超过即使是最有经验的程序员一次能够完全跟踪的范围。
   阅读全文 »

咸鱼头一次做出比较多的比赛，学到了很多东西（虽然感觉应该早该会的），后面会逐步把没做出的re复现

聪明的信使

阅读全文 »

引子

考虑以下问题：假设我们想要编写一个程序，该程序从文件中读取整数列表（可能表示作业中的成绩），然后打印出这些值的平均值。为简单起见，我们假设此数据存储在名为 data.txt 的文件中，每行一个整数。例如：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

100
95
92
98
87
88
100
87
89
87
89
83
87
97
99
89
88

以下是一个可能的例子：

启动终端

启动终端后会看见 shell CLI 提示符，在此输入shell命令。默认的提示符符号是 $