运行ToUppercaseAspectTest出现的异常 没看出来哪有问题。。

问题：老师，这super（name）的作用是什么，后面调用this.getName()是调用当前对象的名称？

老师您好，迭代器是不是就是单纯存放循环的一个工具？还有，是不是所有的循环都可以用推导式写？为什么我写海龟的时候用推导式就会出错？

老师,添加filter之后一直访问不了资源,如图:

如何让箭头消失，跟课件一样的展示？具体用法是那样的？

老师，到这步了，哪里出现错误了，我没找到

老师，print()打印出来的到底是什么呢。下面代码里print出来到底区别是什么？

老师, 以MSE为例, 我们的惩罚项是在公式中什么位置? 

1. W(t+1) = W(t) - alpha*g + 正则项? 

2. W(t+1) = W(t) - alpha*g(Loss+正则项)? 

如果是2的话, 那么常数的梯度不就是0了吗? 我有点不明白是作用在哪个位置。

另外, 这个惩罚项是不是对于不同的特征维度,也是可以给与不同的人为修正的呢? 有没有什么动态调整的原理(就像之前的视频里面学习率那样随着迭代次数增加而减少)?

根据视频操作的，到这一步时就卡住不动了，关闭重启有logs，但是输入“jps”，显示“-bash:jps:command not found”

class Node():
    def __init__(self, value=None, next=None):
        self.value = value
        self.next = next

    def __str__(self):
        return 'Node:{}'.format(self.value)


class LinkedList():
    def __init__(self):
        self.root = Node()
        self.next = None
        self.size = 0

    def append_end(self, value):  # 链表的后边加数据
        node = Node(value)
        if not self.root.next:
            self.root.next = node
        else:
            self.next.next = node
        self.next = node
        self.size += 1

    def append_first(self, value):
        node = Node(value)
        if not self.root.next:
            self.root.next = node
        else:
            temp = self.root.next
            self.root.next = node
            node.next = temp
        self.size += 1

    def __iter__(self):
        current = self.root.next
        while current is not self.next:
            yield current.value
            current = current.next
        yield current.value

    def find(self, value):
        for n in self.__iter__():
            if n == value:
                return n


if __name__ == '__main__':
    link = LinkedList()
    link.append_end('悟空')
    link.append_end('八戒')
    link.append_first('师傅')
    for i in link:
        print(i)
    print(Node('悟空'))
    print(link.find('悟空'))

老师请问，代码中将n改为n.value就会报错，但是原视频中不会报错，我这个代码中报错的原因是啥，n代表的是Node还是Node的value

老师, 如果数据集Xj列是属于稀疏性描述中偏疏的,也就是很多0, 加上其中有很大的离散值, 那么标准归一化会不会反而效果不大了? 或者说, 数据偏疏的话, 离散值对归一化效果的影响(权重)也会相对较大?

那怎么配置服务器端收到请求返回/favicon.ico图片呢？

import tensorflow as tf


# tf.Variable 是生成的变量每次迭代都会发生变化
# 这个变量是我们要计算的结果,所以说你要计算什么,你是不是就把什么定义为Variable

# 创建一个计算图
x = tf.Variable(3,name="x")   #画布里面有一个x 节点
y = tf.Variable(4,name="y")  #画布里面有一个y节点
f = x * x * y + y + 2

# 创建一个计算图的上下文环境
# 配置里面是把具体运行过程种在哪里执行给打印出来
sess = tf.compat.v1.Session (config= tf.compat.v1.ConfigProto(log_device_placement=True))
# 保存到session.run() 就会立刻去调用计算
sess.run(x.initializer)
sess.run(y.initializer)    #需要做初始化才可以用
result = sess.run(f)
print(result)
sess.colse()

老师 代码写的和您的一样  出现两个问题 我的tf 是2.x gpu 版本的.在打印过程的时候就出现了问题.我百度了一下,改为1.x版本的,可是还有一个问题 ,出现了以下的问题,我又搜了一下说是tf版本不兼容所导致的, 怎样才能解决这个问题

老师，我自己发现了错误。将“True”打成了“Ture”

代码：

%matplotlib notebook
# 生成数据
iris = sns.load_dataset('iris')
# 绘画数据
sns.pairplot(iris)
# 显示图表
plt.show()

老师，获取数据的时候遇到了这样的错误，后面的回归变量那里也是同样的错误。按照问答区给的那个链接更改了DNS也没有解决，请问老师还有别的办法吗？