主体 名称 作用 类型 discoveryAgent 扫描设备用的实例 QBluetoothDeviceDiscoveryAgent controller BLE连接示例，负责发现服务，连接设备 QLowEnergyController service BLE服务示例，负责连接服务 QLowEnergyService 基本流程 扫描设备（开始，出错，完成，取消） 连接

获得Github的授权 只有在获得Github授权之后才能同步本地和Github的仓库数据，这里使用Personal Access Token进行授权，不用SSH。首先当然是要获取到一个PAT了，链接是这个👉🏻https://github.com/settings/tokens 获取到链接后，在用户Home根目录执行以下命令配置Credential 12git config --global

题头 本文为notebook直接转为markdown，因本人的MBP内存过于拉胯，所以Food101数据还需要缩小才能继续训练。其他代码在macOS上面已经运行训练成功。也可以点击这个链接直接在Colab里面打开👉🏻https://drive.google.com/file/d/1Lee_oohIN99bHRm1kMEi25VgxTSFe1fF/view?usp=sharing。 但是Cola

以下为notebook直接转化为markdown，在macOS上可以运行。 可以在这里试试直接在Google Colab里运行，理论上也行👉🏻https://drive.google.com/file/d/1CjHEb3ZspR_3qbHjJgenfrGmeJC75nF8/view?usp=sharing 下面的内容主要是CNN的初级训练和使用，初学者所为，大佬门看个乐子就行🤪 PyTorc

前言 众所周知，炼丹一般是在老黄的卡上跑的（人话：一般在NVIDIA显卡上训练模型），但是作为果果全家桶用户+ML初学者，其实M芯片的GPU也可以用来GPU加速，效果指不定还比Google Colab上面分给你的T4要快。而PyTorch早在2022年就支持M芯片的GPU加速了，老黄的卡叫CUDA，果果的GPU就叫MPS (Metal Performance Shaders)，下面来看看怎么开启。

以下是notebook直接转换成markdown，在Google Colab上可以正常执行。 可以在这里直接进入👉https://colab.research.google.com/drive/1Xf0wMvc_bG-bMMewme__oDXtE5KmmBCG?usp=sharing 下面的内容为经典的ML应用：classification，分类。 Some hyperparameters（Fo

以下都是notebook直接转换成markdown，在Google Colab上验证可以正常执行。 可以在这里直接进入👉https://colab.research.google.com/drive/1TDM6Vz5efbjTzvXcn1RQMhF5iijg8pzm?usp=sharing 下面的内容是pytorch训练的一般的工作流 Initalize 1234import torchimpo

以下是notebook直接转换成markdown，在Google Colab上可以正常执行。 可以在这里直接进入👉https://colab.research.google.com/drive/1oSCI36tAQq9gfTaHmG5PyDwcPzA1P_pl?usp=sharing 内容为pytorch和ML的入门经典内容，各位可以康一康哈，但是主要以笔记为主，因此会有些中英参半 Basic

比较零散，真就是笔记和理解了，没有教程性质。教程可以去看表严肃的课 不要将function看做纯粹的函数，而要把它看做一个object对象，但其实它还是个函数，只是作为构造器存在。因此，操作时以.来连接。 继承上一级的prototype： 1Laptop.prototype = Object.create(Computer.prototype) 恢复构造器 1Laptop.prototyp

显示 属性为display 值 含义 block（默认） 块级元素 inline 行内元素 inline-block 行内块元素 框 属性 值 含义 height, width ~px 高，宽 padding ~px 内边框 border ~px {solid, dotted（点线）, dashed（虚线）, } {color} 边框 marg