1. no_of_epochs 是 number of epochs ，一般把整个训练集循环一遍叫一个 epoch 。
2. “每次测试一张图片貌似都要训练一次样本集”，模型就是要靠比较每一次的测试结果和真实结果来训练的，所以不存在先训练再测试的说法。

这两个问题，倒其实不算是 deep learning 的内容。楼主可以看看 gradient descend/梯度下降法 以及修改版 SGD/随机梯度下降法、 minibatch GD/批量梯度下降。

不过讲道理，入门 deep learning ，不自己推导反向传播公式之类的倒是无所谓。但是啥理论也不想看，就想直接看懂代码做了什么。。那可能想多了

看了楼主原文，槽点太多

@kaifeii #4 这是我见过最浮夸的买相机的理由（

@RangerWolf ML 分类是你拿一大堆以前分好的数据，用算法弄出分类的规则。如果现有脚本已经能完美分类了， ML 的分类不见得能达到同样程度。

@YouXia 另外微积分、线代、概率论是入门的基础，但是想要更好地理解，还得更多的数学知识。

比如最简单的线性回归，一元的只要会求导就行，多元就得和线代结合起来；而想要更深入理解，比如从投影的角度去理解，或者要理解核方法引入的无限维空间，可能就需要泛函的知识了。

此外微积分线代概率论都是低下限高上限的课，一门课学到的知识可能远远不够，还得不断学习，共勉。比如 SVM 的对偶问题部分，说起来也只需要算梯度、严谨的逻辑以及计算。但是从头到尾的证明，没有扎实的基础是看不下去的。

另外就线代来说（也有一些机器学习的算法），推荐一个博客，线代启示录，从浅到深各种层次的知识都有，看问题的角度也很棒，我个人觉得受益匪浅。

@YouXia 我是说给已经忘得差不多的楼主听的。。我要跟他说全得满分怎么遭得住

@jziwenchen 随便搜个本科的微积分和线性代数期末考卷，要说捡起来，至少得做个及格吧

其实技术、功能什么的是其次，问题是你怎么干得过微信（

至少我们的课后作业，很多人都是用 mba 做的（

你不做 deep learning ，也基本用不到 GPU （

Settings - Apps - 右上角齿轮 - Special access - Battery optimization

没看 315 ，但是以前见到充电桩要求 Android 手机打开 USB 调试

两个小建议：

1.前两页是 firstPage 和 secondPage ，后面就变成了 3rdPage 和 4thPage ，不够统一

2.第三页 data spring 的小册子上，我感觉想写的应该是 turn a river of data... ？还有左边的 April 201 ，感觉也漏了最后一个数字

@geekzu #15 或许是所有客户的访问量综合(

你的第一个图应该就能解释是怎么优化的，第二个图挂了不知道是啥。

证明反而麻烦，我就拿个例子来解释好了。方便说明，我把 i 的范围改成 1 ~ 4 （看懂了就知道 10^12 同理）。

约数有： 1 ： 1 ， 2 ： 1 ， 2 ， 3 ： 1 ， 3 ， 4 ： 1 ， 2 ， 4

式子的第一项，求和方法是 (1) + (1 + 2) + (1 + 3) + (1 + 2 + 4) = 15

而优化的方法，也就是第二项 /第三项，求和方法是 (1 * 4) + (2 * 2) + (3 * 1) + (4 * 1) = 15 。乘法中左边是 1 ~ 4 ，右边是 [4 / i]。

归根结底，是改变了求和的顺序。实际上，所有 d 的倍数，在求和的时候都会被加一次（作为 1d 、 2d ……[10^12 / d]d 的约数），一共就是 [10^12 / d] 次。优化的方法好处就是，不必花时间去找约数，而求约数是相当费力的一件事。

曾经遇到过火绒阻止了安装导致更新失败的，也是发生在更新 insider 版本的时候，楼主考虑下自己的杀毒软件？

看到这么多说摄像头的有点无语。。讲到自己的隐私都一套一套的，装个摄像头侵犯别人的隐私就不管不顾了？就算你自己知道是红外、热感什么的，不清晰，没到偷窥的程度，别人怎么相信？

个人认为门上装个类似防盗的感应器比较合理

试试看加 011 86 ？我之前给移动打，+086 打不通，加了 011 86 倒是打通了

@RE 客户公司里难道一台正经一点的机器都没有吗？我自己 16g 内存的笔记本，处理过 5000*5000 级别的，也处理过 200w * 100 这样的，内存要求并不高的样子。我觉得是不是因为，如果 1G 的员工电脑装的 Windows ，去掉操作系统和别的程序。。其实可能几乎都不剩什么内存了？

如果你有空在 vps 上试试 Python 的话，参考这个链接试试看（我倒是觉得你后来提到的合并单元格会麻烦一点，我没碰到过这个情况）：
http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.dropna.html