给出两个整数 a 和 b , 求他们的和。

   Gogs 更新功能比 Gitea 少很多，虽然不一定用得到。 Gitea 更新快，一些 bug 解决的快一点(虽然我没发现什么 bug) 可能是因为我 Gogs 用的时间久了，出现了视觉疲劳？

   在 2020 年 3 月 2 号左右，可能是当时我脑子抽了的原因，就在博客名字上面加了 万恶的 BLOG 字眼。终于在 同月 4 号，本人收到了腾讯备案组的电话警告，要求我在七天之内进行整改。

   最近一直再刷纪录片，索性就把好看的纪录片记录下来。

   vim 是一款比较好用的编辑器，被称为编辑器之神。当然linux或者unix默认的vim编辑器比较丑，要经过一系列的美化，对于使用者的要求比较高，没有耐心者勿用。

   一直沿用至今的“M-P神经元模型”正是对这一结构进行了抽象，也称“阈值逻辑单元“，其中树突对应于输入部分，每个神经元收到n个其他神经元传递过来的输入信号，这些信号通过带权重的连接传递给细胞体，这些权重又称为连接权（connection weight）。细胞体分为两部分，前一部分计算总输入值（即输入信号的加权和，或者说累积电平），后一部分先计算总输入值与该神经元阈值的差值，然后通过激活函数（activation function）的处理，产生输出从轴突传送给其 ......

   卷积神经网络沿用了普通的神经元网络即多层感知器的结构，是一个前馈网络。以应用于图像领域的CNN为例，大体结构如图。

   深度网络随着层数不断加深,可能会引起梯度消失/梯度爆炸的问题: “梯度消失”：指的是即当梯度（小于1.0）在被反向传播到前面的层时，重复的相乘可能会使梯度变得无限小。 “梯度爆炸”：指的是即当梯度（大于1.0）在被反向传播到前面的层时，重复的相乘可能会使梯度变得非常大甚至无限大导致溢出。 随着网络深度的不断增加，常常会出现以下两个问题: 长时间训练但是网络收敛变得非常困难甚至不收敛 网络性能会逐渐趋于饱和，甚至还会开始下降，可以观察到下图中56层的误差 ......

   叶斯分类器是一种概率框架下的统计学习分类器，对分类任务而言，假设在相关概率都已知的情况下，贝叶斯分类器考虑如何基于这些概率为样本判定最优的类标。在开始介绍贝叶斯决策论之前，我们首先来回顾下概率论委员会常委--贝叶斯公式。

   计算机视觉中关于图像识别有四大类任务： 分类-Classification：解决“是什么？”的问题，即给定一张图片或一段视频判断里面包含什么类别的目标。 定位-Location：解决“在哪里？”的问题，即定位出这个目标的的位置。 检测-Detection：解决“是什么？在哪里？”的问题，即定位出这个目标的的位置并且知道目标物是什么。 分割-Segmentation：分为实例的分割（Instance-level）和场景分割（Scene-level），解决“每 ......

   机器学习数学基础，学习机器学习的必备知识。

   主要是为了列个机器学习相关的提纲,方便对已经学过的知识进行整理,相同的知识点,每次或者每个阶段都会有不同的想法,而我需要做的就是把自己的想法写下来.

   深度学习基础知识详解。

   solo 博客使用了大概有一年的时间，总体感觉上还不错，但是从在一些其他方面的问题，就是和黑客派 绑定的太死了，有时候会因为社区的原因导致博客的访问量不准确，以及同一ip访问次数过频繁的时候会导致博客访问不了。

   nginx 请求头过大导致502，nginx报错： 2020/04/26 21:57:45 [error] 3152#3152: *5 upstream sent too big header while reading response header from upstream, client: 1.80.1.176, server: www.zeekling.cn, request: "GET /articles/2020/04/13/158678875 ......