记事本

深度学习的基础是神经⽹络，神经⽹络本质上是⼀种⽆须事先确定输⼊输出之间映射关系的数学⽅程。
深度学习的核⼼是神经⽹络，它可以被看作是由许多个简单的神经元组成的⽹络。

机器学习在理论上可以看作是统计学在计算机科学上的⼀个应⽤。在统计学上，⼀个⾮常重要的内容就是拟合和预测，即基于以往的数据，建⽴光滑的曲线模型实现数据结果与数据变量的对应关系。（有线性回归的味道）

BP神经⽹络（反向传播神经⽹络）是⼀种按误差反向传播（简称误差反传）训练的多层前馈⽹络，它的基本思想是梯度下降法，利⽤梯度搜索技术，以期使⽹络的实际输出值和期望输出值的误差均⽅差最⼩。

机器学习包含了神经网络这种技术，而深度学习则是神经网络的一种特殊形式或进阶版，它使用了深层神经网络来进行学习和预测。

通用人工智能”( ArtificialGeneral Intelligence, AGI)

Lakehouse可以翻译为湖仓一体。这个翻译准确地传达了Lakehouse的核心概念，即将数据湖（Lake）与数据仓库（data warehouse）的优势结合在一起，形成一个统一的数据处理环境。

Lakehouse架构旨在解决数据湖和数据仓库各自的局限性。数据湖以其灵活性和对多种数据格式的广泛支持而著称，但缺乏数据治理和查询优化能力。而数据仓库则提供了强大的数据管理和分析能力，但其扩展性和灵活性较差，尤其在处理非结构化数据时表现不佳。Lakehouse通过结合这两者的优势，为用户提供了一个既灵活又强大的数据处理平台。

因此，将Lakehouse翻译为“湖仓一体”是恰当的，这个翻译既符合Lakehouse的英文原意，又准确地表达了其作为数据湖和数据仓库结合体的特点。

AAA可以通过多种协议实现认证、授权和计费。

AA 审计和访问控制。

使用Excel中的CLEAN函数清除非打印字符，如：空回车符。

删除空格，全选后，用替换的方法即可。还有搜索 ctrl+ J ，然后清除。

使用diskpart命令取消/增加分配盘符，步骤如下：
打开命令提示符并以管理员身份运行。
输入“diskpart”并按回车键。
输入“select disk x“
输入“list volume”查看分区列表，找到要取消分配盘符的分区。
输入“select volume x”（x为分区号）选择分区。
输入“remove letter=x”（x为要取消的盘符）取消分配盘符。
如果需要指定盘符：assign letter=E

在“大纲”视图中，按“Ctrl+A”选择整个文档。之后选择升级或降级，就可以了。

格栅，沉砂池，初次沉淀池（一沉池），曝气池，《AAO厌氧缺氧好氧》，二沉池。

其他还有AB法和AE法

通常人眼能分辨的两点间的最小距离是0.1mm，若图上两点间的距离小于0.1mm时就无法再分辨。因此，把地形图上0.1mm所能代表的实地水平距离称为比例尺精度。 用公式表示为：ε =0.1 m，m为比例尺的分母。
1:500，的比例尺精度是：0.1x500=50mm=5cm=0.05m
1:1000，的比例尺精度是：0.1x100=100mm=10cm=0.1m
1:2000，的比例尺精度是：0.1x2000=200mm=20cm=0.2m

Fix Drupal 'Clean URLs' problems
a2enmod rewrite //增加rewritemodule 

//增加以下到httpd.conf 或 vhosts.d 对应的conf配置文件中

RewriteEngine on
RewriteBase /
RewriteCond %{REQUEST_FILENAME} !-f
RewriteCond %{REQUEST_FILENAME} !-d
RewriteCond %{REQUEST_URI} !=/favicon.ico
RewriteRule ^ index.php [L]

其他php7的模块能装的都给装上，这样省事。php -v 显示无效，是因为忘记安装 php7-cli 。

//原文链接如下

伯努利原理是流体力学中的一条基本原理，由瑞士流体物理学家丹尼尔·伯努利在1726年提出，其实质是理想流体的机械能守恒。

在理想条件下，同一流管的任何一个截面处，单位体积流体的动能、势能和压力势能之和是一个常量 。

即伯努利方程。其中，p为流体中某点的压强，v为流体在该点的流速，p为流体密度，g为重力加速度，h为该点所在高度，C是一个常量。它也可以被表述为：

其最为著名的推论为：等高流动时，流速越大，压强越小。

流体力学中经常说的压力，其实指的是单位面积上的压力，也就是普通物理学里说的压强。单位是Pa。

计算明渠均匀流流速的一个经验公式，1889年由爱尔兰工程师曼宁（R. Manning）提出。原式为V=KR2/3J1/2