01介绍学习目标DetermineresourcesforpreparingfortheAWSCertifiedCloudPractitionerexam.DescribethebenefitsofbecomingAWSCertified.02ExamdetailsExamdomainsAWS认证云从业者考试包括四个领域：CloudConceptsSecurityandComplianceTechnologyBillingandPricing涵盖的领域描述了AWS认证云从业者认证考试指南中的每个领域。有关每个领域的描述，请参阅AWS认证云从业者网站。作为准备考试的一部分，我们鼓励您阅读考试指南
一、UNet代码链接UNet代码：U-Net代码（多类别训练）-深度学习文档类资源-CSDN下载二、开发环境Windows、cuda:10.2、cudnn:7.6.5pytorch1.6.0python3.7pytorch以及对应的torchvisiond下载命令#CUDA10.2conda安装condainstallpytorch==1.6.0torchvision==0.7.0cudatoolkit=10.2-cpytorch#CUDA10.2pip安装pipinstalltorch==1.6.0torchvision==0.7.0官网下载，较慢，可自己设置豆瓣源/清华源等下载三、准备数据
2d材质里面可以设置摩擦力和弹力Simulated：是否在当前的物理环境中模拟，取消勾选该框类似于DisableRigidbody，但使用这个参数更加高效，因为Disable会销毁内部产生的GameObject，而取消勾选Simulated只是禁用。Kinematic动力学刚体动力学刚体不受重力和力的影响，而受用户的控制，需要使用类似Rigidbody2D.MovePosition、Rigidbody2D.MoveRotation的方法。它于静态刚体一样，只与动态刚体会发生碰撞。嗯，而且质量应该算是无限大，所以它在运动的时候会撞开所有的动态刚体。使物体移动可以用AddForce和velocit
论文题目：《Communication-EfficientLearningofDeepNetworksfromDecentralizedData》时间：联邦学习由谷歌在2016年提出，2017年在本文第一次详细描述该概念地位：联邦学习开山之作建议有时间先学一下机器学习o(╥﹏╥)o如果实在是没有的话，就先了解一下这些东西吧：非平衡、非IID、鲁棒性、监督学习（标签）、超参数、随机梯度下降SGD、模型平均 梯度下降可以看一下这篇文章：https://blog.csdn.net/weixin_43235581/article/details/127409877以下内容蛮详细的，尽量不要在碎片时间看
目录键盘控制移动的2种办法方法1：通过输入修改值控制移动。【知识点1】添加键盘个事件方法2：用控制器判定按键按下情况控制移动【知识点2】IsInputKeyDown和GetPlayerController的使用鼠标控制移动2种办法第一步：关闭鼠标输入方法1：鼠标点击时发生转动方法2：鼠标移动时发生移动（鼠标事件）方法3：鼠标移动时发生移动（鼠标值）【知识点3】鼠标值和鼠标事件的区别【知识点4】用DeltaSeconds统一所有设备的帧率差别键盘控制移动的2种办法【目标】通过键盘WSAD控制物体移动方法1：通过输入修改值控制移动。分为两块流程链。思路：使用键盘个事件触发移动值的变化，通过tick
关于控制理论的学习是长期的，时常就得拿出来复习一下，不然就忘记了，在去年的学习工作中发现了自身理论知识的匮乏，因此在今年会重新拿出来复习一下控制理论，巩固自己的知识储备。总体步骤：关于状态观测器的设计，可以按照一下几个基本步骤来设计：1）引入反馈矩阵G，列出状态观测器的状态方程2）求出状态方程的特征多项式3）写出观测器期望极点的特征多项式4）求解出反馈矩阵G的系数例子：例如一个系统的状态方程：设计状态观测器，使其极点为-10,101.引入反馈矩阵G2.求出特征多项式3.写出观测器的期望多项式4.求解G的系数建模求出G的系数之后，我们就可以实际搭建一个模型来看看实际的效果在建模前，我们可以先把系
【MATLAB第2期】源码分享#基于LSTM时间序列单步预测，含验证和预测未来1.运行环境matlab2020a+cpu2.数据说明单列数据，2018/10~2018/12共三个月，92个数据。3.数据处理样本标准化处理，其中，前85个数据作为训练样本，来验证后7个数据效果。最后预测未来7个数据。numTimeStepsTrain=floor(85);%85数据训练，7个用来验证dataTrain=data(1:numTimeStepsTrain+1,:);%训练样本dataTest=data(numTimeStepsTrain:end,:);%验证样本4.LSTM参数设置numHidden
目录前言硬件介绍原理图分析段选和位选驱动芯片74HC138芯片74HC245芯片软件实现点亮一只数码管倒计时效果动态显示字符数码管常用函数封装总结前言本节内容我们学习如何控制数码管，先尝试点亮一个数码管，并实现倒计时效果。硬件介绍数码管的英文为NixieTube，又称辉光管或LED数码管。其基本单元由LED组成，单个数码管的概念图如左图所示，一般可以分为七段数码管和八段数码管两种。八段比七段多一个小数点，应用更为广泛。除此之外，单个数码管只能显示一个数字（字母），功能受限。所以常常将多个数码管封装起来，如右图所示，常用的为4位数码管。图1八段数码管图2多位数码管数码管的发光颜色由管中充的低压气
笔记脉络从GPT到ChatGPT1.整体发展脉络2.transformer回顾-2017动机模型结构创新点算法原理3.Bert回顾（2018-10）动机BERT模型结构4.GPT-1（2018-6）动机模型架构训练实验为什么使用transform的解码器？BERT和GPT都是基于Transformer架构的预训练语言模型，但在一些关键方面有所不同：5.GPT-2论文解读（2019-02）摘要引言实现实验6.GPT-3论文解读（2020-05暴力出奇迹）摘要引言模型数据集生成局限性负面影响7.InstructGPT和ChatGPT摘要MotivationImplementation损失函数模型评
