我的.NET书架 (入门篇)

ccBoy ccBoy 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 4.1k累计阅读 4.1k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄26年
关注
原创 最新推荐文章于 2026-02-26 12:40:57 发布 4.1k 阅读 AI 写同款· GEO 优化 ›
.NET 下的机器学习 入门篇 文章目录.NET 下的机器学习 入门篇什么是 ML.NETML.NET能做什么安装模型生成器先决条件限制安装Visual Studio MarketplaceVisual Studio 2019第一个“HelloWord”数据流程 .NET 下的机器学习 入门篇 什么是 ML.NET ML.NET 使你能够在联机或脱机场景中将机器学习添加到 .NET 应用程序中。 借助此功能，可以使用应用程序的可用数据进行自动预测。 机器学习应用程序利用数据中的模式来进行预测，而不需要进行显式编程。 ML.NET能做什么 阅读详情

 

我的.NET书架 (入门篇)

 

小气的神

2003-01-05

 

Article Type: OverView 

难度等级：1/9       

版本：1.02

 

好书永远是学习的良师益友，网友永远是进步的学习榜样，而网页就是一种对话一种分享。

下面的书都是针对刚刚入门的”.NET CLR Developer”，这些书适用在刚刚从Java、C/C++环境转移到.NET Framework的开发人员；或是刚刚熟悉VB.NET/C#语法需要更加系统的获得有关.NET 编程模型和技术点的编程人员。

说明：下面的提到的.NET都是指.NET Framework。另外所有书的排名不分先后。

 

1.    C#程序设计(中国电力出版社) Jesse Liberty著  

刘基诚译 ISBN7-5083-0859-X  ￥75.00

这本书并不是学习C#的绝佳教材，其实电力的另外两本书《.NET框架精髓》和《C#精髓》远比这本书出得更早更好，相比起来这本比其他两本更充实一些，三本书合起来看比较好一些，前两本当作提纲，C#程序设计多了更多的例子和说明。这本书基本上是写给Java、C/C++程序员入门和了解C#和.NET Framework的，没有哪一章写得特别好，看完了你并不能马上开始你的C#的编程应用。O’REILLY的编辑相当著名，所以这本书质量还算上乘，但对于那些买书看出版社的人来说，买了这本书不会太失落，但绝对不会感到超值。

完整的看完这本书也只能说你刚刚入门，比那些只懂C#语法的程序员只好那么一点。尽管如此那些特别喜欢C#的程序员还是应该拥有至少一本，书不是最好，学起来才有挑战性嘛

 

2.    .NET Framework 高级编程(清华大学出版社) Kenvin Hoffman & Jeff Gabriel 著

汪钟鸣 战晓苏译 ISBN7-302-0546-1/TP.3183  ￥68.00 (Wrox红皮书系列)

如果说未来评价一个.NET程序员的水平就是看他了解和使用.NET Framework的水平和程度，那么这本书是每个.NET程序员必看的一本书。书中没有太多的技巧类说明和运用，结构相当的清晰，看完这本书很快可以理清.NET Framework的分类和全貌。事实上这也是我知道国内最早一本描述.NET Remoting内容的书，另外书的12－14章讲了许多有关.NET 开发习惯以及迁移到.NET的建议和CheckList，可见作者们在应用开发都是非常有经验的，这些经验并非他们使用.NET的经验，而是发生在向.NET转移的过程中，书中的许多文字和建议可以拿来讲给你的客户听或者作为你投标方案的一部分。所以这不是一本编程语言的入门书，而是一本对你做.NET应用开发有帮助的启蒙书。

 

