如何彻底卸载 TestFlight 应用并从头开始测试
1. 卸载应用：
打开 Dock 或 Launchpad。
找到通过 TestFlight 安装的应用图标。
长按图标（或右键点击） → 选择 “移除” 或 “删除”。
系统会提示“删除 ‘应用名称’ 及其所有数据”，确认即可。
2. 清除残留数据（可选但推荐）
打开 访达（Finder），按下 Command + Shift + G，输入：
1~/Library/Containers/
查找与该应用 Bundle ID 相关的文件夹（如 com.yourcompany.YourApp），删除它。
同样可检查：
12~/Library/Application Support/~/Library/Caches/
中是否有相关文件夹，一并清理。
3. 重新从 TestFlight 安装应用注意事项
清除应用的沙盒容器
关闭 iCloud 同步
检查 Keychain（较少见，但可能）
开发环境, Unity, UI使用的是FairyGUI, 在适配刘海的时候, 需要添加适配
简单的方式如下
1. 发布IOS环境如下 12345678910 void SetScreen(GComponent w){#if UNITY_IOS if (Screen.safeArea.height != Screen.height) { float t = 1.0f * (Screen.height - 100) / Screen.height; float t1 = 1 - t; w.SetPosition(0, w.size.y * t1, 0); w.SetSize(w.size.x, w.size.y * t); }#endif }
如果输出为空或 swap 行为 0，则说明尚未启用 Swap。
2. 发布Android的环境如下 12345678 void SetScreen(GComponent ...
1. 检查当前是否已启用 Swap
123swapon --show# 或free -h
如果输出为空或 swap 行为 0，则说明尚未启用 Swap。
2. 创建 Swap 文件 以创建 2GB 的 Swap 文件为例（可根据需要调整大小）：
123sudo fallocate -l 2G /swapfile若 fallocate 在某些文件系统（如 XFS 或 ext4 配合某些配置）上不被支持，可改用：sudo dd if=/dev/zero of=/swapfile bs=1M count=2048
3. 设置正确权限（安全要求） 1sudo chmod 600 /swapfile
4. 格式化为 Swap 空间 1sudo mkswap /swapfile
5. 启用 Swap 1sudo swapon /swapfile
验证是否生效：
123free -h# 或swapon --show
6. 设置开机自动挂载（可选但推荐） 编辑 /etc/fstab 文件，添加一行：
1echo '/swapfile none ...
前提条件：安装 Xcode（App Store 下载）安装 Homebrew（如果尚未安装）安装 libimobiledevice 和 ideviceinstaller
123安装依赖工具:brew install libimobiledevicebrew install ideviceinstaller
信任设备:
123用 USB 连接 iOS 设备。在 Xcode → Window → Devices and Simulators 中查看设备是否识别。如果提示“信任此电脑”，在 iOS 设备上点击“信任”。
安装 IPA:
1ideviceinstaller -i your_app.ipa
如果提示权限错误，可能需要先启用开发者模式或重新配对:
1idevicepair pair
项目环境:Unity版本 2022.3.62f2XCODE 16.4 (16F6)IOS Simulator 18.5
123456XCode在Build的时候报告错误:Undefined symbol: __swift_FORCE_LOAD_$_swiftCompatibility50Undefined symbol: __swift_FORCE_LOAD_$_swiftCompatibility51Undefined symbol: __swift_FORCE_LOAD_$_swiftCompatibility56Undefined symbol: __swift_FORCE_LOAD_$_swiftCompatibilityConcurrencyUndefined symbol: __swift_FORCE_LOAD_$_swiftCompatibilityDynamicReplacements
尝试:
12345678post_install do |installer| installer.pods_project.targets.each do ...
