2) 第二次打卡内容（2月15日-17日）截止打卡时间：2/17-22:00
Task03：过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络基础（1天）
Task04：机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer（1天）
Task05：卷积神经网络基础；leNet；卷积神经网络进阶（1天）
8、梯度消失（vanishing）、梯度爆炸（explosion）以及Kaggle房价预测实战
当神经网络的层数较多时，模型的数值稳定性容易变差。即小与1的越来越下，大的越来越大。
随机初始化模型参数的原因：让隐藏层中的单元都发挥作用。
协变量偏移、标签偏移、概念偏移
9、循环神经网络进阶 ModernRNN（GRU/LSTM/深层RNN/双向RNN）
RNN存在的问题：梯度较容易出现衰减或爆炸（BPTT）
⻔控循环神经⽹络：捕捉时间序列中时间步距离较⼤的依赖关系
• 重置⻔有助于捕捉时间序列⾥短期的依赖关系；
• 更新⻔有助于捕捉时间序列⾥⻓期的依赖关系。
距离熟练掌握差的还很远。。。