3.    精通.NET核心技术原理与架构、高级特性(电子工业出版社) 飞思科技产品研发中心著

ISBN7-5053-7768-X/TP.4501  ￥79.00 ISBN7-5053-7735-3/TP.4476  ￥79.00

看起来非常厚非常贵的两本书，拿到书上会很满足，很厚两本加起来近1800页。我认为这也是国人原创有关.NET技术书籍中质量最好两本书。虽然没有和.NET应用开发相关的内容，但是这两本书对于那些刚学会C#或VB.NET语法，对于.NET Framework只有大概轮廓希望更深一点了解.NET Framework的程序员来说，是一个很好的选择。1800页代表的是全面和例子丰富，你可以从中找到有关.NET Framework的几乎全部技术点的描述和小的例子。如果你不喜欢读.NET的英文技术文档，那么这本书可以是一个非常实用的替代品而且它是全中文的另外还送你两张光碟。(Sorry，我还没有看过那两张光碟中有什么J)

最后强烈向你推荐。

 

4.      ASP.NET 1.0高级编程(清华大学出版社) Richard Anderson & Brian Francis等著

王毅 杨浩等译 ISBN7-302-05569-6  ￥128.00 (Wrox红皮书系列)

书的封面有6个可爱的家伙，但他们拼凑出来的书值人民币128元吗？Richard Anderson的笑容就是答案之一，而且1.0的版本意味着它附带的源码在.NET V1.0上都测试通过了。这是任何过了编程语言关想入门ASP.NET一定要看得一本书，其理由是它很全，近1200页有太多关于ASP.NET的内容要看，另外书中的亮点不少：8-11章有关数据管理的非常精妙，特别是第10章关系数据源的更新，任何使用ADO.NET的老手看到也会谦虚的再看看学学。另外有关ASP.NET的配置、调试、跟踪、安全以及创建Server端Web控件等等都有讨论，对于任何想成为ASP.NET高手或已经是ASP.NET高手的家伙来说，这本书都是必备的案头书，不然下次被老鸟们训斥着查看这本书时还不知书的内容那就太菜鸟了。

 

5.      Visual Basic.NET 类设计手册(清华大学出版社) Andy Olsen&Damon Allison&James Speer著

袁勤勇 吴静译 ISBN7-302-06038-X  ￥43.00 (Wrox红皮书系列)

这本书很薄，300页却是所有VB.NET开发人员所梦寐以求的好书。尽管作者的开局讲的太平淡和没有悬念，细细看下来却是非常的精致有味。对于众多的VB程序员想要完美优雅的转移到VB.NET的过程中有两点是很重要的：一是面向对象观念的转移二是VB.NET和.NET Framework相关的特性是否运用得好。这本书兼容了这两方面，控制类、设计类和产生高效的类是每个VB程序员成为VB.NET开发人员极其期望获得的技能，另外100%的VB程序员对于VB.NET中与.NET Framework相关的特性只用了20%，也就是说有近80%的VB程序员是踉踉跄跄的转到VB.NET的。用这本书增加你的.NET功力吧。

我强烈向你推荐。

 

6.      COM 与.NET 组件服务(中国电力出版社) Juval Lowy著

常晓波 朱剑平译 ISBN7-5083-1055-1  ￥49.00

这是有关COM/COM+/.NET的一本不错的书，后面我会提到另外一本有关COM+/.NET的好书。所以我把这本列到基础类，这本书非常适合原来工作在Windows DNA和VB/COM+环境下的开发人员，Juval点了COM+的所有技术点和原理机制精要然后简单的说了现在.NET中你该怎么做，这些对于那些原来工作在VB/COM+的程序员来说是一个不小的帮助和指引，只是这本书有些鸡肋的是，对于那些原来工作在COM+环境中的程序员来说，Juval讲的COM+原理和机制似乎有些隔靴挠痒，蜻蜓点水；但对于以前从来没有在COM+环境中编程的程序员来说，Juval的讲解似乎有些雾里看花，看不全明白。当然书中也是有亮点的，比如对于COM+ 1.5的许多新特性，这本书中都有介绍。

 

7.      ASP.NET Web站点高级编程(清华大学出版社) Marco Bellinaso Kenvin Hoffman 著

康博译 ISBN7-302-05749-4 ￥55.00 (Wrox红皮书系列)