卷积层+池化层+激活函数+全连接层前言: 在图像分类以及目标检测等任务中，卷积神经网络已经得到了充分地运用。而对于常见的卷积神经网络，我们经常可以看到卷积层、池化层、激活函数、全连接层的身影。直到现在，卷积层+激活函数+池化层+全连接层的结构仍然很实用，似乎已经成为搭建卷积神经网络的标配。下面我将从这四个方面分别介绍。注：通常，池化层和激活函数又归类于卷积层。这里为了讲解方便，我分开介绍。
1. 卷积层卷积是一种有效提取图片特征的方法 。 一般用一个正方形卷积核，遍历图片上的每一个像素点。图片与卷积核重合区域内相对应的每一个像素值，乘卷积核内相对应点的权重，然后求和， 再加上偏置后，最后得到输出图片中的一个像素值。图片分灰度图和彩色图，卷积核可以是单个也可以是多个，因此卷积操作分以下三种情况：
1.1 单通道输入，单卷积核这里单通道指的是输入为灰度图，单卷积核值卷积核个数是1个。
上面是 5x5x1 的灰度图片，1 表示单通道，5x5 表示分辨率，共有 5 行5列个灰度值。若用一个 3x3x1 的卷积核对此 5x5x1 的灰度图片进行卷积，偏置项b=1，则求卷积的计算是： ...
激活函数的前世今生1. 激活函数的前世今生早在1958 年，美国心理学家 Frank Rosenblatt 就提出了第一个可以自动学习权重的神经元模型，称为感知机。它的模型如下：
从图中可以看出，他使用的是一个简单的一层网络，其中激活函数是阶跃函数（这也是最早使用的激活函数)。于是这个感知机模型的公式可表示为：
其中的激活函数可表示为：
也就是说，当wx+b<0时，令输出为0，代表类别0；当wx+b>=0时，令输出为1，代表类别1。然后通过感知机收敛算法一步步迭代，优化参数w和b，最终实现了最原始的二分类模型。
于是有些同学会问，为什么不是用梯度下降算法呢？？
对，熟悉人工智能历史的同学肯定知道，那时候反向传播算法都还没有提出，肯定不会有梯度下降的说法。那为什么聪明的 Frank没有想到梯度下降呢？
其实这里有一个不可抗力的原因。而这个原因和激活函数密切相关！在当时，最常用的激活函数不外乎：阶跃函数和符号函数，我们来直观地看一下它们的函数图：
左边是阶跃函数，右边是符号函数。这两个函数有一个共通的特点：在 z=0处是不连续的，其他位置导数为 0 ...
BatchNorm（BN）层一、背景 卷积神经网络的出现，网络参数量大大减低，使得几十层的深层网络成为可能。然而，在残差网络出现之前，网络的加深使得网络训练变得非常不稳定，甚至出现网络长时间不更新或者不收敛的情形，同时网络对超参数比较敏感，超参数的微量扰动也会导致网络的训练轨迹完全改变。
二、提出 2015 年，Google 研究人员Sergey Ioffe等提出了一种参数标准化(Normalize)的手段，并基于参数标准化设计了 Batch Nomalization(简称 BatchNorm或 BN)层 。BN层提出后：（1）使得网络的超参数的设定更加自由，比如更大的学习率，更随意的网络初始化等，同时网络的收敛速度更快，性能也更好。（2）广泛地应用在各种深度网络模型上，卷积层、BN 层，ReLU 层、池化层一度成为网络模型的标配单元，通过堆叠 Conv-BN-ReLU-Pooling 方式往往可以获得不错的模型性能。
三、原理网络层的输入x分布相近，并且分布在较小范围内时(如 0 附近)，更有利于函数的迭代优化。那么如何保证输入x的分布相近呢？数据标准化 ...
梯度下降法与局部最优解在深度学习过程中，避免不了使用梯度下降算法。但是对于“非凸问题”，训练得到的结果往往可能陷入局部极小值，而非全局最优解。那么这里就以Himmelblau 函数为例，探究待优化参数的初始值对梯度下降方向的影响，从而得到不同的局部极小值。首先介绍一下Himmelblau 函数：
下图 为 Himmelblau 函数的等高线，大致可以看出，它共有 4 个局部极小值点，并且局部极小值都是 0，所以这 4 个局部极小值也是全局最小值。我们可以通过解析的方法计算出局部极小值坐标，他们分别是(3,2), (−2 805,3 131), (−3 779,−3 283), (3 584,−1 848)。
在已经知道极小值解的情况下，我们现在来用梯度下降算法来优化 Himmelblau 函数的数值极小值解。
程序清单：
12345678910111213141516171819202122232425262728293031323334import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltfr ...
