入门记

有助于optimization的方式：shuffling、dropout、gradient noise、warm up。CV领域多是SGD，NLP领域多是Adam。Adam：算的比较快，波动大。了解到的optimizer。

当前层有n个神经元，下一层有m个神经元，则全连接层，当前层的n个神经元和下一层m个神经元都有连接。当前层的每一个神经元，都和下一层的每一个神经元有连接，叫全连接层。

泛化性：small batch更多噪音，反而泛化性更好，large batch 泛化性更糟糕一些。没有并行计算的时候，small batch速度更快，large batch速度要慢一些。每一个epoch的时间，small batch更慢，large batch更快。梯度：small batch更多噪音，稳定性差，large batch更加稳定。优化：small batch优化更好，large batch优化更糟。有了并行计算的时候，两个速度相同。

李宏毅老师给了课程实验的通关秘诀，如何判断深度学习目前遇到什么问题。

方便更新超参数，对模型进行参数调整。

下载训练数据covid.train.csv测试数据covid.test.csv。

当我们在进行训练时，会不断地调整参数，降低训练集loss，期望模型无限逼近训练数据集，而这个过程会过拟合，模型在训练数据集上表现很好，在实际的测试集上泛化能力表现在变差。如果有了验证集，我们可以发现当验证集loss先降低，再升高时，这个时候模型可能就过拟合了，就没有必要再不断地优化下去，提醒我们什么时候会出现过拟合。

ModuleNotFoundError: No module named ‘tensorflow‘

如果您的Linux系统中同时安装了多个Python版本，您可以使用update-alternatives命令切换默认Python版本。这个命令将把/usr/bin/python链接到/usr/bin/python3，并把python3优先级设置为20（也就是默认Python版本）。首先，请确认您已经安装了需要的Python版本和相关依赖项。

相关概念如何求图像的梯度？求图像的梯度，一般是对灰度图像或者彩色图像进行操作。数字图像就是离散的点值谱，也可以叫二维离散函数。图像的梯度就是这个二维离散函数的求导。导数（Derivative）是微积分中的重要基础概念。在百度百科里面是这样解释的：当函数y=f(x)的自变量X在一点x0上产生一个增量Δx时，函数输出值的增量Δy与自变量增量Δx的比值在Δx趋于0时的极限a如果存在，a

详细方法参考：http://www.2cto.com/kf/201701/591136.htmlopencv不同版本的配置方法差异很大，一开始按照书上配置opencv2.4的方式，失败无数次，然后按照网上opencv3.0 配置方式也有差异。终于找到大神对opencv3.2的配置方法。非常详细，一步一步跟着来，很容易实现。在我的电脑上出现了不兼容的问题X86情况下，所有的和

彩色图像：每个像素由R、G、B三个分量表示，每个通道取值范围0~255。数据类型一般为8位无符号整形。灰度图像：每个像素只有一个采样颜色的图像，这类图像通常显示为从最暗黑色到最亮的白色的灰度。二值图像（黑白图像）：每个像素点只有两种可能，0和1.0代表黑色，1代表白色。数据类型通常为1个二进制位。索引图像：类似于查字典，为了解决彩色图像消耗空间大的问题，一般应用于色彩构成比较简单的场景

LBP指局部二值模式，英文全称：Local Binary Pattern，是一种用来描述图像局部特征的算子，LBP特征具有灰度不变性和旋转不变性等显著优点。二、LBP特征的原理1、原始LBP特征描述及计算方法原始的LBP算子定义在像素3*3的邻域内，以邻域中心像素为阈值，相邻的8个像素的灰度值与邻域中心的像素值进行比较，若周围像素大于中心像素值，则该像素点的位置被标

提示：ModuleNotFoundError: No module named 'matplotlib.pyplt'

Jupyter notebook——在Anaconda中多个环境下，设置不同的默认打开路径

pip安装jupyterlab，ERROR: Could not find a version that satisfies the requirement jupyterlab (from versions: none)

输入命令“pip install jupyter”，卡住了，没反应。过一会，按一下Ctrl+C，隔一会，再按一次

pip安装，WARNING: Ignoring invalid distribution -upyter-core (d:\program files\anaconda3\envs\pytorch\l

windows10操作系统 显卡MX150 安装CUDA+cuDNN+pytorch

opecncv和python的积累

eclipse调试时死机，没有反应，重新debug依旧没反应

错误提醒：pytesseract requires Python '>=3.7' but the running Python is 3.6.4pytesseract.pytesseract.TesseractError: (1, 'Error opening data file \\Program Files (x86)\\Tesseract-OCR\\eng.traineddata Please make sure the TESSDATA_PREFIX environment variable is

基于Opencv的数字识别，使用轮廓检测对模板图像进行特征提取，计算模板图像的外轮廓和外接矩形，与识别图像进行模板匹配计算，取匹配度最高的模板图像为识别数字。其中运用二值化、礼帽、Sobel算子、梯度、闭运算等形态学操作对信用卡图像进行预处理，对提取到的特征进行阈值筛选，得到卡号区域。对卡号区域的数字依次计算轮廓，与模板进行匹配获取识别结果。

Eclipse调试python

eclipse调试没反应，没有窗口弹出

python语法 dot函数

eclipse运行代码，报错ModuleNotFoundError: No module named 'imutils'；pip安装imutils，eclipse依旧报错

Eclipse导入python项目

安装配置Ecplise插件PyDev 8.3.0

opencv的图像基本操作_3

opencv的图像基本操作_2

opencv的图像基本操作

修改jupyter notebook默认路径

搭建OpenCV环境和Jupyter Notebook