这本书还有一个副标题是：提出问题－设计方案－解决方案。这本书的特色在于它帮助那些原来已经有ASP开发经验或已经完成ASP.NET 1.0高级编程洗礼的程序员们更进一步实践ASP.NET而写的。另外那些还没有三层、多层以及分布式编程经验的开发人员可以通过这本书建立一些大致的概念。书中介绍了如何架构站点、如何维护、新闻管理、实现论坛、邮件列表、在线社团和民意调查等常用的基本应用的编程和实现。其中涉及到了如何使用ASP.NET的控件、模板、缓存性能和安全管理。特别是每个小的应用需求如何设计、转化和实现成表现层、逻辑层和数据层。另外第5章展示的一个基于角色(Role)的用户权限管理方案，也是现在我们一些设计基于等级(Level)的权限管理安案的系统分析员可以快速参照和改进的。

 

8.    GDI+程序设计(清华大学出版社) Eric White 著

杨浩 张哲峰译 ISBN7-302-06091-6 ￥58.00 (Wrox红皮书系列)

这是2003年1月才出街的一本书，目前看来非常的新。看到它使我放弃购买《C# Windows编程》这本书，一来它太厚太贵内容还有些老；二来我没有时间去用C#重新实践我之前知道的Windows编程；三来WinForm也不是我未来唯一的编程界面，可能未来更多的我们会关注到有关Internet相关的WebUI编程上。这本GDI+可以满足有关WinForm编程的大部分必须掌握的技巧，另外它介绍了一种技巧：让GDI+可以同时为你创建WinFrom和WebFrom以及它们的自定义控件变得简单。我也很高兴Eric没有喋喋不休的介绍WinForm中那些控件和特性，而是花了很多时间告诉你应该如何制作自己的控件，无论是WinForm还是WebForm的。另外第7章的裁剪技巧和刷新计算、第8章的变换、第9章的打印都是非常实用和精彩的。虽然很超值，我想那些喜欢准备学习用.NET GDI+来编写游戏应用的程序员买了这本书还是会有少许的失望和遗憾J

我强烈向你推荐。

 

9.      构建XML Web服务－基于Microsoft.NET平台(清华大学出版社) Scott Short著

戴荣 马方平 吴健等译 ISBN7-302-05986-1 ￥49.00 (Microsoft黑皮书系列)

Scott的角色是微软的MCS也就是微软咨询服务部门的高级顾问。所以拥有大量的项目经验，并且当他来写这个主题时也会有许多来自微软内部的消息，比如最后一章Web Services的未来，其中WS-*协议系列中的WS-Referral和Web Services orchestration在他写书时微软公司还未向外界正式的发布这些消息。Scott花了很多时间介绍SOAP和WSDL，然后也花了不少篇幅介绍ASP.NET ,VS.NET、.NET Framework中如何相互作用实现了Web Services的生成、使用、发布、部署、安全等等。Microsoft.NET平台下Web Services的编程模型和Web Services实现模型的双向映射是非Microsoft平台的开发人员无法享受到的。第11章的Web Services调试和第12章的伸缩性和可用性也是书中的亮点。

 

10.  构建Web解决方案-应用ASP.NET和ADO.NET(清华大学出版社) Dino Esposito著

梁超译 ISBN7-302-05918-7 ￥45.00 (Microsoft黑皮书系列)

Dino挂着Wintellect高级顾问和MSDN专栏作家的名衔写完了这本书。我是很早在MSDN的”Diving Into Data Access”专栏中陆续看到他的作品，当看到这本书时发现书中不仅把专栏中的主题重新整理而且更加全面系统。那些对于DataGrid控件着迷的开发人员一定会为止倾倒，即使菜鸟也会被他展现的漂亮Grid所吸引(原来DataGrid可以这么用J)。当然书中的介绍还是比较基础的，基本上限于如何骨灰级的运用DataGrid控件，如何组织数据和展现数据，基本上着力在表现层或表现层控制层与数据层的的处理和抽象，而MSDN网站上的专栏还有另外一个层次，那就是根据自己的需求定制和建立自己的DataGrid控件。总的来说这是一本充满技巧的书，当然掌握这些技巧前要求你对ASP.NET和ADO.NET都要有相当的基础，另外这是一本需要事先准备和学习的“秘笈”，永远不要等问题来了再看和掌握它。

