如何将 ASP.NET Core 项目部署到 Linux
# 概述 > 本文记录了如何为 Linux 服务器搭建 .Net Core 环境，并将 ASP.NET Core 网站项目部署到服务器上，并使用 Nginx 作为反向代理服务器，借助 Supervisor 实现项目的进程管理。 》中曾提到 Ubuntu 启动引导的删除，其中先后通过 EasyUEFI 与 diskpart 工具删除了 Ubuntu 的启动引导条目以及 Ubuntu 的 EFI 分区，但是仍有
如何科学卸载 Ubuntu？
概述 本篇记录 Win10+Ubuntu 双系统下卸载 Ubuntu 的全步骤。由于磁盘空间告急，而且 Ubuntu 在近期内并没有使用需求，考虑到之前装的 Ubuntu 遇到的显卡驱动问题始终得不到解决，因此决定暂时将 Ubuntu 卸载以空出磁盘空间给 Win10 使用，下次需要 Ubuntu
由C++虚析构函数风险性产生的思考
## 概述 > virtual 关键字作为 C++ 多态特性的表现载体，在多态 base class 的析构当中对内存泄漏的避免具有相当重要的意义，但是与此同时却也存在一些难以窥探到的风险性，如果在开发过程中对 virtual 的使用稍有疏忽就很有可能走上弯路，甚至造成一些不必要的麻烦。这些麻烦轻则
学习笔记
未读
深度学习（五）激活函数的选择 & 浅层神经网络的梯度下降
# 概述 > 本篇中你将了解几种常见的激活函数，并看到在浅层神经网络中向后传播及梯度下降是如何进行的。  ---------- # 5.0 上篇回顾 在上一篇中，你见到了一个单输出的浅层（双层）神经网络是如何进行向前传播的
学习笔记
未读
深度学习（四）浅层神经网络及其向量化
# 概述 > 本篇简要介绍浅层神经网络，并给出其向量化形式。  ---------- # 4.0 Logistic 回顾 在前三篇当中，我们见过了 Logistic 回归的相关内容，了解了向前传播、向后传播、梯度下降与向量
学习笔记
未读
深度学习（三）实战：动手实现猫图识别
# 概述 > 本篇详细记录了如何使用 Python 语言基于 Logistic 回归搭建一个简单的单层神经网络，并实现猫图的识别。 > 本篇中的单层神经网络在训练集与测试集上分别获得了 95.7% 与 74.0% 的正确率。 ![Title](/upload/DeepLearning-03-1.jp
学习笔记
未读
深度学习（二）向量化 Logistic 回归及其梯度输出
概述 本篇属于理论篇，你将了解什么是向量化、向量化对神经网络训练优化的重要性，以及如何向量化 Logistic 回归及其梯度输出。 2.0 向量化概述 在前面，你已经认识了 Logistic 回归，并且对梯度下降以及梯度下降是如何工作的有了一个具体的认知。如果你有认真阅读第一篇的话，相信你还记得在第
音乐天地