人工神经网络之Python 实战
Python是最好最热门的编程语言之一，以简单易学、应用广泛、类库强大而著称，是实现机器学习算法的首选语言。本文以人工神经网络的实战为例，证明需要深入理解算法的原理、优劣势等特点以及应用场景，以能达到应用自如的程度。本文选自《Python大战机器学习：数据科学家的第一个小目标》
像Google一样构建机器学习系统2 - 开发你的机器学习工作流
按照上篇文章搭建了一套Kubeflow Pipelines之后，我们一起小试牛刀，用一个真实的案例，学习如何开发一套基于Kubeflow Pipelines的机器学习工作流。
准备工作
机器学习工作流是一个任务驱动的流程，同时也是数据驱动的流程，这里涉及到数据的导入和准备，模型训练Checkpoint的导出评估，到最终模型的导出。
可视化Keras深度学习神经网络模型
为了使开发者更好的理解其开发的神经网络模型，Keras Python深度学习库提供了可视化神经网络模型的工具。在本文中，作者通过一个小例子，详细的介绍可视化的过程和原因。
Visual Studio 未能解析主引用 该框架版本高于当前目标框架
之前可以编译通过的项目DXControls，今天一直报错，说“未能找到类型或命名空间名称“Test.WCFClient”(是否缺少 using 指令或程序集引用?)”，可是这个dll明明是引用了，在项目引用中右键选择在对象浏览器中查看：
可以找到命名空间Test.WCFClient，其下面的类也都在，这两个项目的NETFramework都是4.0的，再显示错误信息里的警告，发现一堆的引用