最后我强烈向你推荐。

 

结论：

       还有许多书在我的物理书架上没有介绍，我的网站上会有更多一些，另外的一部分我会在下一篇文章-《进阶篇》中列出来。

 

       看得出，我没有列那些有关VB.NET，C#等语言语法的书，我认为当我们两年后再面对.NET时，语言语法已不是开发进程中的主要问题，我们的主要问题是了解编程语言和.NET Framework相关的特性、什么是.NET Framework、ASP.NET有那些特性、Web Services是什么这样的基本概念要熟悉、基本功要练好。当以后一提起Web Services你就知道什么是Web Services、WSDL是什么、SOAP头如何可以定制、怎样制作、使用、发布和部署Web Services。当提起.NET Framework、ASP.NET也是一样的。所以即使你看完和实践了这些书上的内容，它们只能增强你的.NET基本功，让你成为一名.NET Framework开发人员，对于你如何应用.NET开发你的企业应用或商业应用并没有直接显著的帮助。成为一名优秀的.NET开发人员特别是面向商业和企业级开发的开发人员，还需要有学习新的.NET架构并且把原来平台的开发经验行业经验快速转移到.NET平台上的技巧和能力。要掌握这些技巧你一定还需要花时间进阶。

 

       最后声明，上面的论述不是书评，不带任何商业广告成份。看不看由你，买不买还是由你。

 

特别：

本文原创，优快云署名首发，所有文字和图片版权所有。未经授权请勿传播、转载或改编。

如果有问题或建议，请发电子邮件给new2001@msn.com

WebSite：http://www.dotNETTools.org

 

 

收录于
OverView

当前文章被收录于：

OverView
23 篇文章 0 人学习
订阅专栏 查看详情
标签
#.net #asp.net #vb.net #datagrid #编程
#winform
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
C#学习之web网站制作入门篇（ASP.NET） 之前熟悉C#与.net, 以为.net就是C#，现在知道了.NET是C#的开发平台，C#即可用来开发客户端（WindowsFrom），也可以用来开发网站即ASP.NET; 阅读详情

相关推荐

Claude Code vs Codex

Claude Code 提供了一个生产就绪（production-ready）的实现，包含良好的错误处理、优雅的关闭逻辑、详细注释和文档，以及内置测试。Claude Code 输出了一个可运行的 Next.js + TypeScript 前端，但错过了一些设计里的黄色主题元素；Codex 则生成自己的版本，没有导出设计中的图片，也没严格遵照设计主题。Codex 完成同样功能，但更简洁直接，文档和注释少一些但功能达标。任务都用同样的提示，使用 TypeScript 实现，并在一天内完成。

weixin_49869937的博客 2388

GDI+书籍

http://www.codefans.net/soft/1846.shtml

wzg866的专栏 450

从零开始理解固定翼能量控制：Pixhawk TECS算法保姆级教程

本文深入解析了Pixhawk飞控中的TECS（总能量控制）算法，旨在解决固定翼无人机纵向控制中速度与高度耦合的经典难题。教程从物理概念出发，阐释了TECS通过管理总能量与分配能量形态来实现油门与升降舵解耦的核心思想，并提供了参数调试的实战指南，帮助开发者优化飞行性能。

white的博客 249

我的电子书架

Software Engineering--炼石升仙版 《The Agile Software Development(敏捷软件开发)》  Alistair Cockburn --"Agile"。《The Pragmatic Programmer(程序员修炼之道)》  Andrew Hunt,David Thomas  -- "Pragmaic"。《Extreme Programming Expl

yanwp的专栏 3119

【异常】OpenAI提示内容有误 Invalid prompt: your prompt was flagged as potentially violating our usage policy.

