在多变量回归或分类问题上，需要保证这些变量的取值范围具有同一尺度

原因一：确保大尺度变量不会左右分类器的分类结果。如果分类器利用结果变量的距离来计算损失函数，那么小尺度变量的变化会被忽略，大尺度变量会决定分类效果 原因二：帮助梯度下降算法收敛更快。参考机器学习--特征缩放/均值归一化，从损失函数等值线图可知，变量在同一尺度下能够更快的通过梯度下降算法收敛

常用的特征缩放方法包括标准化（或称为规范化）和区间缩放

主要内容如下：

1. 回归和分类的区别
2. 线性回归
3. 最小二乘法
4. 梯度下降法

进行图像处理经常需要使用图像数据集，常用的包括cifar-10/mnist等等

很多时候也需要自己进行图像的采集，如何有效的保存和管理这些图像，以及训练完成后得到的数据？参考DATA LOADING AND PROCESSING TUTORIAL进行图像数据集的制作

cifar-100数据集解析和cifar-10数据集解析类似，区别在于cifar-100共20个超类（superclass），100个子类，所以每张图像有两个标签：超类标签（coarse label）和子类标签（fine label）

cifar-10数据集保存10类，每类6000张图像。其中50000张训练图像和10000张测试图像

训练图像保存在5个文件中，每个文件有10000张图像，测试图像保存在一个文件，训练和测试图像都以随机顺序保存

官网：The CIFAR-10 dataset

cifar-10提供了使用不同语言生成的压缩包，包括python/matlab/c

更详细的配置参考：[PyCharm]Remote配置

当前使用笔记本进行开发，想要利用服务器加快编译和运行速度

jupyter notebook是一个基于客户端-服务器架构的web应用，但是默认仅能运行在本地，可以通过配置开放远程服务器端口

本文实现单用户远程访问功能，如果要实现多用户访问，参考JupyterHub

问题描述

将Jenkins架设在局域网服务器上，使用内网穿透技术映射Jenkins端口，打开页面，提示错误

It appears that your reverse proxy set up is broken

默认Jenkins已安装好github插件Github plugin

使用WebHook方式进行github的配置，过程如下：

1. 获取Jenkins WebHook URL
2. 配置github仓库WebHook
3. 新建jenkins工程并配置github仓库
4. 推送修改到github，触发jenkins工程

使用步骤如下：

1. 在Jenkins安装coding插件
2. 在Jenkins配置Credentials，设置ssh私钥
3. 新建工程，配置coding仓库地址以及coding触发器
4. 在coding仓库设置webhook
5. 推送修改到coding仓库，触发jenkins构建