@lcj2class 大人，纯文本是有极限的啊。

举个例子，我的笔记： https://wiki.ipwx.me/Deep_Learning/Graph_Neural_Networks/Graph_Convolution_Network/

整理过的东西放 hexo： https://wiki.ipwx.me

乱七八糟的东西用印象笔记。

一直用的很快乐。

try anaconda

先学会 C 的类型声明，比如：

int a; // a 是 一个整型
int *a; // a 是 一个指向整型的指针
int *a[1024]; // a 是一个 1024 个指向整型的指针的数组
int (*f)(int,int); // f 是一个指向 int(int,int) 函数的指针
char* (*g)(char*); // g 是一个指向 char*(char*) 函数的指针

然后 typedef 你直接套进去，定义出来的变量和上面每一行一一等价。

typedef int A; A a;
typedef int* A; A a;
typedef int* A[1024]; A a;
typedef int (*F)(int, int); F f;
typedef char* (*G)(char*); G g;

最后，typedef struct { ... } YYY; 等价于：

struct XXX { ... }
typedef struct XXX YYY;

只不过就是省略了一个 struct XXX 的中间别名。

hexo 构建网站，一部分文章加密码。

@chizuo 老哥，我说的就是，训练一个 x，和训练 x2 - x1，在达不到最优解的情况下，其 training dynamics 不一样的。保守起见，应该降低自由度，用参数更少的那一种。

国内市场再大，也顶不住所有人都涌向同一个行业啊？想干这一行的多了，就从应聘变成了求职。

老哥，你是否愿意生孩子？是否愿意工地搬砖？是否愿意种地？是否愿意你的孩子工地搬砖种地？这些都否，为啥觉得劳动力不缺？

第二种自由度大了以后，x_1 和 x_2 也许会发生 covariance shift，导致训练一直在向没有意义的方向走。虽然 momemtum 方法以及后续的 adaxxx 方法都在这方面有长足改进，还有 batch norm 之类的抵抗 covariance shift。但是能去掉一点风险就是一点风险，不是么？

@chizuo 不不不，是不一样的。。。

1/(1+exp(-x_1)) 和 exp(-x_1)/(exp(-x_1) + exp(-x_2))

这俩的自由度能一样么？

@chizuo PyTorch 有特殊处理嘛？ softmax 和 sigmoid 的自由度还是不一样的。二分类的 softmax 自由度是 2，sigmoid 自由度是 1。这种场景下我觉得自由度少 1 更好。

看情况吧。不过很多一般省去类别检查，就当它是 str 或者 str-like。或者直接 url = str(url)。

@w292614191 嘛，其实买控件也有买控件的好处。开源要自己整合开源库，写一点润滑代码。哪怕现代框架让这种事情变得很简单，但也是工作量。然而话说回来，ReactJS 作为好几年的项目，还是 Facebook 主推的，这种衍生商业库肯定是有的。Vue 的话，可能比 ReactJS 晚，但是近几年发展也很迅速，所以过段时间肯定也有优质的商业库。

如果你们公司是这段时间才买的 miniui，那估计就是 49 年入国军了。

顺便提一句，如果是二分类，self.fc3 = nn.Linear(100, 1) 就行了，然后用 nn. BCEWithLogitsLoss

@w292614191 嘛，vue 的生态一般不是一个库一把梭，而是在 vue 的总体框架下，不同库协同使用。Vue 如是，ReactJS 如是。因为个整体框架，所以各个不同开发者出来的库可以很流畅放在一起。

当然如果你们熟悉 MiniUI，那也不着急换。另外其实 Vue 或者 ReactJS 都可能包装一个成熟的 jQuery UI 库（比如 vue-bootstrap ）。反正这要看你们团队得了。

self.fc3 = nn.Linear(100, 7)