用户需优先调整提示内容，确保符合OpenAI的使用政策。若问题持续，建议结合请求ID和具体代码示例联系官方支持。同时，可参考腾讯云、Microsoft Q&A等平台提供的错误处理实践（如重试机制、日志记录）优化代码健壮性。

奶爸的编程之路，也就一周冷个三天 2078

30天Python入门（第一天：Python入门）

30天带你入门Python，这是第一天

Science prince的博客 583

我的技术博客以及我的电子书架

我的技术博客以及我的电子书架请见我的电子书架：http://www.fly8.us技术博客：http://fly.fly8.us  翔之光Thomas Sune

tomatofly的专栏 937

SAP Gateway 中事务码 /IWFND/MAINT_SERVICE 的用法介绍

本文系统梳理了SAP Gateway中/IWFND/MAINT_SERVICE事务码的核心功能与运维实践。作为OData服务管理中樞，它支持服务注册激活、ICF节点配置、系统别名绑定、批量处理等关键操作。文章详解了服务目录、ICF节点、系统别名的配置要点，提供了批量激活、缓存清理、性能监控等实用技巧，并针对常见陷阱(如传输配置、删除残留)给出解决方案。通过制造业批量激活、零售业OAuth集成等案例，展示了事务码在企业级应用中的实际价值，为SAP Gateway运维提供了一套完整的治理清单。

2007 年 ~ 2025 年，深耕 SAP 技术 18 年 307

我的.NET书架 (入门篇) (转)

我的.NET书架 (入门篇) (转)[@more@] ...

ciya3282的博客 130

开源的预测气象大模型与数据获取/可视化

「开源气象大模型与数据获取指南」摘要： 当前主流AI气象模型（如ECMWF的AIFS、DeepMind的GraphCast、华为Pangu等）主要基于ERA5/HRES数据训练。开源资源可通过ECMWF OpenData、GitHub仓库及Google Cloud获取，其中AIFS数据采用CCBY-4.0许可可商用，其他模型多有限制性许可。典型应用流程包括：1）通过Python包获取实时预报数据；2）加载预训练权重进行推理；3）使用xarray/cartopy或Zarr进行可视化。训练数据可从CDS下载ER

专注AI大模型,软件混淆,授权 795

YOLOv11的物理信息神经网络（PINN）：引入物理规律约束目标运动预测

本文介绍了YOLOv11目标检测与PINN物理信息神经网络的融合技术。YOLOv11采用增强特征提取和参数优化架构，在保持实时性的同时提升检测精度。PINN通过将物理方程嵌入损失函数，实现数据高效学习。两者的结合可显著提升运动预测准确性和遮挡处理鲁棒性。文章详细阐述了环境配置、YOLOv11模型验证方法，并提供了基础PINN框架代码实现，展示了物理约束如何通过自动微分整合到神经网络中。该融合技术适用于自动驾驶、无人机导航等需要物理规律建模的视觉感知场景。

本博客聚焦 YOLOv11 全流程落地，涵盖架构优化、数据集处理、训练技巧与多场景部署，兼及国产数据库、Java 开发与 AI 模型应用，内容兼顾理论与工程实践，为开发者提供系统干货，助力高效提升技术能力。 423

我的.NET书架 (进阶篇)

 我的.NET书架 (进阶篇) 小气的神2003-01-06 Article Type: OverView  难度等级：1/9        版本：1.20 对于已经熟悉和习惯.NET Framework开发环境的开发人员，还需要面临另外一个.NET的开发学习曲线和阶段，那就是活学活用.NET技术到自己原来的开发经验中，到新的新的应用开发中。典型的有

ccBoy的专栏 3708

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

我的书架

有人留意到我左边的阅读栏，发现我一直在阅读非技术书籍，于是来信询问我的书架都有哪些书籍。你是否也想好奇一下？ 故事/传记： 股票大作手回忆录 说谎者的扑克牌——华尔街的投资游戏 诚信的背后——摩根士丹利圈钱游戏黑幕 华尔街顶级证券分析师的忏悔 对冲基金风云录 门口的野蛮人：历史上最著名的公司争夺 当和尚遇到钻石 旁观者——管理大师德鲁克回忆录 ...

