xuenhua’s 站点
查看需要汇总几个commit的，记下最旧的id或者倒数第几个，然后选择reset 或者rebase方法
例如下面有5个提交，想要把从3到5的提交汇总在一起作为一次提交，得到 1 2 6{3 4 5的汇总}
git reflog
05a3854 (HEAD -> main) HEAD@{4}: commit: 5
e125d52 HEAD@{5}: commit: 4
ec70c06 HEAD@{6}: commit: 3
a4621de HEAD@{7}: commit: 2
065dc62 HEAD@{8}: commit (initial): 1
有时某软件依赖高版本的另一个软件，但有时不提供二进制安装包，还要make编译，配置编译环境就可以劝退99%的人。可以试试能否通过添加源进行升级，实在不行再编译源码安装。以升级git为例，介绍一下操作命令。
1、检查更新
apt update
2、查看是否有更新
apt list –upgradable
如果有更新，执行下面的命令更新
apt install git
3、但是如果运行了发现没有更新
添加ppa源
add-apt-repository ppa:git-core/ppa
4、执行更新
apt update
5、再试一下
apt install git
当前版本gitea 1.8 由于不支持katex，决定升级到gitea1.24。不过升级后，打开网页点击首页内容报500错误。
错误提示为
发生了一个错误；
SyncRepoBranches, Error 1366 (22007):Incorrect string value: '\xE8\xA7\xA3\xE5\x86\xB3...' for column `dbnamo`. `branch` `commit_message` at row 1卷积神经网络是一种前馈神经网络，用于图片分类的卷积网络一般包含两部分：卷积部分和全链接部分。
卷积部分将传统的卷积操作中卷积核的值当成了训练的对象，并加入了池化层，激活层，专门用来提取图片特征。全链接部分就是普通的神经网络，前面以图片特征为输入，后面加上softmax层来输出每个类的概率。
继续阅读“卷积神经网络（分类网络）”人类大脑具有最强大的能力，今天的科技非常发达，但依旧无法模拟人类的大脑，进行任务处理。
今天的计算机，与人类相比，在某些方面具有压倒性的优势，比较运算能力和存储知识的能力，是人脑的无数倍，但是即使如此强大的计算机，却有一方面无法超越人脑，那就是人脑的创造力能力，科学家到目前为止，依旧无法解开这个人脑是如何形成这项不可思议的能力的。
在即将到来的机器人时代，人类的创造力能力，无疑是未来我们立足于机器人时代的最有力武器，那么，创造力的原理到底是什么？它是如何来的？
继续阅读“大脑神经元工作原理”神经网络是一组受人类大脑功能启发的算法。一般来说，当你睁开眼睛时，你看到的东西叫做数据，再由你大脑中的 Nuerons（数据处理的细胞）处理，并识别出你周围的东西，这也是神经网络的工作原理。神经网络有时被称为人工神经网络（Artificial Neural Network，ANN），它们不像你大脑中的神经元那样是自然的，而是人工模拟神经网络的性质和功能。
继续阅读“神经网络原理”文章背景
有人盗用企业证书进行打包，有些网页工具bundle id随便写，几分钟就可以完成打包。我们知道正常的打包需要以下几个条件
前言
本篇文章虽然是介绍iOS开发中ipa包的签名原理。但因为签名涉及到密码学中的概念。在了解签名之前，我们需要明确一些概念。密码学中，根据加解密密钥的不同，通常把加密方式分为对称密码（对称加密）和公钥密码（非对称加密）。常见加密算法有：DES、3DES、DESX、AES、RSA、ECC。其中RSA、ECC是非对称加密算法。以下是一些必要的概念。
对称密码：又叫做对称加密。加密和解密使用的是同一个密钥。
继续阅读“iOS逆向之ipa签名原理”反向传播（英语：Backpropagation，缩写为BP）是“误差反向传播”的简称，是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。该方法对网络中所有权重计算损失函数的梯度。这个梯度会反馈给最优化方法，用来更新权值以最小化损失函数。 在神经网络上执行梯度下降法的主要算法。该算法会先按前向传播方式计算（并缓存）每个节点的输出值，然后再按反向传播遍历图的方式计算损失函数值相对于每个参数的偏导数。
我们将以全连接层，激活函数采用 Sigmoid 函数，误差函数为 Softmax+MSE 损失函数的神经网络为例，推导其梯度传播方式。