🍨本文为🔗365天深度学习训练营 中的学习记录博客🍦参考文章地址： 🔗深度学习100例-卷积神经网络实现mnist手写数字识别🍖作者：K同学啊本实验很适合小白入手。实验目的：初次尝试使用 tensorflow，构建卷积神经网络，通过训练集训练模型，在测试集上进行测试。注：tensorflow毕竟是个比较大的库，里面有很多对象、属性、方法等，我的考虑是需要用到什么再去学习怎么实现即可，这些库毕竟只是一个工具，重要的还是它本身的实现流程以及我们的思考。实验介绍：手写数字识别，从名字上来看它就是一个分类任务，我们需要处理大量的数据，使机器/模型能够更加准确地识别出：这张图片里的数字是n的可能性更大。
文章目录项目简介项目下载地址项目开发软件环境项目开发硬件环境前言一、数据加载的作用二、Pytorch进行数据加载所需工具2.1Dataset2.2Dataloader2.3Torchvision2.4Torchtext2.5加载项目需要使用的库三、加载MINIST数据集3.1数据集简介3.2数据预处理3.3加载数据集四、模型构建五、CrossEntropyLoss5.1Softmax5.2Log5.3NLLLoss六、优化器七、模型训练八、加载模型九、模型测试十、自定义手写数字识别测试十一、项目结构图十二、全部代码总结项目简介 本项目名为：基于CNN的MINIST手写数字识别项目。本项目完整
文章目录项目简介项目下载地址项目开发软件环境项目开发硬件环境前言一、数据加载的作用二、Pytorch进行数据加载所需工具2.1Dataset2.2Dataloader2.3Torchvision2.4Torchtext2.5加载项目需要使用的库三、加载MINIST数据集3.1数据集简介3.2数据预处理3.3加载数据集四、模型构建五、CrossEntropyLoss5.1Softmax5.2Log5.3NLLLoss六、优化器七、模型训练八、加载模型九、模型测试十、自定义手写数字识别测试十一、项目结构图十二、全部代码总结项目简介 本项目名为：基于CNN的MINIST手写数字识别项目。本项目完整
使用方法安装Mavencom.github.yulichangmybatis-plus-join1.2.4Gradleimplementation'com.github.yulichang:mybatis-plus-join:1.2.4'或者clone代码到本地执行mvninstall,再引入以上依赖注意:mybatisplusversion>=3.4.0推荐一个开源免费的SpringBoot最全教程：https://github.com/javastacks/spring-boot-best-practice使用mapper继承MPJBaseMapper(必选)service继承MPJBas
使用方法安装Mavencom.github.yulichangmybatis-plus-join1.2.4Gradleimplementation'com.github.yulichang:mybatis-plus-join:1.2.4'或者clone代码到本地执行mvninstall,再引入以上依赖注意:mybatisplusversion>=3.4.0推荐一个开源免费的SpringBoot最全教程：https://github.com/javastacks/spring-boot-best-practice使用mapper继承MPJBaseMapper(必选)service继承MPJBas
使用方法安装Mavencom.github.yulichangmybatis-plus-join1.2.4Gradleimplementation'com.github.yulichang:mybatis-plus-join:1.2.4'或者clone代码到本地执行mvninstall,再引入以上依赖注意:mybatisplusversion>=3.4.0推荐一个开源免费的SpringBoot最全教程：https://github.com/javastacks/spring-boot-best-practice使用mapper继承MPJBaseMapper(必选)service继承MPJBas
使用方法安装Mavencom.github.yulichangmybatis-plus-join1.2.4Gradleimplementation'com.github.yulichang:mybatis-plus-join:1.2.4'或者clone代码到本地执行mvninstall,再引入以上依赖注意:mybatisplusversion>=3.4.0推荐一个开源免费的SpringBoot最全教程：https://github.com/javastacks/spring-boot-best-practice使用mapper继承MPJBaseMapper(必选)service继承MPJBas
LRU是LeastRecentlyUsed的缩写，即最近最少使用。作为一种经典的缓存策略，它的基本思想是长期不被使用的数据，在未来被用到的几率也不大，所以当新的数据进来时我们可以优先把这些数据替换掉。一、基本要求固定大小：限制内存使用。快速访问：缓存插入和查找操作应该很快，最好是O(1)时间。在达到内存限制的情况下替换条目：缓存应该具有有效的算法来在内存已满时驱逐条目。二、数据结构下面提供两种实现方式，并完成相关代码。2.1Map在Javascript中，Map的key是有序的，当迭代的时候，他们以插入的顺序返回键值。结合这个特性，我们也通过Map实现LRU算法。2.2DoublyLinked
LRU是LeastRecentlyUsed的缩写，即最近最少使用。作为一种经典的缓存策略，它的基本思想是长期不被使用的数据，在未来被用到的几率也不大，所以当新的数据进来时我们可以优先把这些数据替换掉。一、基本要求固定大小：限制内存使用。快速访问：缓存插入和查找操作应该很快，最好是O(1)时间。在达到内存限制的情况下替换条目：缓存应该具有有效的算法来在内存已满时驱逐条目。二、数据结构下面提供两种实现方式，并完成相关代码。2.1Map在Javascript中，Map的key是有序的，当迭代的时候，他们以插入的顺序返回键值。结合这个特性，我们也通过Map实现LRU算法。2.2DoublyLinked
这里给大家分享我在网上总结出来的一些知识，希望对大家有所帮助前言asyncawait语法是ES7出现的，是基于ES6的promise和generator实现的generator函数在之前我专门讲个generator的使用与原理实现，大家没了解过的可以先看那个手写generator核心原理，再也不怕面试官问我generator原理这里就不再赘述generator，专门的文章讲专门的内容。await在等待什么我们先看看下面这代码,这是asyncawait的最简单使用，await后面返回的是一个Promise对象：asyncfunctiongetResult(){awaitnewPromise((r
