活泼冥王星

文章
9
资源
0
加入时间
2年10月24天

如何训练思维的深度和缜密度?

思维的深度跟实践的深度是相关的,看一件事儿、想一件事儿和做一件事儿构成的对一件事儿的思考深度显然是不同的。所以最好的训练是 learning by doing。- 思维的深度跟知识的深度有关。一个天才如果对某个领域缺乏基础了解,是不可能靠常识想太深的。所以深入的、疯狂学某个领域是非常必要的。这方面随便举个例子,篮球专栏作者 Bill Simmons,他是一个体育疯子,他不仅看过数以万计的比

uni-app DAY06复习:一、uni-app中的模板二、uni-app中的样式三、uni-app中的脚本四、uni-app应用中请求服务器端接口数据五、重点面试题:uni-app中的生命周期方法六、父子组件间传参七、小知识:如何获取一个月份的开始时间和结束时间

uni-app中的模板,uni-app中的样式,uni-app中的脚本,uni-app应用中请求服务器端接口数据,重点面试题:uni-app中的生命周期方法 ,父子组件间传参,小知识:如何获取一个月份的开始时间和结束时间

继承中的访问权限修饰符

一.修饰类的1.public 共有的2.deflaut 默认的  3.protected(受保护的) 4.public(公有的) 二、修饰类类的成员的访问权限修饰符                                    本类  本包  子类  任何地方private(私有的)             okdefault(默认的 包权限)  o

tf2.0 -- InvalidArgumentError: Incompatible shapes

今天遇到了一个很奇怪的问题,这种问题一般是由于已经保存的加载之后,与要使用的数据shape不一致导致的。tensorflow.python.framework.errors_impl.InvalidArgumentError: Incompatible shapes: [50000,10] vs. [50000,100]这是我的代码:# (x, y), (x_test, y_test) = datasets.cifar100.load_data()(x, y), (x_test, y_test)