1.hashcode主要跟equal有关，当equal函数不改变，hashcode也就不发生改变 2.等价类的hashcode一定相同，而不等价类的hashcode可以相同也可以不同，相同的话查找起来会麻烦一些

Small Batch vs Large Batch 速度上或许我们会认为Large batch会更慢，但GPU的并行运算就导致当batch的数量不是特别多时，时间几乎与batch=1相同；总的时间large更占优势，比如6000

深度学习 Step1：神经网络（Neural network） Step2：模型评估（Goodness of function） Step3：选择最优函数（Pick best function） 完全连接前馈神经网络：任意两层之间的连接

误差 其实判断误差有两方面，一个是偏差Bias，另一个是方差variance，如图所示，很清晰的展现了他俩的概念，偏差是离靶心的距离，方差是离散程度。 当模型比较简单，此时所覆盖的面积小，数据对方差影响不大，但他覆盖不到靶点，所以偏

override 它其实是子类对父类的一种继承，即对父类方法进行重写，重写后的方法是子类独有的，重写过程中参数不可改变。 overload 重载是对某一名称函数的一种复用，此时的复用不具有子类父类关系，若子类中对父类的方法进行重载，那么子类

模型步骤 step1：模型假设，选择模型框架（线性模型） step2：模型评估，如何判断众多模型的好坏（损失函数） step3：模型优化，如何筛选最优的模型（梯度下降） step1：模型假设 一元线性模型：y=b+w*x

监督学习要认为标出什么是输入什么是输出，俗称labels 半监督->监督的弱化版，不需要标注那么多（真的标注不过来鸭哇哇哇） 迁移学习：有很多不相干的数据 无监督学习：？？？这是机器能做到的？ 监督学习中的结构化学习： 其实世界很大

最近听了一场华为鸿蒙理念分享会，颇有感触，记录下来与大家分享~~ 1.实用的是最好的 互联网浪潮中的我们，身边充斥着个中移动设备，手机，电脑，笔记本，但是高科技却不代表一定就更好。 比如我们想用微波炉去热个菜，那么我们用手机敲一敲连接

凌厉是一种强大，温柔亦是一种强大。

针对此次lab2,我仔细思考了整个架构中的spec，以下是我对次的梳理。 #hey client与spec敲定合约后，对spec有制约作用，spec分为creator,producer,observer和mutator,这里对应每