现在主要的深度学习框架 caffe deeplearn4j CNTK(微软) MXNet PaddlePaddle Tensorflow Theano PyTorch
1.变量是一段或多段用来储存数据的内容
2.编译后的机器码从不使用变量名，直接通过内存地址来访问目标数据
3.样本标准差（SD）与样本标准误差（SE）
SD: 是表达数据的离散程度，然后实际应用中很多数据具有近似正态分布的概率分布，有了SD，我们就可以大致估计数据的范围，譬如经典的"68-95-99.7法则"，即约 68% 数值分布在距离平均值有 1 个标准差之内的范围，约 95% 数值分布在距离平均值有 2 个标准差之内的范围，以及约 99.7% 数值分布在距离平均值有 3 个标准差之内的范围。
SE: 是什么呢，一般来说，自然界里很难获得总体数据，我们只能用样本（无论是各种实验还是社会调查抽样）去近似估计总体，这样问题就来了，估计的准不准（平均值）
我们可以理论上这样做，既然不能获得总体，我们可以尽可能多（无限）的从标准差为σ的总体数据里抽取大小为 n 的样本，每个样本各有一个平均值，所有样本平均值的标准差就可以用"68-95-99.7法则"评估准不准了（这就是所谓的置信区间），样本平均值的标准差可以被证明如下公式表达：
4.梯度下降就是沿着最陡的方向（偏导函数）向下走，学习率就是表示步伐的大小。
5 计算机术语中的check-in和check-out??
对的，酒店入住和退房，就叫check-in 和 check-out 软件开发中，因为涉及团队开发，可能有多人需要维护修改同一模块。 但又要防止两人以上同时对一模块修改，导致混乱。比如你用souresafe时。 你在进入修改前，必须先check-in，表示此模块正被你修改，其他组成员此时只能看，而不能改，否则乱套。当你完成修改后。再check-out，那么其他组成员才可以check-in. 至于翻译成什么，没必要把？，理解就好了。 你要愿意，“签入”和“签出”就挺好。