Lei_official

Flow不是什么新东西，它是响应式函数编程（Reactive Functional Programming, RFP）在Kotlin语境下的一种实现。相比于RxJava，Flow根植于Kotlin技术

所谓深度学习，是建立在神经网络的基础上，通过大量叠加层，构建出具有深度的网络。而大模型在某种意义上也是类似的思路，通过组建出具有大量参数、深度的模型，提高模型的表达能力。 一个典型的CNN网络——VG

卷积神经网络（Convolutional Neural Network, CNN）是一种利用物体边缘的图像识别技术，被广泛应用于图像识别领域，在图像识别比赛中几乎全部的深度学习方法都基于CNN来实现。

通过阅读本文，你可以了解到： 一个极简的深度学习框架，应该包含哪些模块 如何实现可以灵活配置的数据源、模型、优化算法 怎样把训练好的模型集成入Android项目，并且实现Python与Android互

最近同时搭建Android和Python的开发环境，在公司还好，可以直接访问原始maven仓库，但是在家里就不一样了，gradle动不动build一个小时，pip下载安装甚至还会失败。 周末研究了下，

对稳定性的理解 应用稳定性是最重要的性能指标之一，是APP质量构建体系中的基本盘，如果应用的稳定性出现问题，对产品、用户造成的伤害将是致命的。本文将从以下几个方面对应用稳定性优化进行整理。 需要说明，

本章节对深度学习中几个关键性问题做成指导 寻找最优参数：有助于提升寻找最优参数的速度 权重初始值：直接影响到学习速度乃至学习是否成功 Batch Normalization：通过对激活值进行正规化，提

将抽象的算式可视化——计算图 计算图（computational graph）是一种将算式表示为有向无环图的技术，通过计算图可以帮助我们理解误差反向传播法的原理。 计算图本身并不复杂，甚至连小学生都可

本章主题是神经网络如何自主地从数据中学习，从而得到最优权重和偏置参数值。由此引入了损失函数的概念，用来量化当前的权重参数的不合适度，学习的目标就是找到让损失函数最小的那一组参数值，使用的方法是梯度法。