Never forget why you started, and your mission can be accomplished.
链表是一种动态数据结构，因为在创建链表时，无须知道链表的长度。
当插入一个结点时，我们只需要为新结点分配内存，然后调整指针的指向来确保新结点被链接到链表当中。内存分配不是在创建链表时一次性完成，而是每添加一个结点分配一次内存。
由于没有闲置的内存，链表的空间效率比数组高。
整个链表的存取必须从头指针开始进行，头指针指示链表的第一个结点的存储位置。
首元结点：链表中的第一个结点
头结点：首元结点之前附设的结点
头指针：指向链表中第一个结点的指针。若有头结点，则指向头结点，若无，则指向首元结点。
ListNode为结构体，定义如下：
struct ListNode
{
int val;
ListNode *next;
ListNode(int x): val(x), next(NULL){};
}
当验证集准确率一直低于训练集准确率，但无明显下降趋势，这说明此时模型复杂度欠缺，模型能力有限。–欠拟合，增加层数、调整激活函数增加网络非线性、减小模型正则化等措施增大网络复杂度。
当验证集准确率一直低于训练集准确率，且随着训练轮数增加有明显下降趋势。–过拟合，增大网络模型正则化削弱网络复杂度。
也可对应loss的变化。
原理：对于某层的每个神经元，在训练阶段均以概率p随机将该神经元权重置0，测试阶段所有神经元均呈激活态，但其权重需乘（1-p)以保证训练和测试阶段各自权重拥有相同的期望。
由于失活的神经元无法参与到网络训练，因此每次训练（前向操作和反向操作）时，相当于面对一个全新网络。随机失活后，相当于指数级子网络的网络集成，对于提升模型泛化性效果显著。
在工程实现中采用“倒置随机失活”,在训练阶段直接将随机失活后的网络响应乘以1/(1-p)，这样测试阶段不需做任何量级调整。
题目
写一个函数，输入n,求斐波那契(Fibonacci)数列的第n项，斐波那契数列的定义如下：
f(n) = f(n-1) + f(n-2) n>1
f(0) = 0; f(1) = 1;
题目变形
一只青蛙一次可以跳上1级台阶，也可以跳上2级台阶。求解该青蛙跳上n级台阶总共有多少种跳法？
long long Fibonacci(unsigned int n)
{
if (n <= 0)
return 0;
if (n == 1)
return 1;
return Fibonacci (n-1) + Fibonacci(n-2);
}
存在大量的重复计算！！！
该算法计算量会随着n的增大而急剧增大，时间复杂度以n的指数的方式递增！！！
根据f(0)和f(1)计算f(2)，再根据f(1)和f(2)计算f(3)……以此类推计算出第n项。
该算法的时间复杂度是O(n)!!!
从广义上讲，数据预处理可以认为是在正式进入深度网络计算之前的一切操作。除了狭义上的对数据做归一化、缩放等直接的数据预处理外，数据扩充、不平衡样本的处理、数据shuffle等也可以认为是数据预处理的方式。这里，就几种总结一下对数据的各种操作方式以及他们的作用和意义。
由于项目需要，最近需要做安卓开发，因此开始了Android Studio的小白之旅。
Anndroid Studio 2.3.2
打开project，第一个要面对的就是Proxy Settings配置代理，当然也可以通过File->Settings->Apperarance&Behavior->System Settings->HTTP Proxy打开配置。
这里主要说明两种方法。
Host name: mirrors.neusoft.edu.cn
Port num: 80
Host name: 127.0.0.1
Port num: 1080