如果Flask代码结构组织如下： flaskProject:. │ config.py │ my.sqlite │ README.md │ ├─.idea │ │ .gitignore │ │ XXX.xml # pycharm/idea的控制文件 │ ├─app │ │ routes.py # 路由视图函数 │ │ __init__.py │ │ │ └─__pycache__ │ routes.cpython-37.pyc │ __init__.cpython-37.pyc │ ├─static ├─templ…

   Transfer Learning对于没有大量计算资源，并且需要快速构造现有模型的人而言是极大的福音。我们可以将已经学到的模型参数（也可理解为模型学到的知识）通过某种方式来分享给新模型（对于结构或许有微调）从而加快并优化模型的学习效率不用像大多数网络那样从零开始学习。  而Fine-tuning则属于Transfer Learning下的一个小小的分支。和字面意思一样，就是微调，但是什么才算微调呢？调整输入的结构？调整输出的结构？这并没有确切的概念，但主流观点还是认为调整并重新训练末尾几层的参数属于Fine-…

一点碎碎念   最近这几天，在搞华为的软件精英挑战赛，虽然比赛打的不咋地，但是好在能把以前的数据结构，图论相关知识复习一下（心态还是要摆正的）。不过话说回来，参加华为软件精英挑战赛，一定要熟悉C++，其他的Python，Java，C都是弟弟，不然时间上吃大亏。今年的初赛考察的是有向图寻找闭环的知识点，既然考察了有向图，那就顺带把无向图也一块温习一遍。 图的基本分类与储存   图的分类依据有很多种，比较重要的两种分类依据就是分为有向图和无向图，稀疏图和稠密图。如何正确的分类会直接影响之后算法的选择，其中有向图和无向图…