训练不总结 第1篇
午餐喂饭总结:
虽然我没能有机会给我的队友亲手喂到饭，但我能从感受到，吃饭的人就像小时候不能独立吃饭的我们，喂饭的人多么像极父母，他们为了让我们吃好、吃饱，他们总是忍受着饥饿，先照顾好我们，他们无私的默默付出着，却没有xxx言，以后父母老了，我也要这样加倍努力回报他们，同时，也要关爱着我们的后代。
接力球赛总结:
在这次游戏中，我主动担当了监督员，我的职责就是监督好另外一个队的一切动作，不能让他们有任何的犯规，也包括不能说话。在监督过程中，我必须严格的做好自己，监督好他们，为自己的职责负责，更不能滥用职权，必须做到公平、公正，无愧于心。
盲人于哑巴游戏体会:
训练不总结 第2篇
通过学习，我知道了机电一体化又称机械电子工程，是机械工程与自动化的一种。机电一体化最早出现在1971年日本杂志《机械设计》的副刊上，随着机电一体化技术的快速发展，机电一体化的概念被我们广泛接受和普遍应用。随着计算机技术的迅猛发展和广泛应用，机电一体化技术获得前所未有的发展。现在的机电一体化技术，是机械和微电子技术紧密集合的一门技术，他的发展使冷xxx的机器有了人性化，智能化。
通过能源综合实习训练，我了解和熟悉了主要发电方式的生产过程与主要设备以及电厂金属材料、电厂水处理和电厂环保方面的相关知识，知道了不同能源的优缺点。
作为一名工科生，我们除了应具备较强的基础理论知识和专业技术知识外，还应具备一定的机械制造的基本工艺知识，而通过具体形象的工程训练课，我们了解到了这些工件的制造过程，也更好地掌握了这些工艺知识。
每一个设备都在工件加工过程中发挥着不可替代的作用，而掌握这些设备的操作技能的师傅们是值得敬佩的人。几天的课程虽然短暂，但每一次老师的教诲都是十几年甚至是几十年的的经验之谈，至少我是受益匪浅。可以说，这次训练给我提供了一个了解工厂生产的平台，让我学习知识，动手实践，做到了理论与实践的统一。
当然，工程训练作为我在武汉大学生活学习的一部分，给我带来了许多乐趣。从中学到了许多，见识了许多，因此对生活中一些机械设施有了更加深入的认识。同时让我感受到实践的重要性和乐趣。很多东西不是我们想当然就可以做到的，只有通过实践才能有个深入的认识，才能做好。最后感谢老师的耐心指导。
训练不总结 第3篇
在我来到海南之前，我就经常思考这样一个问题，那就是学校如何能够使所有的人都团结在一块，为了一个共同的目标而努力的工作。我想这也是所有学校领导都在考虑的事情。大家在一起应该像一个大家庭，像兄弟姐妹一样彼此相互关心，爱护，尊重，理解，珍惜。而要做到这一点，也是非常的困难，因为每个人的家庭环境，地域环境，学校教育，成长经历各不相同，导致每个人的性格，修养，脾气，思想，待人接物都会有所不同。每个人的工作作风，能力，学习习惯，生活习惯都不一样。因此尽快地把他们的思想统一在一起，增强团队的凝聚力，同心协力，同舟共济，是学校能够实现办学目标的前提。要真正做好，做到这一点，必须对团队成员进行训练，教育和培养。要想做好任何一件事情，都必须经过一段时间的学习和培训，才有可能，团队凝聚力不会从天而降，也需要一定的学习和训练。特别是我们刚组建的一所新的学校，教师来自四面八方，思想观念各不相同，生活习惯也不一样，有一个相互融合的过程。基于这些想法，我决定利用星期六组织教师进行团体凝聚力拓展训练。我也知道有些教师对星期六培训有不同的意见，但是像我们这样寄宿制学校，学生一天24小时都在学校，每个老师都有很多的教学工作和管理工作，不可能把我们的孩子丢在一边不管，而校本培训也不可能不做，因此只能利用星期六的时间来进行了。
这次培训我邀请了海口英才小学的校长xxx，省教育厅五月份组织我们思源校长培训，到他的学校参观时认识了这位年轻有为的校长。被他的才学所吸引，办学成绩所折服，开学伊始，邀请他几次来学校讲学，都因为他比较忙而走不开，这次总算有时间过来，我想对学校的帮助是无法估量的。这次培训的最大亮点就是通过全员参与一起做六个游戏，感悟游戏给我们带来的启发启示，而不是高谈阔论。参与游戏的结果使我们教师的心灵得到震撼，精神得到慰藉，思想得到洗礼，凝聚力得到增强。全体参与的教师被游戏的每一个场面所感动的热泪盈眶，唯一遗憾的是，因为要做些组织工作和协助记录，兰校长在最后一个游戏才安排我参与，游戏规则是他定的，我们只有服从的权利。这样的感受非常的真实，因为大家都自己参与，亲自体验，有真情实感。相信在以后的工作中，大家都会珍惜这份情感，相互理解，相互支持，共同进步。考虑到知识产权问题，我不一一的列举游戏内容，但这些内容、这些场景、这份感受，以及所有老师发自内心的真情将会永远留在我的脑海里;激励我坚持这份不同寻常的教育事业。
训练不总结 第4篇
2. Learning rate不合适。
如果太大，会造成不收敛，如果太小，会造成收敛速度非常慢。
我的做法是逐渐尝试，从 ......逐渐减小直到正常为止。有的时候候学习率太低走不出低估，把冲量提高也是一种方法，适当提高mini-batch值，使其波动不大。
当某一次训练传到最后一层的时候，某一节点激活过度（比如100），那么exp(100)=Inf，发生溢出，bp后所有的weight会变成xxx，然后从此之后weight就会一直保持xxx，xxxoss就飞起来辣。如果lr设的过大会出现跑飞再也回不来的情况。这时候你停一下随便挑一个层的weights看一看，很有可能都是xxx了。对于这种情况建议用二分法尝试。.不同模型不同任务最优的lr都不一样。
3. 隐层神经元数量错误。