tensorflow实战(黄文坚 唐源) 学习笔记1--LeNet5

sift算法（传统）

尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由 David Lowe在1999年所发表，2004年完善总结。
SIFT算法在一定程度上可解决：

目标的旋转、缩放、平移（RST）
图像仿射/投影变换（视点viewpoint）
光照影响（illumination）
目标遮挡（occlusion）
杂物场景（clutter）

LRN （在 relu后使用，解决sigmoid梯度消失）

LRN层（local response normalization），对局部神经元的活动创建竞争机制，使得其中响应比较大的值变得相对更大，并抑制其他反馈较小的神经元，增强了模型的泛化能力。

函数：tf.nn.lrn(input,depth_radius=None,bias=None,alpha=None,beta=None,name=None)

session 和 interactiveSession 不同

使用InteractiveSession一个主要的变化是：运行在没有指定会话对象的情况下运行变量。这是与Session（）最大的不同。

tf.InteractiveSession():它能让你在运行图的时候，插入一些计算图，这些计算图是由某些操作(operations)构成的。这对于工作在交互式环境中的人们来说非常便利，比如使用IPython。

tf.Session():需要在启动session之前构建整个计算图，然后启动该计算图。

意思就是在我们使用tf.InteractiveSession()来构建会话的时候，我们可以先构建一个session然后再定义操作（operation），如果我们使用tf.Session()来构建会话我们需要在会话构建之前定义好全部的操作（operation）然后再构建会话。

use git

创建完 repository

cd ***
git init
git add ***
git commit -m "first commit"
git remote add origin https://github.com/gravitychen/repository_name.git
git push -u origin master (之后用)
git push -u origin master
git push -u origin master
git push -u origin master
git push -u origin master

本次代码