参考文章：【2023年4月】注册美国区Apple ID保姆级教程 - 知乎 (zhihu.com) 背景 今天Chat突然上不了，代理换了几个都没用，之后就去OpenAI官网看看怎么回事，结果就发现ChatGPT居然发布IOS客户端了，而且就是几个小时前发布的，仅限美区apple id，宝岛的id都不行，所以才注册美区账号 我去，写这个文章又遇坑，从PicGo上传文件后复制的链接，前面要从https改为http，不然本地的typora上面显示不出来图片 准备 一个手机号，国内即可 一个邮箱号，未拿来注册过AppleID的就行 一个美国地址，用下面的地址生成器生成就行 开始 打开美国id注册界面：创建你的 Apple ID - Apple (中国) 注意 国家填美国 年龄大于18岁 验证方式选择短信 注册完成后登录美区ID，之后会弹出需要检查的弹窗 点击同意条款与条件 填写付款方式+账单地址 注意 付款方式那一栏不要选 账单地址用美国地址生成器生成：美国地址生成器 - 美国身份生成器 - 美国信用卡生成器 (meiguodizhi.com) 美国地 ...

购买域名 腾讯云购买域名wannanap.cloud 还可以去阿里云，选择腾讯云是因为域名要实名认证，之前腾讯云已经实名认证过了，不想麻烦 GitHub Pages配置域名 去GitHub上的博客仓库那里设置Pages的Custom domain 保存之后会在仓库根目录自动生成一个CNAME文件，将此文件下载下来放到本地博客的source目录下，不要txt后缀 不要放在根目录下，也不要放public目录下，因为hexo cl会删调public里面的东西，再重新生成 设置域名解析 github.io的服务器ip 1234185.199.108.153185.199.109.153185.199.110.153185.199.111.153 去腾讯云（域名提供商）上添加DNS解析，让域名通过A记录解析到github.io的服务器ip 腾讯云只能添加两条，还是阿里云好点） 开启Enforce HTTPS githubpages上开启，这样就可以通过https访问了

神经网络 结构：input -> 神经元激活函数 -> output 层数：隐藏层、输出层，不包括输入层 激活函数： sigmoid=1/(1+e^(-x)) （适用于二元分类） ReLU=max(0, y) leaky ReLU=max(0.01y, y) tanh 损失函数Loss（w, b）：要找到损失函数的最小值 优化函数 梯度下降：用来找到损失函数最小时的w和b 参数=参数-学习率*loss对参数的导数 逻辑回归loss： 计算图 计算loss：前向传播 计算梯度：反向传播 向量化减少for循环，提高代码效率 12345import numpy as npnp.dot(w,b) # wbu=np.exp(a) # e^anp.zeros((n,1)) # n行1列向量np.dot(w.T,X)+b # w^T*X+b Py中的广播12cal=A.sum(axis=0) # axis=0垂直求和，axis=1水平求和per=100*A/cal.reshape(1,4) # (3,4)/ ...

机器学习监督学习回归线性回归、多项式回归 分类例如：肿瘤预测 无监督学习聚类例如：相似新闻、根据dna阵列进行分类、用户分类 异常检测例如：欺诈检测 降维对大数据集进行降维 线性回归f(x)=wx+b 逻辑回归0或1 sigmoid函数： $$g(z)=\frac{1}{1 + e^{-z}}$$ loss： 决策边界 Softmax回归 用于多分类 loss： 多标签分类优化算法（优化loss到最小值）梯度下降全局统一的学习率 Adam（自适应距离估计）每个参数一个学习率 自动调节学习率 迁移学习用一个已经训练好的网络，保留所有参数，更换输出层，以下两种方式训练微调： option1、重新训练最后一层的参数 option2、重新训练所有参数 优点：不用监督进行预训练 部署模型部署模型到推理服务器上，之后通过api调用的方式使用模型 误差指标（处理类别不平衡和稀有类别）精确率=该类别预测正确数/预测该类别数 召回率=该类别预测正确数/实际该类别数 权衡手动设置阈值自动设置阈值F1 score 调和平均数 决策树样 ...