使用smtplib、email发送邮件 smtplib库是python自带的库，专门用于发送邮件。使用smtplib，我们可以通过SMTP协议与邮件服务器进行通信，从而发送邮件。 email库也是python自带的库，提供了构造和解析电子邮件消息的API，我们可以用它来创建包含文本、HTML、附件等内容的复杂邮件消息，也可以解析来自文件、字符串或网络的邮件消息 smtplib的使用 导入smtpl

获取数据 requests库 requests库为第三方库，Python不内置，需要手动安装： 1pip install requests 或 1pip3 install requests GET请求 如果要向网页发送GET请求，使用requests库中的get方法： 123import requestshttp = requests.get('http://httpbin.org/ge

元素不可见 如图，想要控制selenium在该输入框内输入路径，但是点击该输入框在该文件管理器非全屏的情况下会触发点击的是个人空间箭头的情况： 也就是并没有找到真正的输入框，但是通过控制台选择元素的方式无法找到真正的输入框，那么很可能是因为输入框被隐藏了，只有在手动点击后才会显示出来。 点击输入框后： 如果Selenium直接选择该输入框，由于该输入框不可见，无法点击，也无法输入内容，因此

介绍 DenseNet，全称为Densely Connected Convolutional Networks，即密集连接卷积网络，是一种深度卷积神经网络模型。它由Gao Huang等人于2017年提出，旨在改善神经网络中的信息流动和梯度的传播。 原理 DenseNet的主要特点是其“密集连接”机制，即每一层的输入是前面所有层输出的并集，而其输出又被直接传递给后面所有层作为输入。这种连接方式使得网

未经过（批量）归一化的多层神经网络会出现什么问题 Internal Covariate Shift Internal Covariate Shift，简称ICS，中文名为内部协变量偏移。 我们先来看一组神经网络： 神经网络 其中，第一层为输入层，最后一层为输出层，其余为隐藏层： 神经网络 隐藏层1接收的是输入层的数据，隐藏层2接收的是隐藏层1的数据，隐藏层3接收的是隐藏层2的数据，输出

什么是Dropout Dropout方法，中文名称为丢弃法、暂退法。顾名思义，这个方法会选择丢弃一部分的神经元，从而达到减轻过拟合的目的。 Dropout一般用于全连接层部分。 Dropout为什么能缓解过拟合 Dropout是一种常用的深度学习正则化技术，可以有效缓解过拟合问题。其基本思想是在训练过程中随机地“丢弃”（即暂时移除）神经网络中的一部分单元（神经元），以减少模型对特定神经元的依赖，从

Softmax计算公式 给定一个向量\(\mathbf{z}\)，其元素为\(z_1,z_2,\cdots,z_n\)，Softmax函数定义为： \[ \mathrm{Softmax}(z_i) = \frac{e^{z_i}}{\sum_{j=1}^{n}e^{z_j}} \] 其中，\(e\)是自然常数，\(z_i\)是向量\(\mathbf{z}\)的第\(i\)个元素，求和是在所有元素上

在一个具有高维空间的损失函数中，如果一个维度上（对应一个参数\(w_i\)）的梯度为0，这个时候这个参数的值为\(w_i^0\)，那么在\(w_i^0\)的某个邻域内，要么是凸函数，要么是凹函数，（常函数既可以算凸函数也可以算凹函数，这里的凹凸性采用欧美定义），在一个维度上，凸函数对应着极小值，凹函数对应着极大值（注意，这里并不是严格凸函数与严格凹函数，也不是严格极大值与严格极小值），如果训练到了

ResNet ResNet（残差网络）是由来自Microsoft Research的4位学者（何凯明、张翔宇、任少卿、孙剑）提出的，获得了2015年ImageNet竞赛中分类任务第一名与目标检测第一名。 神经网络的退化 在我们原先的印象中，神经网络层数越多、神经元的个数越多，神经网络就能够拟合更加复杂的函数，能够学习更加复杂的内容，表达的效果也应该更好。 但在真正的实验数据中，当网络达到一定深度后