weixin_30652271的博客 139

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料，已经经过了本人的筛选和整理，希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助！

OV9734 DATASHEET，完整规格书

OV9734完整规格书，包括电气参数，尺寸规格，寄存器配置表等

终极指南：如何用Jellyfin书架插件打造个人数字图书馆

还在为散落在各处的电子书和有声读物管理而烦恼吗？Jellyfin书架插件就是你的完美解决方案！这款强大的插件能够将Jellyfin多媒体服务器转变为专业的数字图书馆，轻松管理你的电子书收藏和有声读物播放体验。 ## 解决电子书管理难题：三步快速部署 ### 准备工作与环境配置 首先确保你的系统已安装.NET Core SDK，这是运行Jellyfin书架插件的基础运行环境。准备好后，就可以开始

gitblog_00694的博客 897

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术，以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索，主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式，计算机控制系统的数学描述与基本分析方法，以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

【免费下载】 Jellyfin 插件 - 书架 (Bookshelf) 安装及使用指南

[Jellyfin](https://jellyfin.org/) 是一个免费且开源的家庭媒体服务器软件，它提供了流式传输音乐、电影、电视节目等多种多媒体内容的功能。Jellyfin 插件 - 书架 (Bookshelf) 是专为 Jellyfin 设计的一个扩展，用于整合电子书和有声读物收藏。该插件不仅支持显示电子书，还允许直接在 Jellyfin 平台上播放有声读物。兼容的电子书文件类型包括但...

gitblog_00680的博客 3190

Marco Cantu的书架

Marco Cantu的书架 大多数为Delphi书籍，附Marco Cantu简短书评。其中很多已发行中文版。 *  最新Delphi书籍：《Delphi for .NET 开发人员指南（第一版）》 作者：Xavier Pacheco     评价：目前唯一一本有关Delphi 8的书籍，可能也是非常好的一本书（我还没读呢）。 1．《Mastering Delphi 7》作者：M

lucentoff的专栏 3279

程序员的.NET时代(入门篇)

程序员的.NET时代李洪根 （本文首发于《优快云开发高手》2003年第12期）        技术总是在不断发展，微软.NET平台经历了三年时间的历程，已经被广大开发人员所接受。我们利用Visual Studio.NET，可以快速、高效地进行Windows Form和Web Form的应用开发。.NET是一个全新的概念，.NET代表了一个集合、一个环境、一个编程的基本结构，作

Chenlianjia的专栏 1089

在.Net中跑RocketMQ_入门篇（下）

上一篇讲了如何再控制台将RocketMQ跑起来，本篇讲解，在asp.net mvc种跑起来，含（发布、订阅）。 因篇幅过长，本次将不挨个贴源码，直接展示目录，根据上一篇文章，进行相应的调整即可。 1、新建一个类库，将MQ公共部分提出来（源码在入门篇1中有讲解和截图）：  如： 此时需要注意的有两点： (1)在RocketMQClientManager中，尽量将IRocket...

小舒 6407

如何用Jellyfin书架插件构建专业电子书管理平台

还在为海量电子书文件难以管理而烦恼吗？Jellyfin书架插件为你的媒体服务器带来了革命性的电子书和有声读物管理能力。这款功能强大的插件让Jellyfin不再局限于影音内容，完美支持EPUB、PDF、CBZ等主流电子书格式，以及MP3、M4B等有声读物播放，打造全方位的数字阅读体验。 ## 🎯 解决数字阅读管理的核心痛点 传统电子书管理方式往往面临诸多挑战：文件分散、格式兼容性差、元数据缺失

gitblog_00918的博客 955
上一篇： 应用WSDK － 实践Web Services的X.509证书签名(序)
下一篇： 我的.NET书架 (进阶篇)
点赞 0
评论 0
书签 书签 0
ccBoy
ccBoy
博客等级 码龄26年 6粉丝 96原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值