回答：我们为什么要学习源码？1、知其然知其所以然2、站在巨人的肩膀上，提高自己的编码水平3、应付面试1.1Spring源码阅读小技巧1、类层次藏得太深，不要一个类一个类的去看，遇到方法该进就大胆的进2、更不要一行一行的去看，看核心点，有些方法并不重要，不要跟它纠缠3、看不懂的先不看，根据语义和返回值能知道这个方法达到了啥目的即可4、只看核心接口（下面标注了重点的地方）和核心代码，有些地方也许你使用spring以来都没触发过5、debug跟步走，源码中给大家标注好了，见到”===>“就进去 进去之前，下一行打个断点，方便快速回到岔路口 进去之前，可以先点方法看源码，再debug跟进6、广
回答：我们为什么要学习源码？1、知其然知其所以然2、站在巨人的肩膀上，提高自己的编码水平3、应付面试1.1Spring源码阅读小技巧1、类层次藏得太深，不要一个类一个类的去看，遇到方法该进就大胆的进2、更不要一行一行的去看，看核心点，有些方法并不重要，不要跟它纠缠3、看不懂的先不看，根据语义和返回值能知道这个方法达到了啥目的即可4、只看核心接口（下面标注了重点的地方）和核心代码，有些地方也许你使用spring以来都没触发过5、debug跟步走，源码中给大家标注好了，见到”===>“就进去 进去之前，下一行打个断点，方便快速回到岔路口 进去之前，可以先点方法看源码，再debug跟进6、广
AOP（AspectOrientProgramming）：直译过来就是面向切面编程。AOP是一种编程思想用途：Transactions（事务调用方法前开启事务，调用方法后提交关闭事务）、日志、性能（监控方法运行时间）、权限控制等也就是对业务方法做了增强1.1SpringAOP环境介绍目标：认识AOP基础环境，后面讲使用这个基础环境进行源码讲解tips：沿用ioC的工厂1）引入起步依赖compile(project(':spring-aop'))compile(project(':spring-context'))compile'org.aspectj:aspectjweaver:1.9.2'2
AOP（AspectOrientProgramming）：直译过来就是面向切面编程。AOP是一种编程思想用途：Transactions（事务调用方法前开启事务，调用方法后提交关闭事务）、日志、性能（监控方法运行时间）、权限控制等也就是对业务方法做了增强1.1SpringAOP环境介绍目标：认识AOP基础环境，后面讲使用这个基础环境进行源码讲解tips：沿用ioC的工厂1）引入起步依赖compile(project(':spring-aop'))compile(project(':spring-context'))compile'org.aspectj:aspectjweaver:1.9.2'2
1.1gradle搭建源码调试环境1）搭建gradle环境4个步骤1、File-New-Module选择java和web2、填写包信息3、存储路径2）增加起步依赖依赖的项目，直接复制粘贴上去1、对spring的依赖2、对MVC的依赖3、对Tomcat插件的依赖build.gradlegroup'com.spring.test'version'5.0.2.RELEASE'applyplugin:'java'applyplugin:'war'applyplugin:'com.bmuschko.tomcat'//tomcat:插件//tomcat:以下配置会在第一次启动时下载插件二进制文件//在项目
1.1gradle搭建源码调试环境1）搭建gradle环境4个步骤1、File-New-Module选择java和web2、填写包信息3、存储路径2）增加起步依赖依赖的项目，直接复制粘贴上去1、对spring的依赖2、对MVC的依赖3、对Tomcat插件的依赖build.gradlegroup'com.spring.test'version'5.0.2.RELEASE'applyplugin:'java'applyplugin:'war'applyplugin:'com.bmuschko.tomcat'//tomcat:插件//tomcat:以下配置会在第一次启动时下载插件二进制文件//在项目
逻辑回归很简单但是一直不明确 来源B站的视频老弓箭 【模型】 对每个特征加一个权重然后放入sigmoid函数中，得到0-1的值表示概率【公式】 【损失函数】交叉熵损失 确定损失函数的步骤其实就是极大似然估计步骤.（这里可以看统计学习方法6.1.3模型参数估计，即先写出似然函数）（此处突然忘了似然函数是什么了） 1.（这里不太懂为什么写成P（y|y^）的形式 2. 3 【优化目标】这里-1\m应该有个中括号 （这里有个问题损失函数到底是求最大还是最小？）更新不应该是w=w-a吗这里怎么成了加了查看吴恩达视频2.3提到之所以不用损失误差当作损失函数是因为会产
逻辑回归很简单但是一直不明确 来源B站的视频老弓箭 【模型】 对每个特征加一个权重然后放入sigmoid函数中，得到0-1的值表示概率【公式】 【损失函数】交叉熵损失 确定损失函数的步骤其实就是极大似然估计步骤.（这里可以看统计学习方法6.1.3模型参数估计，即先写出似然函数）（此处突然忘了似然函数是什么了） 1.（这里不太懂为什么写成P（y|y^）的形式 2. 3 【优化目标】这里-1\m应该有个中括号 （这里有个问题损失函数到底是求最大还是最小？）更新不应该是w=w-a吗这里怎么成了加了查看吴恩达视频2.3提到之所以不用损失误差当作损失函数是因为会产
