板栗笑道：本来哩，为了谨慎，该是我一个人回去看的，可我又怕再来时找不到你们，把你们给弄丢了。
At present, in addition to increasing attack power, each level of small growth also increases movement speed by 20.
(2) When operating on the water surface, the WIG ship shall be used as a motor ship and comply with the provisions of this chapter.
暗格里的秘密 羡入四月版》是《暗格里的秘密》的会员衍生精编版，讲述了倔强普通的小怪兽少女丁羡与耀眼的白月光少年周斯越关于暗恋与双向奔赴的故事。
In the evening, she accompanied her children to read picture books. When she slept, he watched TV.
阿森和小岚相恋8年，而他们用以维系感情的方法只得两个字——分手。每当小岚以分手作要胁时，阿森都会变成一条死狗去求和，令小岚更加得寸进尺。当他们经历了99次分手后，二人终于认定了彼此，因而许下不能再轻易分手的承诺，更决意要一起为未来打拼，自己当老板，合力经营咖啡店。 一众猪朋狗友如茶餐厅太子女瑞哥、阿森的小学同学飞云及咖啡店员4大Boy 等人不但见证着咖啡店的成长，同时亦目击营运咖啡店对阿森和小岚这对小情侣所造成的冲击。尤其是当本来平平无奇的咖啡店因着阿森天马行空的鬼主意——《分手迷你仓》，一个可以让所有爱情暴露狂来寄存自己的分手遗物，好让全世界来偷窥的地方——而大受欢迎后，阿森变得不再只以玩乐为先，开始变得成熟，对未来也更有想法。 咖啡店的成功令阿森跟小岚之间的距离愈拉愈远，这时候咖啡店的熟客莱莱跟阿森的关系又变得暧昧不清，这一切彷佛都在引爆他们的第100次分手…
自殺悲願 山崎努 渡辺いっけい
该剧根据河南省消防总队四级士官李昆的同名长篇小说改编，讲述了北港市消防部队的一名消防战士沈笑，凡事都要抢个头功出个风头。后来，他终于明白了军人的价值和荣誉，是建立在祖国和人民的利益之上。
青葱妈妈改编自Line Webtoon所做的同名漫画，青葱妈妈讲述一位妙龄少女变身妈咪的故事。妙龄妈咪和粑粑会发生一些什么样的故事呢？
故事发生在八十年代的盐都（自贡），一位平凡而又朴实的母亲高兰英带着儿子大满走进了于满仓的家，家里有满仓的两个女儿和满仓妈。性格暴躁的于满仓在一次车祸中身亡，留下刁钻古怪的老太太、永不满足现状的大满、放荡散漫的二满、乖巧懂事的三满以及突然出现的私生子“小满”。大满出狱后事业慢慢达到巅峰，又被人陷害跌入低谷；二满的一段师生情害死了老师；一向乖巧的三满在即将大学毕业分配之际却因怀孕被学校开除。高兰英一次又一次面对突如其来的打击，坚强的挑起了家庭的重担，她的坚韧、善良温暖了每个孩子以及周围的人们，使得他们都找到了各自的幸福生活，她用平凡诠释了一首伟大母亲颂歌。
《美人龙汤》，2013年台湾偶像剧，是八大首部自制戏剧，由贺军翔、大元、佐藤麻衣、陈乃荣、方文琳、李璇主演。2012年8月13日开镜，预计拍摄14集。无线台由民视播出，有线台由八大综合台播出。本剧以泡汤文化为主题。
Focus, feedback and fix it. All learning methods cannot be separated from "3F".
可他还是没有，因为他小时候好像也有过杨必归这样的情绪和言论，当时就被一巴掌抡回来了。
喜剧《未完待续 Life Sentence》由Bill Lawrence开发﹑Erin Cardillo及Richard Keith编剧，故事讲述女主Stella Abbott（Lucy Hale饰）原本确诊患上癌症晚期，但后来发现自己根本不会死后，主角得重新适应她以为自己死定了时的人生选择。
28岁的图书管理员曾鲤因为矫正牙齿认识了牙科副主任医师艾景初，两人共同经历雪夜同行、福利院捉迷藏、海盗船跨年……一路从误会到熟识，慢慢走进对方心里。就在两人准备互诉情愫的时候，曾鲤等待了十年的“初恋”对象、艾景初最好的朋友于易回国，对曾鲤展开猛烈追求。看过曾鲤的小说《小于和小鱼儿的故事》后，艾景初误会曾鲤心里喜欢的人一直是于易，放弃表白计划、决定去非洲执行医疗援助任务。曾鲤却因为于易的突然告白更加明确了心中所爱，义无反顾地回到艾景初身边，两个有情人终成眷属。
Information Theory: I forget which publishing house it was. It is a very thin book and it is very good. There is a good talk about the measurement of information, the understanding of entropy and the Markov process (there is no such thing in the company now, I'll go back and find it and make it up). Mastering this knowledge, it is good for you to understand the cross entropy and relative entropy, which look similar but easy to confuse. At least you know why many machine learning algorithms like to use cross entropy as cost function ~
