浮生

pytorch的中文文档已经有人发出来，可以没事儿翻看。 对于领域内的书籍，应该常看常新，没事儿翻出来看一下。class ConvNet(nn.Module): def __init__(self): super().__init__() # batch*1*28*28（每次会送入batch个样本，输入通道数1（黑白图像），图像分辨率是28x28） # 下面的卷积层Conv2d的第一个参数指输入通道数，第二个参数指输出通道数，第三个参数指卷积核的

U-Net分割与分类不同， 分类只需要判断整体图像的信息，分割需要判断每个像素的信息。比如选西瓜的项目中，分类需要解决是好西瓜还是坏西瓜的问题，而分割要解决的是，西瓜在哪里，西瓜有多大的问题。可以总结出，分割问题中，往往牵涉了几何位置等信息，而分类问题，往往是一种综合判断。分割有很广泛的应用领域，如人体识别，安全帽识别，登记照更换背景等。unet的网络结构如下：右下角有每一层的作用，u字形的左边：卷积，池化，u字形的右边：卷积，上采样。unet的广泛应用于SVM的广泛应用有着相同的原因，在小数

后验概率公式的基本形式，这个在将HMM的时候，讲的很好W3D2: Hidden Dynamics T2 Video 6_哔哩哔哩_bilibili

本文以一个简单的LSTM为例，训练一个可以做加法的长短时间记忆神经网络．生成训练数据：generate_ground_truth.py.数据格式为256范围内的正整数相加，c = a + b. 可以使用传统CNN来表示网络设计目标函数：参考１：一个使用attention模型，在karas中可视化训练的模型 https://medium.com/datalogue/attention...

一，Terminology, 术语DiscriminativeDeterministicstochastic gradient descent methods