越来越多的开发者在他们的机器学习工程中使用TensorFlow。今年3月，Google的TensorFlow团队发布等待多时的JavaScript框架，TensorFlow.js(之前也叫做DeepLearn.js)

从TensorFlow开始

在介绍TensorFlow.js之前，我想先从TensorFlow开始。

Activation Function（激励函数）:

前几期的文章，我们介绍了激励函数的感念，为何需要激励函数，那么在TensorFlow中如何使用激励函数

激励函数说白了就是非线性方程，在不同的神经网络中，可以尝试不同的激励函数，一般在卷积神经网络CNN的卷积层中, 推荐的激励函数是 relu. 在循环神经网络中RNN中, 推荐的是 tanh 或者是 relu。具体激励函数的具体细节，我们会随着文章的不断分享，逐渐介绍。

1. 安装配置GPU环境

1.1. 安装GPU版TF

在之前我们已经安装了CPU版的TensorFlow，为了使用GPU来加速计算，我们必须安装GPU版的TensorFlow。这里我们可以直接使用pip命令来安装：

强化学习是目前机器学习领域发展最快的方向之一，其与推荐系统和排序模型的结合也有更多价值等待发掘。本文介绍了强化学习在美团“猜你喜欢”排序场景落地的工作。

1. 概述

“猜你喜欢”是美团流量最大的推荐展位，位于首页最下方，产品形态为信息流，承担了帮助用户完成意图转化、发现兴趣、并向美团点评各个业务方导流的责任。经过多年迭代，目前“猜你喜欢”基线策略的排序模型是业界领先的流式更新的Wide&Deep模型

TensorflowJs是一个加速API，用于在nodeJs和浏览器中部署深度神经网络和机器学习模型。在本教程中，我们将解释如何在tensorflowJs中编写感知器模型。

Perceptron（感知器）是一种监督学习算法。它由以下内容组成：给定一个输入，它乘以一个权重张量w。人们可以加上一个偏差的张量b。在该线性步骤之后，使用激活函数来保持优于特定阈值的结果。激活函数很棒，因为它们在机器学习模型中引入了非线性。请记住，第一步只是一个线性操作：wx + b。如果我们希望模型能够学习非线性函数，我们需要添加激活函数。

TensorFlow是一个开源的机器学习框架，用于构建，部署和分析您的机器学习(ML)模型。本文适用于了解深度学习（数学和理论）的人。

在这里，您将了解TensorFlow的基本工作以及“Tensor”格式的数据如何通过计算图“流动”。在计算图上直观地思考模型总是有利的。

在进入核心之前，让我们看一下模型的一些超参数，例如

1、前言

逆向工程技术在信息安全领域有着重要的作用，无论是在软件保护、恶意病毒分析还是其它方面，均需要使用逆向工程来获得程序运行逻辑，进而分析软件或者程序行为，从而判断是否存在恶意行为，对软件进行更好的加固保护，因此，在本文中，我从逆向常用分析工具Ollydbg和IDA出发，学习8086、80386汇编语言，结合软件在三大平台（Window/Linux/Android）的不同特点，以几道典型的CTF逆向赛题作分析，展开基于逆向工程的软件安全的学习。