在进行flask安装后，运行程序的过程中出现了“ModuleNotFoundError:Nomodulenamed‘flask._compat’”的错误，在查询了多个网站后给出了不同的答案其报错原因是flask版本过高导致无法识别该语法。解决方法1：降低flask版本，1.1.2即可pip3installflask==1.1.2而该方法可能存在的问题是，会导致其他代码因为flask版本过低同样无法运行。可能会报诸如：ImportError:cannotimportname‘json‘from‘itsdangerous‘的错误这一般是flask版本过低导致的，因此需要重新安装高版本flaskpi

在进行flask安装后，运行程序的过程中出现了“ModuleNotFoundError:Nomodulenamed‘flask._compat’”的错误，在查询了多个网站后给出了不同的答案其报错原因是flask版本过高导致无法识别该语法。解决方法1：降低flask版本，1.1.2即可pip3installflask==1.1.2而该方法可能存在的问题是，会导致其他代码因为flask版本过低同样无法运行。可能会报诸如：ImportError:cannotimportname‘json‘from‘itsdangerous‘的错误这一般是flask版本过低导致的，因此需要重新安装高版本flaskpi

传送门： https://www.cnblogs.com/greentomlee/p/12314064.htmlgithub: https://github.com/Leezhen2014/python_deep_learning 在第二篇中介绍了用数值微分的形式计算神经网络的梯度，数值微分的形式比较简单也容易实现，但是计算上比较耗时。本章会介绍一种能够较为高效的计算出梯度的方法：基于图的误差反向传播。根据deeplearningfromscratch这本书的介绍，在误差反向传播方法的实现上有两种方法：一种是基于数学式的（第二篇就是利用的这种方法），一种是基于计算图的。这两种方法的本质是一样的

传送门： https://www.cnblogs.com/greentomlee/p/12314064.htmlgithub: https://github.com/Leezhen2014/python_deep_learning 在第二篇中介绍了用数值微分的形式计算神经网络的梯度，数值微分的形式比较简单也容易实现，但是计算上比较耗时。本章会介绍一种能够较为高效的计算出梯度的方法：基于图的误差反向传播。根据deeplearningfromscratch这本书的介绍，在误差反向传播方法的实现上有两种方法：一种是基于数学式的（第二篇就是利用的这种方法），一种是基于计算图的。这两种方法的本质是一样的