主要概念 Topic：消息主题，它分布在多个Master节点上。Topic下有多个Topic分区，每个分区上有多个Que。Que是消息存储队列

梯度的理解 参考以下两篇文章: 如何直观形象的理解方向导数与梯度以及它们之间的关系？对导数和梯度的解释最为简明。 WangBo的机器学习乐园的博文

1 2 3 4 5 6 7 8 9 10 11 12 13 import pylab as pl import numpy as np #在-pi至pi之间产生256个数 X = np.linspace(-np.pi, np.pi, 256, endpoint=True) #计算X的sine与cosine值 C, S = np.cos(X), np.sin(X) #绘制曲

1 2 #numpy的使用 import numpy as np 1 2 data1 = [6,7.5,8,0,1] arr1 = np.array(data1) 1 2 data2 = [[1,2,3,4],[5,6,7,8]] arr2 = np.array(data2) 1 2 3 4 print(arr2.ndim) print(arr2.shape) print(arr1.dtype) print(arr2.dtype) 2 (2, 4) float64 int64 1 2 #数组初始化 np.zeros(10) array([ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]) 1 2 #多维数

非监督学习 从前一章我们可以看到即监督学习方法可以在已有数据基础上判断将来的数据，但也存在明显的缺点：数据必须是准备过的；必须人工对一定的样本