loss：训练集损失值accuracy:训练集准确率val_loss:测试集损失值val_accruacy:测试集准确率以下5种情况可供参考：train loss 不断下降，test loss不断下降，说明网络仍在学习;（最好的）train loss 不断下降，test loss趋于不变，说明网络过拟合;（max pool或者正则化）train loss 趋于不变，test loss不断下降，说明数据集100%有问题;（检查dataset）train loss 趋于不变.
021-07-23 09:43:04.902503: I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Li ...
注意调参看验证集。trainset loss通常能够一直降低，但validation set loss在经过一段降低期后会开始逐渐上升，此时模型开始在训练集上过拟合。着重关注valloss变化，val acc可能会突变，但loss衡量的整体目标。优先调参学习率。通过对模型预测结果，可以判断模型的学习程度，如果softmax输出在0或1边缘说明还不错，如果在0.5边缘说明模型有待提高。调参只是为了
## 压缩文件与解压缩的简介与示例
### 一、背景介绍
在计算机中，我们经常会遇到需要压缩和解压缩文件的情况。压缩文件可以减少文件的大小，方便传输和存储，而解压缩文件可以将压缩文件恢复成原始文件。最常见的压缩格式之一就是zip格式。在使用zip格式的压缩文件时，有时候我们可能会遇到“model_data/ep062-loss0.129-val_loss0.922.pth is a zip ar
类型推导：定义变量不再需要显示声明类型，由编译器自动推导出变量的类型 如 val a ="hello” val b = 5 val c = 10L
表达式函数: fun sum(x: Int, y: Int) = x + y // 省略了{}，Kotlin支持这种用单行表达式与等号的语法来定义函数，叫作表达式函数体，作为区分，普通的函数声明则可叫作代码块函数体。
# MySQL 值的比较和操作
MySQL 是一种广泛使用的开源关系数据库管理系统，它支持多种编程语言，如 PHP、Python、Java 等。在处理数据库数据时，我们经常需要对数据值进行比较和操作。本文将介绍一些常见的 MySQL 值比较和操作的方法，并通过代码示例进行说明。
## 1. 基本的值比较
在 MySQL 中，我们可以使用比较运算符来比较两个值。常见的比较运算符有：
- `=
https://api.jquery.com/val/ Description: Get the current value of the first element in the set of matched elements. version added: 1.0.val() This meth ...
